【東大松尾研発AIベンチャー】AI/MLエンジニア(Vision Language Model・動画認識)

仕事内容と労働条件

仕事内容

【募集背景】
当社のコア技術である動画認識AIは、世界中の製造現場で日々膨大な作業映像を解析しています。このポジションでは、動画認識モデル(Vision Language Model、VLM)の開発・改善を中心に担っていただきます。

具体的には、以下のような方向でモデルを進化させていきます。

モデルの精度や実行スピードの向上
動画を対象としたRAG(Video RAG)による現場ナレッジの検索・活用
エッジデバイス上での大規模モデルの実行
製造ラインでのリアルタイム推論

研究と実装の両面で取り組むべきテーマが多く、中心メンバーとして関わっていただけるポジションです。

【業務内容】
・製造現場の作業動画を解析するVision Language Modelの研究開発・改善
・行動認識・姿勢推定・物体検出など、Computer Vision領域のモデル設計・学習・評価
・多様な現場環境(照明・カメラ角度・作業内容)に対応するロバスト性の向上
・エッジデバイス上での大規模モデルの最適化・デプロイ
・製造ラインにおけるリアルタイム推論パイプラインの構築
・モデルの量子化・蒸留・プルーニングによる軽量化

【開発環境】
・Webフロントエンド: TypeScript, Vue, Nuxt.js
・バックエンド: Go, GraphQL, Python(FastAPI)
・デザイン: figma
・データベース: MySQL
・コミュニケーションツール: Slack
・ドキュメント管理: Notion
・コード管理: GitHub
・laC: Terraform
・インフラ: AWS
・IDE: vscode
・CI/CD: GitHub Actions
・コーディング支援: Github Copilot

■当社 factoryについて
カメラひとつで工場の作業を解析する画像認識ソフトウェアです。作業現場の動画をアップロードするだけで、AIが自動的に繰り返し作業を検出し、24時間、365日の作業をすべて自動的に計測します。作業のばらつきや抜け、ムダを発見することで、現場の生産性向上に貢献します。

■プロダクト開発の今後の展望
・ 製造業での動画解析を軸に、プロダクトラインナップを増やしていきます(Kaizen →+ Training, Alertなど)
・プロダクトのコアな部分はできているので、今後はより利便性を追究して、誰でも使えるプロダクトを目指して機能開発を進めます

■プロダクト開発の現状課題
上記の展望を具体化し、より多くの顧客に弊社プロダクトを導入いただくためには、新規機能開発の加速化、テストの充実、インサイトの分析など、行うべきアクションが多数あります。
現状は少数精鋭のエンジニアで開発しているため、まだまだ手を付けられていない部分が多いのが実情です。よって、エンジニアの増員により、現状課題の解決とユーザー拡大を図り、製造業全体で弊社プロダクトが導入されている状態、さらにはグローバルでも活用されている状態を目指します。

■少数精鋭のチームで、立ち上がったばかりのサービス開発をするため、一人当たりの裁量や権限が大きい。
■立場や役職に関係なく議論ができるフラットな社風のため、自身の考えや意見を主体的に提案することができる。
■弊社プロダクトは大手企業への導入実績があり、今後のさらなる拡大フェーズを体験でき、同時にスタートアップの組織拡大フェーズのコアメンバーとして活躍できる。
■エンジニアが、プロダクトが導入される工場に訪問する機会があるため、開発しているプロダクトがどのように使われ評価されているのかを自分の目で確かめられ、機能のアップデートや改善に直接繋げられる。
■東大出身のAI技術者が会社のほとんどを占めており、AI技術についてハイレベルに学べる環境がある。
■経験豊かな経営陣、ビジネスメンバーが多数在籍しているため、安定した取り組みが可能。
■日々の業務においては、エンジニアサイド・ビジネスサイド双方から質問/提案/顧客要望などがあればすぐコミュニケーションをとって解決を目指しているため、プロダクトグロースに関心が高いエンジニアにとってスムーズに業務推進ができる環境がある。
■本ポジションでは、革新的な技術を駆使し、社会に貢献できるプロダクト開発に携わるチャンスがあります。
■高品質なソフトウェアを開発することで、顧客満足度向上に寄与できるだけでなく、チームとの密なコミュニケーションを通じて、自身の成長を実感できる環境が整っています。

