エンジニア の求人一覧 - 株式会社Athena Technologies

◾️ 私たちが目指すこと Athena Technologiesは、企業の業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。生成AIや機械学習の活用を検討する企業が増える一方で、実際のプロジェクトでは、AIを適用すべき業務、必要なデータ、実現可能な精度、既存システムとの連携方法などが整理されていないことも少なくありません。私たちは、顧客へのヒアリングや業務分析を通じて課題を整理し、要件定義、技術検証、実装、本番運用、改善まで一気通貫で支援しています。本ポジションでは、これまでのプロジェクトマネジメントやコンサルティングの経験を生かし、AI・機械学習プロジェクトの要件整理、計画策定、顧客折衝、開発推進を担っていただきます。 ◾️ 業務内容 ※案件やご経験に応じて、以下の業務を担当していただきます。 ・クライアントへのヒアリング、業務分析、課題の構造化 ・AIを活用した解決策およびプロジェクト計画の提案 ・ビジネス要件、機能要件、非機能要件の整理 ・ビジネス要件から技術要件への変換 ・フィジビリティスタディおよびPoCの計画・推進 ・プロジェクトのスコープ、スケジュール、予算、品質、リスクの管理 ・プロジェクトのマイルストーンおよび成果指標の設計 ・機械学習エンジニア、データサイエンティスト、バックエンドメンバー、フロントエンドメンバーとの連携 ・技術的な課題、依存関係、ボトルネックの整理 ・クライアントへの進捗報告、成果物の説明、プレゼンテーション ・クライアントと開発チームの期待値調整および合意形成 ・仕様変更や追加要望に対する影響整理、スコープ調整 ・チケット管理ツール等を用いたタスク・期日管理 ・マルチベンダー環境における進行管理 ・必要に応じた体制変更やエスカレーション ・本番導入および運用・改善フェーズへの移行支援 ・ご経験に応じたプロジェクト全体のリード、他PMへのレビュー・支援 ◾️ 具体的なプロジェクト例 【コクヨロジテム様：業務を可視化し、優先すべきDXテーマを特定】 物流サービスを提供するコクヨロジテム様に対し、現場業務の可視化とDXテーマの整理を支援しました。現場へのヒアリングを通じて業務を整理し、業務時間の約8割を占める課題を特定。その結果をもとに、どの業務からデジタル化へ着手するべきかを整理しました。このようなプロジェクトでは、顧客から提示された要望をそのまま案件化するのではなく、業務全体を可視化し、課題の重要度や実行可能性を踏まえて優先順位を設計します。PMは、ヒアリング、業務フローの整理、課題の構造化、経営層への説明、ロードマップの策定を主導します。 参考：コクヨロジテム様 DXコンサルティング事例 https://athenatech.jp/case/kokuyo-logitem-dx-consulting

◾️ 私たちが目指すこと Athena Technologiesは、企業の業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。AIの活用を検討する企業が増える一方で、実際のプロジェクトでは「どの業務へAIを適用するべきか」「どの程度の精度が必要か」「既存システムや業務フローへどう組み込むか」が明確になっていないことも少なくありません。 私たちは、顧客の業務や制約を理解し、解決すべき課題を整理するところから、要件定義、技術検証、実装、本番運用、改善まで一気通貫で支援しています。DX Solutionにおけるオーダーメイド型AI開発に加え、閉域・オンプレミス環境で利用できるローカルLLM運用基盤、生成AIの入出力を監視するガードレール、フィジカルAIなど、企業がAIを継続的に利用するための技術を幅広く扱っています。 本ポジションでは、顧客の曖昧な要望を業務課題として整理し、AIを活用したプロジェクトへ変換したうえで、機械学習エンジニアやデータサイエンティストと連携しながら社会実装まで推進していただきます。 ◾️ 仕事のやりがい クライアントから渡された要件を管理するのではなく、要件をつくる段階から関われます。現場ヒアリングや業務分析を通じて、複数ある課題の中から優先順位を整理し、AIを適用するテーマやロードマップを顧客とともに設計します。