【概要】 自動運転向け車載AIモデル開発におけるモデル学習の高速化 深層学習モデルの学習には、膨大な計算リソースと長時間を要します。 特に、GPUなどのハードウェアコストや学習完了までのリードタイムの増大が、開発上の主要な課題となっています。 本プロジェクトでは、GPUをはじめとするハードウェアの性能を引き出し、計算・メモリ・通信などの最適化を統合的に実施することで、 開発サイクルの高速化とインフラコストの削減を実現します。 【具体的な職務内容】 ・プロファイリングツール（Nsight Systems, PyTorch Profiler等）を用いたボトルネックの特定と改善方針の立案 ・AIモデル高速化の実装 　・CPU処理のGPU化 　・ボトルネックへのJITコンパイルの導入 　・GPU/CPUメモリ使用量の削減 　・ストレージアクセスの最適化 　・その他、学習パイプライン全体の最適化 【従事すべき業務の変更の範囲】 会社の定める業務全般 【プロジェクトのやりがい】 ・最先端AIへの挑戦：BEVやTransformerなど、自動運転・コンピュータビジョン領域の最先端技術をリアルタイムに扱える。 ・フルレイヤへの関与：モデル設計（上流）から、車載エッジへのデプロイ・MLOps（下流）まで一気通貫で開発に関われる。 ・充実した開発環境：大規模データの学習をストレスなく高速で回せる、豊富なGPUリソース（最先端GPUクラスタ）の使用が可能。 【開発環境】 開発環境：Linux, Windows 開発言語：Python, PyTorch, C++ 開発支援ツール：Git, GitLab, GitHub 開発手法：チケット駆動開発、アジャイル開発等

・Pythonのプログラミング経験 ・高速化の経験（分野問わず）

・PyTorchによるモデル開発経験 ・CUDAのプログラミング経験 ・C/C++のプログラミング経験

・技術への高い探究心：自動運転やディープラーニング領域の最新論文・技術トレンドを自発的にキャッチアップし、業務に取り入れられる方 ・全体最適な視点と現場感：モデルの精度向上（上流）だけでなく、車載ハードウェアの制約（下流）を見据えた開発・最適化を楽しめる方 ・課題解決への主体性：複雑なエッジケースの問題や、精度劣化などの課題に対し、仮説検証を繰り返して粘り強く解決できる方 ・オープンな協調性：異なる専門性を持つメンバーと円滑にコミュニケーションが取れる方