ML Engineer

ML Engineer

紹介した候補者数1人

選考中の候補者数1人

最終更新日時2025/02/14 14:52

採用情報

職務内容

募集背景

私たちCADDiは「モノづくり産業のポテンシャルを解放する」をミッションに、製造業におけるデータプラットフォームプロダクト「CADDi Drawer」を展開しています。 2022 年にローンチした「CADDi Drawer」は、製造業の中でも最重要といわれる図面データを機械学習など様々な技術により構造化し多様な情報と結び付けることで、情報資産としての活用を可能にしました。既に国内の大手製造業から加工会社のお客様にまで活用いただいており、急成長中です。2023 年からは海外（アメリカ・タイ・ベトナム）での販売も開始し、グローバル展開も加速させています。

今後は、図面以外にも製造業の知見をテクノロジーによって再現・集約することで、部門や会社を超えた全体最適の実現を目指しています。 開発としては、データプラットフォームとしての機能強化、プラットフォーム上で動く複数の新規アプリケーション開発、飛躍的に増加するユーザー数・データ量に耐えうる基盤の強化など、取り組みたいテーマが数多くあります。 難易度が高くチャレンジしがいのあるプロダクト開発に一緒に取り組む仲間を募集しています。

※CADDi の事業やプロダクトについては、下記もご参照ください

• キャディ、製造業AIデータプラットフォームとしての、第二章。（CEO加藤）
• プロダクトが何かを変える瞬間に立ち会うこと（CADDi Drawerプロダクト責任者白井）
• 製造業のベテランに倣い、ベテランを超えるプロダクト開発（テクニカルプロダクトマネージャー今井）
• CADDi Drawer Brand movie「会社も、自分も、変わることができる」

業務内容

ML Engineerは、機械学習、データサイエンスにおけるモデルの開発および、それらを継続的にサービスに対して提供できる基盤の構築、保守、運用を行います。キャディの持つデータを活用し、プロダクトに価値を提供できる高い精度でのモデリング技術、およびチームでの安定したシステム開発を期待します。

以下に業務例を示します。実際の業務はこれに限定されるものではありません。入社後の業務内容は、技術や専門知識、経験等を考慮のうえ決定します。

【業務例】図面に対する画像認識システムの構築 図面画像を解析し、図面上に記載された情報を抽出する技術開発を行います。

• 画像からの特徴抽出、それらを用いた類似画像検索システムの構築、保守、運用
• 画像認識モデルの構築、アノテーションの仕組み作り
• 大規模言語モデル(LLM)や大規模視覚モデル(LVM)の活用検討
• 作成した画像認識モデルのデモやレポートの作成および社内外への技術説明
• 高いモデル精度を保証するための実験、分析、可視化
• 図面上の情報抽出を行うバッチ処理、APIの開発とデプロイ

【業務例】CADデータに対する解析システムの構築 CADデータを解析し、CAD内の情報や3D形状情報から必要な情報を抽出する技術開発を行います。

• CAD解析モデル・アルゴリズムの構築、アノテーションの仕組み作り
• 作成したCAD解析モデルのデモやレポートの作成および社内外への技術説明
• 高いモデル精度を保証するための実験、分析、可視化
• CADデータから情報抽出を行うバッチ処理、APIの開発とデプロイ

【業務例】機械学習プロジェクトマネジメント 図面解析モデルをはじめとした機械学習モデル開発のプロジェクトマネジメントを行います。

• 図面情報に関する課題の社内外からのヒアリングおよび要件を満たせるタスク定義
• プロダクトマネージャーと議論し、機械学習モデルのKPI詳細化・スケジュール合意
• 必要に応じてアノテーションを定義し、アノテーションチームと適宜連携しデータセット作成
• 図面解析・CAD解析に記載の業務例を自身 or チームの機械学習エンジニアとともに推進