プロジェクト開始後は、スコープ、スケジュール、予算、品質、リスクを管理するだけでなく、技術チームと顧客の間に立ち、双方の認識差を整理します。開発中に新たな課題が見つかった場合には、計画や体制を見直し、プロジェクトの成果につながる意思決定を行います。課題整理、提案、技術検証、開発、本番導入まで一貫して関わることで、AI技術を企業の業務成果へ変換するプロジェクトマネジメント経験を得られます。 ◾️ 業務内容 ・クライアントへのヒアリング、業務分析、課題の構造化 ・AIを活用した解決策およびプロジェクト計画の提案 ・ビジネス要件、機能要件、非機能要件の整理 ・ビジネス要件から技術要件への変換 ・フィジビリティスタディおよびPoCの計画・推進 ・プロジェクトのスコープ、スケジュール、予算、品質、リスクの管理 ・プロジェクトのマイルストーンおよび成果指標の設計 ・機械学習エンジニア、データサイエンティスト、バックエンドメンバー、フロントエンドメンバーとの連携 ・技術的な課題やボトルネックの整理、対応方針の策定 ・クライアントへの進捗報告、成果物の説明、プレゼンテーション ・顧客と開発チームの期待値調整および合意形成 ・仕様変更や追加要望に対する影響整理、スコープ調整 ・マルチベンダー環境におけるタスク、期日、依存関係の管理 ・プロジェクト状況に応じた体制変更、増員、リプレース等の判断とエスカレーション ・本番導入後の運用・改善計画の策定 ・ご経験に応じた複数プロジェクトの統括、PMメンバーの支援・育成 ◾️ 具体的なプロジェクト例 【コクヨロジテム様：業務を可視化し、優先すべきDXテーマを特定】 物流サービスを提供するコクヨロジテム様に対し、現場業務の可視化とDXテーマの整理を支援しました。現場へのヒアリングを通じて業務を整理し、業務時間の約8割を占める課題を特定。その結果をもとに、どの業務からデジタル化へ着手するべきかを整理しました。このようなプロジェクトでは、顧客から提示された個別の要望へ対応するだけでなく、現場の業務全体を把握し、課題の重要度や投資効果を踏まえて優先順位を設計します。PMは、ヒアリングの設計、業務フローの整理、課題の構造化、経営層への提案、実行ロードマップの作成までを推進します。 参考：コクヨロジテム様 DXコンサルティング事例 https://athenatech.jp/case/kokuyo-logitem-dx-consulting

◾️ 私たちが目指すこと Athena Technologiesは、プライベートAIの構築を得意とする会社です。金融・電力・官公庁・防衛産業をはじめとするセキュリティ要件の高い業界では、機密データを外部のクラウドサービスへ送信できないことが、生成AI活用の制約となっています。私たちは、閉域・オンプレミス環境で動作する生成AIを提供し、これまでAIを活用しにくかった業務にも技術の価値を届けています。インフラの構築から、ローカルLLMの運用基盤、日本語特化のガードレール、業務課題を解くAIアプリケーションの開発まで、プライベートAIを成立させるために必要な技術を一気通貫で扱っています。 本ポジションでは、生成AI、LLM、深層学習、数理最適化、AIセキュリティなどの技術を活用し、顧客の業務課題とセキュリティ要件を満たすAIシステムの設計・開発・運用を担っていただきます。単にモデルを作って終わるのではなく、顧客の業務理解、要件定義、アーキテクチャ設計、プロダクトへの組み込み、MLOpsによる継続的な改善までを通じて、プライベートAIを企業の業務へ実装する仕事です。 ◾️ 仕事のやりがい Athenaでは、モデルの精度だけでなく、データの取り扱い、実行環境、セキュリティ、業務への適合性まで含めてシステムを設計します。顧客から提示された要望をそのまま実装するのではなく、「どの業務課題を解決するのか」「どのような条件であれば継続利用できるのか」を整理し、モデル、データ、インフラ、アーキテクチャを選定します。技術検証やPoCにとどまらず、プロダクトへの組み込み、デプロイ、モニタリング、改善まで一気通貫で関わることで、クラウド型生成AIでは対応しにくい領域へAIを届ける経験を得られます。 ◾️ 業務内容 ・生成AI、深層学習、数理最適化モデルの設計・実装・評価・運用・改善 ・データセットの構築、前処理、特徴量設計、モデル選定、チューニング ・API、バックエンド、データ基盤と連携したAI機能の実装 ・オンプレ/クラウド環境（AWS、GCP等）上でのモデル運用・スケーリング ・MLOpsの導入による継続的な学習・評価・改善サイクルの構築 ・クライアントとの要件定義、技術提案、フィジビリティスタディ ・現場ヒアリングや業務分析を通じた課題の特定 ・バックエンドメンバー、フロントエンドメンバー、顧客と連携した社会実装の推進 ・技術説明、顧客折衝、提案から実装までのプロジェクト推進 ・コードレビュー、コード品質向上、レビュー制度の構築 ・ご経験に応じたチームリードや将来的なメンバー育成 ※プロジェクトによっては、構成検討や技術検証の段階から参画し、モデル選定、推論環境の構築、AIエージェントの実装、運用・改善までを担当していただきます。担当領域や期待する成果は、ご経験、専門分野、稼働条件を踏まえて案件ごとに決定します。 ◾️ 具体的なプロジェクト例【常陽銀行様：ローカルLLMを活用した「JOYO AI AGENT」の構築】 常陽銀行様に対し、機密情報を外部へ送信せずに生成AIを業務活用するため、ローカルLLMを用いた専門業務特化型エージェント「JOYO AI AGENT」を開発・提供しました。インターネット環境から分離された閉域クラウド上に、ローカルLLMと運用基盤を構築。翻訳や機密情報のマスキング機能を実装しています。 また、業務文書の自動作成や稟議書レビューなど、銀行業務へのさらなる活用に向けた検証も進めています。このようなプロジェクトでは、モデルの選定・評価に加え、顧客業務の理解、ユースケースの設計、データ処理、AIエージェントの実装、運用基盤との連携、精度検証と改善まで幅広く関わります。

◾️ 私たちが目指すこと Athena Technologiesは、プライベートAIの構築を得意とする会社です。金融・電力・官公庁・防衛産業をはじめとするセキュリティ要件の高い業界では、機密データを外部のクラウドサービスへ送信できないことが、生成AI活用の制約となっています。私たちは、閉域・オンプレミス環境で動作する生成AIを提供し、これまでAIを活用しにくかった業務にも技術の価値を届けています。インフラの構築から、ローカルLLMの運用基盤、日本語特化のガードレール、業務課題を解くAIアプリケーションの開発まで、プライベートAIを成立させるために必要な技術を一気通貫で扱っています。 本ポジションでは、生成AI、LLM、深層学習、数理最適化、AIセキュリティなどの技術を活用し、顧客の業務課題とセキュリティ要件を満たすAIシステムの設計・開発・運用を担っていただきます。単にモデルを作って終わるのではなく、顧客の業務理解、要件定義、アーキテクチャ設計、プロダクトへの組み込み、MLOpsによる継続的な改善までを通じて、プライベートAIを企業の業務へ実装する仕事です。 ◾️ 仕事のやりがい Athenaでは、モデルの精度だけでなく、データの取り扱い、実行環境、セキュリティ、業務への適合性まで含めてシステムを設計します。顧客から提示された要望をそのまま実装するのではなく、「どの業務課題を解決するのか」「どのような条件であれば継続利用できるのか」を整理し、モデル、データ、インフラ、アーキテクチャを選定します。技術検証やPoCにとどまらず、プロダクトへの組み込み、デプロイ、モニタリング、改善まで一気通貫で関わることで、クラウド型生成AIでは対応しにくい領域へAIを届ける経験を得られます。 ◾️ 業務内容 ・生成AI、深層学習、数理最適化モデルの設計・実装・評価・運用・改善 ・データセットの構築、前処理、特徴量設計、モデル選定、チューニング ・API、バックエンド、データ基盤と連携したAI機能の実装 ・オンプレ/クラウド環境（AWS、GCP等）上でのモデル運用・スケーリング ・MLOpsの導入による継続的な学習・評価・改善サイクルの構築 ・クライアントとの要件定義、技術提案、フィジビリティスタディ ・現場ヒアリングや業務分析を通じた課題の特定 ・バックエンドメンバー、フロントエンドメンバー、顧客と連携した社会実装の推進 ・技術説明、顧客折衝、提案から実装までのプロジェクト推進 ・コードレビュー、コード品質向上、レビュー制度の構築 ・ご経験に応じたチームリードや将来的なメンバー育成 ◾️ 具体的なプロジェクト例【常陽銀行様：ローカルLLMを活用した「JOYO AI AGENT」の構築】 常陽銀行様に対し、機密情報を外部へ送信せずに生成AIを業務活用するため、ローカルLLMを用いた専門業務特化型エージェント「JOYO AI AGENT」を開発・提供しました。