応募資格

以下のいずれか、または複数の実務経験(1年以上)もしくはそれに準ずる研究実績

・動画・画像認識(物体検出、行動認識、セグメンテーション等)
・VLM / マルチモーダルモデル(Vision-Language系モデルの学習・活用)
・LLM(ファインチューニング、RAG、プロンプトエンジニアリング等)
・Python を用いたソフトウェア開発経験(1年以上)
・Deep Learningフレームワーク(PyTorch 等)の実践的な利用経験
【歓迎】
【歓迎(WANT)】
・Video Understanding / Action Recognition 分野の研究・開発経験
・Vision-Language Modelの学習・活用経験
・LLM / VLM の post-training 経験(SFT、instruction tuning、RLHF・DPO 等の強化学習ベースのアライメント)
・動画や画像を対象としたRAGシステムの設計・構築経験
・エッジ推論の最適化(TensorRT、ONNX Runtime、量子化・蒸留等)の経験
・リアルタイム映像処理パイプラインの設計・実装経験
・製造業ドメインの知見
・論文の執筆・国際学会での発表実績
・英語でのコミュニケーション能力(グローバル展開に伴い活用機会あり)[.

【求める人物像】
・最新のAI技術動向を積極的にキャッチアップし、プロダクトに応用できる方
・技術で社会に貢献したいという意欲のある方
・不確実性の高い環境でも自律的に仮説を立て、検証・改善を繰り返せる方

就業場所

東京都 文京区
■フレックスタイム制(休憩1時間)
■コアタイム:10::00
■標準労働時間8時間
【勤務体制】
エンジニアチームメンバーはフル出社で気軽にコミュニケーションが取れる環境を作っています。少数精鋭の組織であること、プロダクトが比較的新しく、今後もスピーディに開発体制を構築する観点から、リアルコミュニケーションによる生産性の高さを追求しています。

就業時間・休憩

10:00〜18:00

時間外労働

20時間以下

休日・休暇

土日祝休み
年間休日123日
夏季休暇・GW休暇・年末年始休暇・有給休暇

賃金

■ストックオプション制度あり
■賞与1ヶ月分(業績に応じて変動)
■賞与
業績賞与

待遇・福利厚生

交通費支給・社会保険完備・健康診断
・交通費支給
・食事補助
・社内フード/飲み物提供あり

受動喫煙対策

禁煙

選考・応募書類

応募 → Periodとの面談 → 企業の選考（■カジュアル面談 ↓ ■1次面接 ↓ ■最終面接 ↓ ■内定）

募集者

社名は面談時にお伝えします

取扱い

株式会社Period（有料職業紹介事業 13-ユ-315555）

掲載日

2026年10月21日

記載の労働条件は掲載時点のものです。詳しくは面談・面接の際にご確認ください。

選考の流れ

1. 応募（このページのフォーム）
2. Periodとの面談（オンライン・日本語または英語）
3. 企業との面接
4. 内定・入社の手続き

同じエリア・職種の求人

• PM(WEBアプリ開発) / 年収850万円から / 完全週休2日制東京都 ／ 年収 850万円〜1500万円 ／ 正社員
• 【未経験可・将来的にはPM / PMOへ】年休129日 / 賞与2回東京都 ／ 年収 300万円〜450万円 ／ 正社員
• 【東京)週2リモート可フロントエンドエンジニア(テックリード / マネージャー候補) / 自社メディア開発東京都 ／ 年収 740万円〜950万円 ／ 正社員
• 【Engineer】ソフトウェアエンジニア(テックリード/オープンポジション)東京都 ／ 年収 850万円〜1050万円 ／ 正社員
• 【Engineer】SRE_テックリード(Embedded SRE)東京都 ／ 年収 1000万円〜1450万円 ／ 正社員
• 【Engineer】エンジニアリングマネージャー_施設プラットフォーム領域東京都 ／ 年収 900万円〜1400万円 ／ 正社員