■ 募集背景

APTOでは、AIモデル開発に不可欠な学習データの生成・整備・評価プロセスをプロダクトとして提供しています。

近年、

• LLM / VLM / 画像・動画モデルなど 扱うモデルの高度化
• 本番運用を前提とした データ量・品質要件の急激な引き上げ
• 顧客ごとに異なる 「モデル性能を左右するデータ要件」

が同時に進み、モデルそのもの以上に「データ設計と評価ループ」がプロダクトの競争力を左右するフェーズに入っています。

現在は、

• データ設計や評価改善が属人的になっている
• モデル改善のボトルネックがデータ側にあるが、体系化しきれていない

という課題を抱えており、AIモデルの性能を「データの観点から」引き上げられるエンジニアをR&Dの中核メンバーとして迎えたいと考えています。

■ このポジションの役割

本ポジションは、モデルを作るエンジニアではありません。
モデルが「本番で機能する状態」を、データ設計で実現するエンジニアです。

主な役割

• LLM / VLM / 画像・動画モデル向けの 学習データ設計
• データ前処理・アノテーション方針の設計・改善
• モデル評価指標の設計、評価結果の分析
• 学習 → 評価 → データ改善 の フィードバックループ構築
• モデル開発チーム・プロダクトチームとの連携

「なぜ精度が出ないのか」「どのデータをどう変えるべきか」をデータ側から考え、実行する役割です。

■ 主軸（最も期待する領域）

• AIモデル向けデータ設計・前処理・品質管理
• モデル評価とデータ改善ループの設計
• Pythonを用いたデータ処理・分析

■ 扱う対象例

• LLM / VLM 向けテキスト・画像・動画データ
• 物体検知・画像認識モデル向けデータ
• アノテーションデータ・メタデータ

※モデルの重み設計やアルゴリズム研究が主業務ではありません。

「データ × モデル性能」の実運用設計が中心です。

■ 任せたい裁量・意思決定範囲

• 学習データの設計方針・品質基準の策定
• モデル評価指標・評価方法の設計
• アノテーション改善・再設計の判断
• モデル改善に向けた データ戦略の主導

データに関する意思決定を、エンジニアとして主体的に担っていただきます。

■ このポジションで得られるもの

• AIモデル性能を左右するデータ設計の実戦経験
• LLM / VLM 等の最新モデルを「使い切る」視点
• 学習 → 評価 → 改善を回す 実運用の知見

以下すべてを満たす必要はありませんが、学習データや評価設計について「自ら考え、改善した経験」を重視します。

• 機械学習モデル（分類・検出・生成系など）を扱い、モデル性能向上を目的として学習データの設計・改善に関与した実務経験（研究・プロダクトいずれも可）
• Python を用いて、学習・評価用データの前処理、加工、検証を自ら設計・実装した経験
• モデル評価結果を踏まえ、「データをどう変えれば性能が改善するか」を考え、実際に施策を実行した経験（再アノテーション、データ追加、分布調整、ラベル定義の見直し等）

• LLM / VLM / 画像・動画モデルにおけるタスク特性を踏まえたデータ構成・粒度・ラベル設計の経験
• アノテーション業務における、ガイドライン設計、品質基準策定、レビュー、改善サイクル運用の経験
• 精度・再現率・F1・BLEU 等の指標を用いた評価結果の解釈・ボトルネック分析の経験
• 学習 → 評価 → 改善を意識したデータパイプラインやRLHF基盤構築のご経験
• Data-centric AI / MLOps といった考え方に基づき、モデルだけでなくデータ設計に価値を置いた開発に関心がある方
• 研究コミュニティでのアウトプットとして、学会等での論文発表／査読付き発表などの実績がある方
• 生成AI（LLM/AIエージェント等）を用いた開発経験があり、エージェント設計・ツール連携（Function calling等）・RAG/検索・マルチモーダル文書理解（VLM/OCR）・安全運用（ファクトチェック/ガードレール）・タスク特化ベンチマークによる継続評価のいずれかに知見／実装経験（または強い関心）がある方
• 強化学習を含む学習手法や、課題設定〜分析〜実装〜検証までのDSプロセス、および AI支援コーディングツールの活用・運用の経験
• Robotics・Physical AI領域におけるデータ作成（IL用データ収集・VLA学習用データの生成・評価設計等）の経験がある方

• モデル単体よりも 「データと評価で性能を上げる」ことに面白さを感じる方
• 研究だけでなく、実運用されるAIプロダクトに関わりたい方
• モデル開発者と対話しながら、データ設計をリードしたい方
• AIプロダクトの“裏側の要”として責任を持ちたい方

※純粋なアルゴリズム研究のみを志向する方には向きません。