インターネット環境から分離された閉域クラウド上に、ローカルLLMと運用基盤を構築。翻訳や機密情報のマスキング機能を実装しています。 また、業務文書の自動作成や稟議書レビューなど、銀行業務へのさらなる活用に向けた検証も進めています。このようなプロジェクトでは、モデルの選定・評価に加え、顧客業務の理解、ユースケースの設計、データ処理、AIエージェントの実装、運用基盤との連携、精度検証と改善まで幅広く関わります。

◾️ 私たちが目指すこと Athena Technologiesは、企業ごとの業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。生成AI・LLM、画像認識、深層学習、数理最適化、需要予測などの技術を組み合わせ、課題定義からモデル開発、プロダクトへの組み込み、本番運用、改善まで一気通貫で関わっています。 本ポジションでは、博士課程で培った研究力や専門性を生かし、企業の実際の業務課題を解決するAIシステムの設計・開発を担当していただきます。研究テーマと完全に一致する技術だけを扱うのではなく、顧客の課題に応じて必要な技術を学び、検証し、実装へつなげます。論文や実験で示した技術的な可能性を、企業の現場で継続的に利用できる仕組みへ変える仕事です。 ◾️ 仕事のやりがい 顧客が持つ課題は、研究課題のように条件や評価方法が整理されているとは限りません。ヒアリングやデータ分析を通じて課題を整理し、何を予測・分類・最適化すべきか、どのようなデータや評価指標が必要かを考えます。博士課程で培った実験設計や評価の力を生かしながら、顧客、PM、バックエンドメンバーなどと連携し、モデルをプロダクトへ組み込む経験を得られます。また、PoCだけでなく、本番環境へのデプロイ、モニタリング、改善まで担当するため、研究成果とプロダクトの違いを実務を通じて理解できます。 ◾️ 業務内容 ・生成AI、深層学習、画像認識、数理最適化モデルの設計・実装・評価 ・顧客課題に関する技術調査、先行研究調査 ・仮説設定、実験設計、評価指標の設計 ・データセットの構築、前処理、アノテーション設計、特徴量設計 ・アルゴリズムやモデルの選定、チューニング、精度改善 ・モデルの推論速度、計算量、運用条件を踏まえた検証 ・API、バックエンド、データ基盤と連携したAI機能の実装 ・クラウド環境（AWS、GCP等）へのモデルのデプロイ・運用 ・モデルのモニタリングおよび継続的な改善 ・MLOpsによる学習・評価・改善サイクルの構築 ・クライアントとの要件定義、技術提案への参加 ・技術内容や検証結果に関する資料作成・説明 ・コードレビュー、技術共有、開発品質の向上 ◾️ 具体的なプロジェクト例 【長谷工コーポレーション様・スパイダープラス様：外壁タイル接着率判定システム】 建設現場における外壁タイルの検査業務に対し、画像認識技術を用いて接着剤の充填状況を判定するモデルを開発・提供しました。スマートデバイスで撮影したタイル裏面の画像から、接着剤が塗布された部分をセグメンテーションモデルで抽出・分類し、接着率を数値として算出します。 このようなプロジェクトでは、現場で取得される画像データの特性を理解し、データセットの構築、モデル開発、評価方法の設計、精度改善、業務システムへの組み込みまで関わります。 参考：外壁タイル接着率判定システム https://athenatech.jp/case/haseko-adheresive-segmentation

