業務内容

• 車両CAN信号・車載センサ・ドライバー操作ログなどの時系列データを入力とした、MLベースの運転負荷（忙しさ）推定アルゴリズムの設計・実装・高度化
• 教師データ設計・アノテーション方針・データ前処理・特徴量設計を含む学習データ基盤および評価パイプラインの構築・運用
• CANベース指標と周辺車串情報・画像ベース指標等の他指標の組み合わせロジック設計・改善
• 推定結果を運転方法提案・声掛け機能のロジックへ組み込むインタフェース設計・仕様検討と、全体性能の継続的改善
• ソフトウェア/テスト/UX等の関係者と要件・評価指標をすり合わせ、実験結果を共有
• シミュレータおよび実車での評価計画立案・実施に参加し、実環境での確認と改善サイクルを推進（出張含む）

技術スタック

必須スキル

• 車両CAN信号・車載センサ・ドライバー操作ログ等の時系列データを対象としたML/アルゴリズム開発（目安3年以上）
• 機械学習・深層学習または統計的モデリングの実務経験
• PythonおよびPyTorch／TensorFlow等のML/DLフレームワーク
• データ前処理・特徴量設計・学習・評価までのML開発プロセスを自走できる力
• 複数ステークホルダーと技術内容を説明・調整できるコミュニケーション能力
• 出張対応可能
• ビジネス日本語／日常英語のコミュニケーション

歓迎条件（該当する場合）

• 裾野勤務が可能な方
• ADAS／ドライバーモニタリング／ロボティクス等の開発・評価経験
• 時系列データを用いた特徴量設計や運転負荷推定アルゴリズムの開発経験
• MLモデルのプロダクション導入（エッジ/組込み最適化、推論パイプライン、モデル運用）経験
• Unity等のシミュレータを用いた評価・データ生成経験
• 学術的アウトプット（論文・コンペ等）や関連分野の学士以上の学位

キャリア成長観点

• 最先端のモビリティ領域で、運転負荷推定の設計から実車評価まで一貫して経験できる機会
• エッジ/組込み機器向け推論やデータ基盤構築など、MLエンジニアとして幅広い領域のスキルを統合して成長可能
• クロスファンクショナルな協働を通じたコミュニケーション力・プロジェクト推進力の強化、日英両言語環境での実務経験
• Woven Cityという実証実験拠点で、実車・シミュレータ双方の評価を通じた社会実装への影響力を持つポジション