業務内容

• MLプラットフォームの設計・構築・運用・最適化を担当し、Perception・Prediction・Planner開発を支える基盤を確立
• データセット作成・MLモデリング・訓練・評価・車載の機能安全対応デプロイまで、パイプラインを全体視点で構築・運用
• ユーザー向けツール・フレームワーク・ライブラリを開発し、MLエンジニアリングの生産性を向上
• データクレンジング・データサンプリング・前処理・クラウド訓練・評価・エッジデプロイを含むMLライフサイクルを最適化
• 他のML/MLプラットフォームエンジニアと協働してコードレビュー・継続的改善を推進
• 工程・インフラ・プロセスの最適化と長期戦略への寄与、アジャイル環境での高速度開発
• 日本橋オフィスへ週3日出社のハイブリッド勤務、機能横断でアーキテクチャ調整・グローバル最適化を推進
• 組織全体のエンジニアリングプラクティスを牽引

技術スタック

必須スキル

• UNIX/Linux、Python、PyTorch/TensorFlow
• ML Opsの全ライフサイクル（データクレンジング・前処理・訓練・評価・デプロイ・エッジ/クラウド）
• Docker、CI（GitHub Actions）
• データ規模の訓練拡張と現場課題の対応力
• ビジネスレベルの英語力（技術文書作成）

歓迎スキル（該当する場合）

• Apache Spark、Airflow、Flyte、Flink、Ray などのMLパイプライン技術
• Rust/C++、Bazel、システムレベルのデバッグ能力
• Terraform、AWS、Kubernetes、Observability
• BigQuery/Snowflake/Redshift 等のデータウェアハウス経験
• GPUプログラミング、SIMD/SIMT、マルチスレッド
• 自動運転・ロボティクス・コンピュータビジョン・モーションプランニングの経験
• 日本語ビジネスレベル、アーキテクト/シニアマネージャー経験
• 大規模分散トレーニングの実務経験

キャリア成長観点

• 大規模MLプラットフォームの設計・運用を通じ、Perception/Prediction/Planningを横断的にリードする機会
• 車載向けAIの実装・最適化・大規模展開に直接寄与できる影響力
• データエンジニアリング、パイプライン運用、ハードウェア最適化まで一貫した技術領域の拡張
• クロスファンクショナルかつグローバルな協働、技術文書作成を通じたリーダーシップ育成
• テックリーダー・アーキテクト・マネジメントなど、キャリアパスの多様性と成長機会
• ハイブリッド勤務環境の柔軟性と、Toyotaグループの大規模実車適用プロジェクトでの実務経験獲得