◾️ 私たちが目指すことAthena Technologiesは、企業ごとの業務課題に合わせたAIシステムの開発と、Private AIの構築を行う会社です。生成AI・LLM、AIエージェント、画像認識、深層学習、数理最適化、AI-OCRなどの技術を用いて、顧客の業務や制約に合わせたAIシステムを開発しています。企業の課題は、最初から「どのモデルを使えば解決できるか」が明確になっているとは限りません。顧客の業務やデータを理解し、解決すべき課題を整理したうえで、必要なデータ、モデル、評価方法、システム構成を考える必要があります。Athenaでは、課題定義や要件定義から、技術検証、モデル開発、プロダクトへの組み込み、本番運用、改善まで一気通貫で関わります。 本ポジションでは、大学や大学院、高等専門学校、インターン、個人開発などで培ったAI・機械学習の知識を生かし、企業の実際の業務で利用されるAIシステムの開発に取り組んでいただきます。◾️ 仕事のやりがい顧客の課題に応じて、生成AIやLLMだけでなく、画像認識、数理最適化、需要予測、時系列予測など、さまざまな技術を扱います。授業や研究では、与えられたデータセットや評価指標をもとに開発することがあります。一方、実際のプロジェクトでは、必要なデータが不足していたり、何を評価すべきかが定まっていなかったりする場合があります。そのため、モデルの実装だけでなく、データの収集方法、前処理、評価指標、検証の進め方を考える段階から関われます。また、PoCで精度を確認して終わるのではなく、APIやバックエンドへの組み込み、クラウド環境へのデプロイ、モニタリング、改善まで経験できます。機械学習の知識に加えて、顧客課題の整理、プロダクト開発、クラウド、MLOps、チーム開発など、AIを社会実装するために必要な力を身につけられる環境です。◾️ 業務内容入社時点の経験や専門性に応じて、社員のサポートを受けながら以下の業務を担当していただきます。 ・生成AI、深層学習、画像認識、数理最適化モデルの設計・実装・評価 ・論文や技術情報の調査、実装可能性の検証 ・データの分析、前処理、データセットの構築 ・アノテーション方法や評価指標の設計 ・特徴量設計、アルゴリズムやモデルの選定 ・モデルのチューニング、精度検証、改善 ・API、バックエンド、データ基盤と連携したAI機能の実装 ・クラウド環境（AWS、GCP等）へのモデルのデプロイ ・モデルのモニタリングおよび継続的な改善 ・MLOpsによる学習・評価・改善サイクルの構築 ・クライアントとの打ち合わせや要件定義への参加 ・技術内容や検証結果に関する資料作成・説明 ・コードレビューへの参加 ・社内での技術共有、ドキュメント作成◾️ 具体的なプロジェクト例 【キッコーマン様：食材と調味料の相性を予測するAIモデルの共同研究】 キッコーマン様と、食材と調味料の組み合わせに対して、人がどの程度「おいしい」と感じるかを予測するAIモデルを共同で開発しました。味覚の評価は人によって異なり、モデル開発に利用できるデータが最初から存在していたわけではありません。そのため、どのような質問や評価方法でデータを集めるかという設計から取り組み、アンケートデータの収集・分析、モデル構築を進めました。このように、正解やデータの作り方が決まっていない課題を、顧客の専門知識と機械学習技術を組み合わせて解いていくプロジェクトがあります。【長谷工コーポレーション様・スパイダープラス様：外壁タイル接着率判定システム】 建設現場における外壁タイルの検査業務に対し、画像認識技術を用いて接着剤の充填状況を判定するモデルを開発・提供しました。スマートデバイスで撮影したタイル裏面の画像から、接着剤が塗布された部分をセグメンテーションモデルで抽出・分類し、接着率を数値として算出します。このようなプロジェクトでは、画像データの特性を理解し、データセットの構築、モデル開発、評価、精度改善、業務システムへの組み込みまで関わります。

◾️ 私たちが目指すこと Athena Technologiesは、企業ごとの業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。生成AI・LLM、画像認識、深層学習、数理最適化などの技術を活用し、課題整理からモデル開発、プロダクトへの組み込み、本番運用、改善まで一気通貫で支援しています。 本ポジションは、研究、育児、介護、個人活動などと仕事を両立しながら、正社員としてAI開発に継続的に関わりたい方を対象としています。勤務時間が短いことを理由に、補助的な業務だけを担当するポジションではありません。これまでの経験や専門性、稼働可能な時間を踏まえて担当範囲を設計し、プロジェクトの一員として明確な役割と成果を担っていただきます。 ◾️ 仕事のやりがい 時短勤務であっても、技術調査や定型作業だけに役割を限定しません。顧客課題の整理、モデルやアルゴリズムの選定、実験設計、実装、精度改善など、プロジェクトの中で完結した責任範囲を持っていただきます。また、正社員として継続的にプロジェクトやチームへ関わるため、単発の業務では得にくい、本番運用や長期的な改善にも参加できます。自身の生活や研究活動を維持しながら、AI技術を実際の企業課題へ適用する経験を積める働き方です。 ◾️ 業務内容 ご経験、専門性、稼働可能時間を踏まえ、以下から担当業務を設計します。 ・生成AI、深層学習、画像認識、数理最適化モデルの設計・実装・評価 ・データセットの構築、前処理、アノテーション設計、特徴量設計 ・アルゴリズムやモデルの選定、チューニング、精度改善 ・技術調査、先行研究調査、フィジビリティスタディ ・評価指標、実験方法、検証計画の設計 ・API、バックエンド、データ基盤と連携したAI機能の実装 ・クラウド環境（AWS、GCP等）へのモデル展開・運用 ・モデルのモニタリングおよび継続的な改善 ・MLOpsによる学習・評価・改善サイクルの構築 ・技術内容や検証結果に関する資料作成・説明 ・コードレビュー、設計レビュー、コード品質の向上 ・ご経験と稼働時間に応じた顧客との要件整理、技術提案 ・ご経験に応じた技術リード、メンバーへの知識共有

◾️ 私たちが目指すこと Athena Technologiesは、企業ごとの業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。企業が抱える課題は、最初から「どのAI技術を使えば解決できるか」が明確になっているとは限りません。業務やデータの状況を理解し、解決すべき課題を整理したうえで、適切なモデルやシステムへ落とし込む必要があります。 私たちは、生成AI・LLM、画像認識、深層学習、数理最適化、需要予測などの技術を組み合わせ、顧客ごとの課題に応じたオーダーメイド型のAIシステムを開発しています。課題の整理や要件定義から、データ設計、モデル開発、プロダクトへの組み込み、本番運用、改善まで一気通貫で関わり、AIを技術検証やPoCで終わらせず、実際の業務で使われる状態にすることを重視しています。本ポジションでは、これまでのご経験や専門性に応じてプロジェクトへ参画し、モデルやAI機能の設計・開発、精度改善、本番環境への組み込みなどを担っていただきます。 ◾️ 業務内容 案件やご経験に応じて、以下の業務を担当していただきます。 ・生成AI、深層学習、画像認識、数理最適化モデルの設計・実装・評価・改善 ・データセットの構築、前処理、アノテーション設計、特徴量設計 ・課題に応じたアルゴリズムやモデルの選定、チューニング、精度検証 ・API、バックエンド、データ基盤と連携したAI機能の実装 ・クラウド環境（AWS、GCP等）へのモデルのデプロイ・運用 ・モデルのモニタリングおよび継続的な改善 ・MLOpsによる学習・評価・改善サイクルの構築 ・クライアントとの要件定義、技術提案、フィジビリティスタディ ・現場ヒアリングや業務分析を通じた課題の特定 ・バックエンドメンバー、フロントエンドメンバー、顧客と連携したプロダクト開発 ・技術内容や検証結果に関する顧客への説明 ・コードレビューおよびコード品質向上 ・ご経験に応じた技術リード、設計レビュー、開発方針の策定 ◾️ 具体的なプロジェクト例 【キッコーマン様：食材と調味料の相性を予測するAIモデルの共同研究】 キッコーマン様と、食材と調味料の組み合わせに対し、人がどの程度「おいしい」と感じるかを予測するAIモデルを共同で開発しました。味覚の評価は人によって異なり、モデル開発に使用できるデータが最初から存在していたわけではありません。そのため、どのような質問や評価方法でデータを収集するかという設計段階から取り組み、アンケートデータの収集・分析、モデル構築を進めました。このように、正解やデータの作り方が定まっていない課題に対し、顧客の専門知識と機械学習技術を組み合わせ、検証方法やモデルへ落とし込むプロジェクトがあります。 