【インターンシップ】AI/MLエンジニア（Vision Language Model・動画認識）

仕事内容

職務内容 【業務内容】 製造業向け作業分析ツールの機械学習・DeepLearningモデル・アルゴリズム開発 ・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 【東大松尾研発スタートアップ】 株式会社Ollo(オロ)は、東京大学松尾研究室のメンバーを中心に2019年2月に設立されたスタートアップです。現在は10人の少数精鋭のエンジニアにより構成されています。 画像認識を用いて、製造業の人の作業を高精度に分析するプロダクトを作っています。すでにいくつかの大手製造業の企業様に使っていただいています。 現在成長中の会社なので、これから入る方でも大きい裁量で仕事ができます。ChatGPTなどの既存のAPIを利用するのではなく、 Transformerなどを自分たちで学習を回したり、一からアルゴリズムを構築するような仕事が多いです。 今回、プロダクトの機能拡充にあたって機械学習・Deep Learning・アルゴリズムの開発メンバーを募集します。 少数精鋭の中で主体的にプロダクトを構築する経験がしてみたい、やる気のある方を募集しています。 【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 ★cursor, claude(claude code), chatgpt等AIツールを全スタッフ使用可能です！ 【魅力・やりがい】 ・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。 ・大手企業への導入実績もあり、今後のさらなる拡大フェーズを体験できる。 ・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。 ・経験豊かな経営陣、営業担当者が多数在籍しているため、安定した取り組みが可能。 ・拡大フェーズ 弊社プロダクトは大手企業に導入され、現在事業拡大フェーズに突入しています。インターン生でも自分たちの開発したプロダクトが人の役に立っていると実感できるとともに、会社が成⻑しているのを肌で感じられます。 応募資格（必須） 以下のいずれかの経験 ・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 応募資格（歓迎） ・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 賃金 時給：1800円〜3000円 インターンシップ 期間：３ヶ月（両者合意のもと延長あり） 昇給あり 就業時間：週20時間〜 ※勤務スケジュールはメンターと相談・調整の上決定 ※応相談 多く働ける方大歓迎 -諸手当：通勤交通費

必須スキル

Olloの他の求人

あなたに最適な求人を、AIが推薦

15〜20分のAI面談で、スキル・経験・コミュニケーション・カルチャーフィットを評価。 その結果をもとに、掲載中の全求人から最適な案件を自動マッチング。