参考資料

• ML/MLOpsエンジニア向け採用資料
• CADDi AI Labの進化 R&Dから実用プロダクトへの旅路
• CADDiの機械学習モデル開発の流れと継続的な改善
• 仕組みで品質を作る図面解析
• キャディ: 図面データ活用クラウドで Vertex AI を採用、多様で大量の図面を扱う AI 基盤を実現
• Vertexで3ヶ月で作る運用可能なML API基盤
• 図面をデノイジングする技術について
• 図面からの母材形状認識

得られる経験

• 熱量の高いメンバーと共に、難易度の高い技術的課題に挑戦する経験
• 機械学習に加え、ソフトウェア領域など幅広い領域に精通したメンバーと共に仕事をする経験
• 技術をどのようにビジネスとして価値展開するかまで踏み込んで課題解決をする経験
• MLOpsやプロダクトマネジメントのメンバーとも距離が近く、will次第で仕事の幅を広げることができる

組織について

• 開発組織の全体像はこちらのスライドをご参照ください。
  • エンジニア・デザイナー・プロダクトマネージャーがそれぞれ各種機能開発（図面活用・検索・見積等）、データ基盤開発、機械学習/MLOps、R＆D、Enabling（QA・SRE）、Securityなど、1チーム4〜6名程度×10数チームに分かれて活動しています。
  • 「各チームの裁量とスピード感の担保」と「チーム横断での標準化による全体最適」の両立を目指し、チームトポロジーの考え方を取り入れた組織設計を行っています。
  • 開発メンバーのうち2割は海外（アジア、ヨーロッパ、北米など）出身メンバーです。一部チームでは英語をメインとしたコミュニケーションが行われていたり、重要な会議は日本語/英語両方で開催するなど、多国籍なメンバーが活躍できる組織づくりに挑戦しています。
• CADDi におけるML/MLOpsの役割については、こちらをご参照ください

Requirements

応募資格（必須）

• 5年以上の機械学習モデル開発経験
• 機械学習モデルをプロダクトにリリース・運用した経験
• 機械学習、統計、線形代数、コンピュータサイエンスに関連したアルゴリズムの基礎知識
  • 機械学習を活用したビジネス上の課題を解決する業務経験
  • 機械学習、統計のモデルの精度改善の経験
• Python、Rust等を用いたWebサービスに関わるAPIの開発、運用経験
• Google Cloud、AWSなどクラウドサービスを利用した業務経験
• Docker等のコンテナ技術の基礎的知識
• Git、CI/CDを用いたチーム開発、運用経験
• 日本語での流暢なビジネスコミュニケーション能力
  • テキストコミュニケーションやミーティングを含め、日常業務を日本語で完結できること
  • 例：日本語能力試験N2程度、日本語環境での3年程度の就業経験をお持ちである等

応募資格（歓迎）

• 画像認識やOCR、3D解析に関連する業務経験
• MLプロジェクトマネジメントやMLチームリードのご経験
• GPUを用いたデータ処理の経験（CUDA、OpenCL、cudf、CuPyなど）
• Vertex AI Pipeline、kubeflow、Apache Beam、Sparkなどを用いて機械学習パイプラインを開発した経験
• 機械学習、データサイエンスのモデルを継続的に改善・提供した経験
• Data-centricに機械学習モデルを改善するために、データ品質を高める施策を実施した経験
• Kaggleなどのデータ分析コンテストにおける複数回の入賞経験
• 機械学習、データサイエンス分野における主要学術誌での論文執筆経験
• 数値最適化手法のビジネス上の課題に対する活用経験
• フロントエンド、バックエンドに関わるWebサービス開発経験 ・分散処理に関する開発・運用経験

求める人物像

• キャディのミッション「モノづくり産業のポテンシャルを解放する」に共感する方
• 未経験の技術や物事に対して貪欲に学び挑戦する姿勢がある方
  • ML/MLOpsに必要な関連技術のキャッチアップに意欲的な方
• 本質的な課題に向き合い、当事者意識をもって解決に向けた行動ができる方
• 変化が早く不確実性の高い状況において、前向きな姿勢と建設な議論を通じて業務を遂行できる方
• 相手のコンテキストや解像度に配慮し、他者をリスペクトする姿勢でコミュニケーションや議論ができる方