参考：キッコーマン様 味覚予測AI共同研究 https://athenatech.jp/case/kikkoman-taste-prediction 【長谷工コーポレーション様・スパイダープラス様：外壁タイル接着率判定システム】 建設現場における外壁タイルの検査業務に対し、画像認識技術を用いて接着剤の充填状況を判定するモデルを開発・提供しました。スマートデバイスで撮影したタイル裏面の画像から、接着剤が塗布された部分をセグメンテーションモデルで抽出・分類し、接着率を数値として算出します。このようなプロジェクトでは、現場で取得されるデータの特性を理解し、データセットの構築、モデル開発、精度検証、業務システムへの組み込みまで関わります。 参考：外壁タイル接着率判定システム https://athenatech.jp/case/haseko-adheresive-segmentation

◾️ 私たちが目指すこと Athena Technologiesは、企業ごとの業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。企業が抱える課題は、最初から「どのAI技術を使えば解決できるか」が明確になっているとは限りません。業務やデータの状況を理解し、解決すべき課題を整理したうえで、適切なモデルやシステムへ落とし込む必要があります。 私たちは、生成AI・LLM、画像認識、深層学習、数理最適化、需要予測などの技術を組み合わせ、顧客ごとの課題に応じたオーダーメイド型のAIシステムを開発しています。課題の整理や要件定義から、データ設計、モデル開発、プロダクトへの組み込み、本番運用、改善まで一気通貫で関わり、AIを技術検証やPoCで終わらせず、実際の業務で使われる状態にすることを重視しています。本ポジションでは、顧客の業務課題を理解し、適切な機械学習技術を選定したうえで、モデルやAI機能の設計・開発・運用を担っていただきます。 ◾️ 仕事のやりがい Athenaの機械学習エンジニアは、あらかじめ決められたモデルを実装するだけの役割ではありません。顧客へのヒアリングや業務分析を通じて、「どの課題を解決するのか」「AIをどの工程に適用するのか」「どのようなデータが必要か」を整理し、モデル、データ、システム構成を設計します。 生成AIやLLMに限らず、画像認識、数理最適化、時系列予測など、顧客の課題に応じて異なる技術を扱えることが特徴です。また、モデルの精度検証だけでなく、APIやバックエンドへの組み込み、クラウド環境へのデプロイ、モニタリング、継続的な改善まで担当します。顧客の曖昧な課題を、実際に利用できるAIシステムへ変える一連の経験を得られるポジションです。 ◾️ 業務内容 ・生成AI、深層学習、画像認識、数理最適化モデルの設計・実装・評価・改善 ・データセットの構築、前処理、アノテーション設計、特徴量設計 ・課題に応じたアルゴリズムやモデルの選定、チューニング、精度検証 ・API、バックエンド、データ基盤と連携したAI機能の実装 ・クラウド環境（AWS、GCP等）へのモデルのデプロイ・運用 ・モデルのモニタリングおよび継続的な改善 ・MLOpsの導入による学習・評価・改善サイクルの構築 ・クライアントとの要件定義、技術提案、フィジビリティスタディ ・現場ヒアリングや業務分析を通じた課題の特定 ・バックエンドメンバー、フロントエンドメンバー、顧客と連携したプロダクト開発 ・技術内容や検証結果に関する顧客への説明 ・提案から実装、本番運用までのプロジェクト推進 ・コードレビュー、コード品質向上、レビュー制度の構築 ・ご経験に応じたチームリードや将来的なメンバー育成 ◾️ 具体的なプロジェクト例 【キッコーマン様：食材と調味料の相性を予測するAIモデルの共同研究】 キッコーマン様と、食材と調味料の組み合わせに対し、人がどの程度「おいしい」と感じるかを予測するAIモデルを共同で開発しました。味覚の評価は人によって異なり、モデル開発に使用できるデータが最初から存在していたわけではありません。そのため、どのような質問や評価方法でデータを収集するかという設計段階から取り組み、アンケートデータの収集・分析、モデル構築を進めました。このようなプロジェクトでは、モデルを実装するだけでなく、顧客の専門知識を理解し、データの作り方や検証方法を設計するところから関わります。まだ正解やデータが定まっていない課題を、顧客とともに機械学習で扱える形へ整理し、モデルとして実現する経験を得られます。 