202. MLOpsエンジニア

募集背景

私たちは、人と同じ環境で作業可能なヒューマノイドロボットの開発を進めています。本ポジションでは、ヒューマノイド向けロボット基盤モデル（Vision-Language-Action）の開発を支えるMLOps基盤の設計・構築・運用を担当いただきます。実機から日々生成される映像・画像データや、モーター状態・電流・トルクなどの高頻度時系列データを活用しながら、ロボットの学習・評価・再学習を継続的に回しています。MLOpsエンジニアには、こうした大規模・多モーダルデータを扱うためのデータ基盤、学習基盤、評価基盤、デプロイ基盤を構築し、研究開発チームが高速に仮説検証できる環境を作ることを期待しています。単なるインフラ運用ではなく、「ロボットが学習し続ける仕組みそのもの」を作ることがミッションです。

役割・ミッション

• ヒューマノイドVLA開発のためのMLOpsアーキテクチャ設計
• 大規模・多モーダルデータを扱う学習基盤の開発・運用
• 学習・評価・デプロイ・再学習のループ循環構築
• AI研究・ロボット実機チームが最短距離で試せる環境の構築

業務内容

（一例になりますので、選考にてご経験やご志向をお伺いさせてください。）

• MLOps / 学習基盤の構築・運用
  • 分散学習・大規模学習の基盤設計・運用
  • モデル・データ・コードのライフサイクル管理
  • TB〜PB級の映像・画像・時系列データのストレージ設計
• データパイプラインの構築・運用
  • 実機 → ストレージ → 学習基盤 までのデータフロー構築
  • 大規模データを前提としたバッチ／ストリームの取り込み・変換
  • データ品質チェック・欠損検知・異常検知の仕組み作り
• オンプレ・クラウドの構築・運用
  • GPUクラスタ／オンプレ・クラウド混在環境の設計
  • コンテナ（Docker）・オーケストレーション基盤構築
  • CI/CD for ML（モデル・データ含む）
  • パフォーマンス・コスト・可用性・セキュリティの最適化

ポジションの魅力

• ヒューマノイド × VLAという最前線のAI開発を基盤から支えられる
• 映像・時系列・実機データを統合した前例の少ないMLOps
• インフラ設計に高い裁量がある
• 研究とプロダクトの距離が極めて近い

使用ツール

• Google Workspace
• Slack
• Miro
• Notion
• GitHub

選考フロー

書類選考→一次面接→会社体験（1日）→最終面接
※カジュアル面談からの開始も歓迎します。
※途中で面談を挟む場合があります。

• 機械学習基盤またはMLOps領域の実務経験（以下のうち複数領域での経験）

  • GPUサーバーまたはクラウド環境を用いた大規模学習基盤の構築・運用
  • Docker等を用いたコンテナ実行環境の構築
  • Kubernetes等を用いた分散実行基盤の構築・運用
  • 大規模データパイプラインの設計・運用
  • モデル学習・評価・デプロイを自動化するMLOps基盤の構築
  • MLワークフローの自動化・運用改善

• ソフトウェア開発経験（以下のうち複数領域での経験）

  • Linux環境での開発・運用経験
  • Pythonによるバックエンドまたは自動化開発経験
  • Gitを用いたチーム開発経験

• 研究者またはMLエンジニアと協業し、基盤を構築・運用した経験

• 高負荷または大規模データを扱うシステムの設計・開発・運用経験

• ロボティクス／Physical AI／Vision-Language-Action（VLA）関連プロジェクト経験
• 映像・画像・時系列データを扱うML基盤の構築経験
• GPUクラスタまたは分散学習基盤の構築・運用経験
• 分散学習フレームワークの運用経験
• ストレージ・ネットワークのパフォーマンスチューニング経験
• 大規模ML基盤のコスト最適化経験
• セキュリティ・アクセス制御設計経験

• MLOpsを 単なる運用ではなく、ビジネスや技術戦略のコアと捉えられる方
• 不確実性の高い研究開発環境を楽しめる方
• 「動かない理由」を基盤側から潰しにいける方
• ロボット実機とAI学習の両方に興味がある方
• 世界レベルのヒューマノイド開発に本気で挑戦したい方