参考：キッコーマン様 味覚予測AI共同研究 https://athenatech.jp/case/kikkoman-taste-prediction 【長谷工コーポレーション様：外壁タイル接着率判定システム】 建設現場における外壁タイルの検査業務に対し、画像認識技術を用いて接着剤の充填状況を判定するモデルを開発・提供しました。スマートデバイスで撮影したタイル裏面の画像から、接着剤が塗布された部分をセグメンテーションモデルで抽出・分類し、接着率を数値として算出します。人の目視や色彩だけに依存していた検査をAIで支援し、検査精度の向上と記録業務の効率化につなげた事例です。このようなプロジェクトでは、現場で取得される画像データの特性を理解し、データセットの構築、モデル開発、精度検証、業務システムへの組み込みまで関わります。 参考：外壁タイル接着率判定システム https://athenatech.jp/case/haseko-adheresive-segmentation

◾️ 私たちが目指すことAthena Technologiesは、企業ごとの業務課題に合わせたAIシステムの開発と、プライベートAIの構築を行う会社です。生成AI・LLM、画像認識、深層学習、数理最適化、需要予測などの技術を組み合わせ、顧客の課題整理から、データ設計、モデル開発、プロダクトへの組み込み、本番運用、改善まで一気通貫で関わっています。 本ポジションは、博士課程で研究を続けながら、AI技術の社会実装にも携わりたい方を対象としています。研究で培った仮説設定、先行研究の調査、実験設計、評価、考察の力を、企業の実際の業務課題へ適用していただきます。一方で、社会実装の現場で得た課題や知見を、自身の研究や専門性へ還元することもできます。研究か実務のどちらか一方を選ぶのではなく、両者を往復しながら専門性を高める働き方を実現いただけます。◾️ 仕事のやりがい研究テーマと完全に一致する案件だけを担当するとは限りません。顧客課題に応じて、生成AI、LLM、画像認識、数理最適化、時系列予測など、複数の技術から適切な方法を検討します。まだ正解や十分なデータがない課題に対し、仮説を立て、必要なデータや評価指標を設計し、検証を重ねる経験を得られます。また、PoCで有効性を確認するだけでなく、APIやバックエンドへの組み込み、クラウド環境へのデプロイ、モニタリング、改善まで担当します。研究で培った力を、実際に企業で使われるAIシステムへ変える経験を積める環境です。◾️ 業務内容・生成AI、深層学習、画像認識、数理最適化モデルの設計・実装・評価 ・顧客課題に関する技術調査、先行研究調査、実現可能性の検証 ・仮説設定、実験設計、評価指標の設計 ・データセットの構築、前処理、アノテーション設計、特徴量設計 ・アルゴリズムやモデルの選定、チューニング、精度改善 ・モデルの推論速度、計算量、運用条件を踏まえた最適化 ・API、バックエンド、データ基盤と連携したAI機能の実装 ・クラウド環境（AWS、GCP等）へのデプロイ・運用 ・MLOpsによる学習・評価・改善サイクルの構築 ・クライアントとの要件定義、技術提案、フィジビリティスタディ ・技術内容や検証結果に関する顧客への説明 ・論文や最新技術の調査およびプロジェクトへの応用 ・コードレビュー、技術レビュー、開発品質の向上 ・ご経験に応じた技術リード、メンバーへの知識共有◾️ 具体的なプロジェクト例【キッコーマン様：食材と調味料の相性を予測するAIモデルの共同研究】 キッコーマン様と、食材と調味料の組み合わせに対し、人がどの程度「おいしい」と感じるかを予測するAIモデルを共同で開発しました。味覚の評価は人によって異なり、モデル開発に利用できるデータが最初から存在していたわけではありません。そのため、データの収集方法、質問項目、評価方法の設計から取り組み、アンケートデータの収集・分析、モデル構築を進めました。 このように、正解やデータの作り方が定まっていない課題に対し、顧客の専門知識と機械学習技術を組み合わせ、検証可能な研究・開発テーマへ変換するプロジェクトがあります。参考：キッコーマン様 味覚予測AI共同研究 https://athenatech.jp/case/kikkoman-taste-prediction