b. MLOps, Webソフトウェアエンジニア の求人一覧 - Turing株式会社

◆本求人は、データ基盤・分散システムなどの経験を持つソフトウェアエンジニアを対象としています◆ チューリングでは、車載カメラの映像を入力に車の制御を行う「End-to-Endの自動運転MLモデル」の開発を行っています。 開発をスケーリングしていくために、継続的なデータ改善・モデル改善を阻む様々なボトルネックの解消に、多岐にわたって取り組む必要があります。単なる基盤構築にとどまらず、チームを横断して課題を見つけ、仮説を立て、探索し、解決していくこと自体が本ポジションのミッションになります。 【業務内容】 ・ステイクホルダーと協力して、データやモデルの継続的な改善 ・大規模データ基盤の構築・運用 ・クラウドやオンプレミス環境を含めた、処理パイプライン・データ転送の最適化 ・内部ツール・API・Webサービスの設計・実装 ・システム全体を俯瞰したアーキテクチャ設計、パフォーマンスチューニング チューリングの開発対象は自動運転です。開発したソフトウェアは実際の車両に搭載され、物理世界（physical）で動作します。WebやSaaSとはまた違う技術的チャレンジがあります。強いMLエンジニアとソフトウェア・インフラが一体となって初めて実現できる領域で、これまでのエンジニアリング経験を活かし、人類のグランドチャレンジに挑めます。

◆本求人は、機械学習・自動運転・コンピュータビジョンのいずれかの領域で専門性を持つMLエンジニアや、大規模なMLOps・データ基盤開発に取り組んできたソフトウェアエンジニア、あるいはロボティクス領域でMLやソフトウェアエンジニアリングに取り組んできた方を対象としています◆ チューリングでは、車載カメラの映像を入力に車の制御を行う「End-to-endの自動運転モデル」の開発を行っています。チューリングのミッションは、完全自動運転レベルの自動運転システムの開発を行うことです。大きく2つの方向性でわれわれは開発を進めています。エキスパートドライバーのデータを模倣学習させ、数ミリオンほどのニューラルネットワークで多様なシーンを学習させるものと、Vision-Language-Actionモデル（VLAモデル）をはじめとした基盤モデルを車両で動かし、さまざまなシーンを判断させるものです。 VLAモデルを使った自動運転は世界レベルで見てもまだ知見が少なく、最新の論文や開発事例を参考にし、探索的に取り組んでいかねばなりません。そのためには機械学習の知見だけではなく、さまざまなエンジニアリング要素を駆使してプロジェクトを進めていく必要があります。 今回の求人ではそういった挑戦的な取り組みを進めるメンバーを募集しています。基盤モデルの学習パイプライン構築や、モデルの量子化・最適化などさまざまなレイヤーで開発イシューがあります。 【業務内容】 ※下記のうちの全てを担当するわけではなく、自身の強みを活かしたドメインで開発を進めつつ、他領域にも染み出しながら開発を進めていただきます ・データキャリブレーションや異なるセンサデバイス間の座標変換 ・データセットの作成・改善 ・論文や既存実装の調査・再現・実装 ・自社データセットを利用した既存実装の評価 ・モデル量子化・最適化 ・実車でのモデル評価・実験管理 ・自動運転VLAモデルの実装 ・オートラベリングの実装 【Embodied AIというテーマの最前線を楽しむ】 AIに身体性を持たせ、物理空間の中で価値を発揮する。そういったテーマにおいて自動運転はまさに人類がいま取り組んでいるものです。すでに社内で進んでいるプロジェクトのナレッジを活かしつつも、独自のMLパイプラインを構築していかなければなりません。レファレンスがほとんどない領域で開発を推進していただける方を探しています。 【自分のつくったモデルを実車で試して改善していく】 「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。 【こんな人が活躍しています】 - 研究機関出身の自然言語処理リサーチャー - システム開発会社でのシステムエンジニア/データサイエンティスト - 広告系メガベンチャー出身の機械学習/ソフトウェアエンジニア

◆本求人は、シミュレーション領域で専門性を持つエンジニアを対象としています◆ チューリングは完全自動運転の実現を目指しているディープテックスタートアップです。 当社では、End-to-End 自動運転モデルの研究開発を加速させるために、次世代のシミュレーション技術の構築に取り組んでいます。具体的には、評価・学習に使用する 3D Gaussian Splatting ベースのシミュレータ, 大規模分散学習基盤, 制御システム（MPC等）を組み合わせることで、実車実験に依存しない効率的でロバストな自動運転システム開発を推進しています。 本ポジションのシミュレーションエンジニアは、その基盤となるクローズドループシミュレータの設計・開発をリードし、MLエンジニアと連携しながら、自動運転技術の進化を加速させる役割を担います。 ■業務内容 - 3DGSベースのクローズドループシミュレータ開発 - End-to-End自動運転モデル開発支援 - 分散学習基盤との統合 【シミュレータ開発の目的】 大規模に生成された3DGSシーンを活用し、End-to-Endモデルの学習・評価を可能にする高精度シミュレーション環境を構築していきます。制御レイヤーや物理シミュレーションを統合し、実車実験に依存せず制御アルゴリズム探索を行える環境を実現しようと考えています 【モデル開発支援とは？】 強化学習や模倣学習に適したE2Eモデルの事前学習をサポートしていきます。また、制御レイヤーを含めた効率的なE2Eモデル探索を推進をしていただきます。 【分散学習基盤との統合について】 われわれは多様な交通シナリオや物理特性のランダム化に対応した堅牢なモデル学習を支えるシミュレーション環境を拡張していきます。 シミュレーション環境を全社で活用可能な共通基盤にするには、現状のモデル開発のデータパイプライン環境や学習基盤環境とシームレスに接続していく必要があります。 単にシミュレーターを作るのではなく、共通基盤としての構築を目指し、全社のモデル開発を支援していきます。

◆本求人は、機械学習・自動運転・コンピュータビジョンのいずれかの領域で経験のあるエンジニアや、大規模なMLOps・データ基盤開発に取り組んできたソフトウェアエンジニア、あるいはMLや低レイヤ領域のソフトウェアエンジニアリングに取り組んできた方を対象としています◆ チューリングのミッションは、完全自動運転レベルの自動運転システムの開発を行うことです。 自動運転システム全体ではさまざまなモジュールがあり、それらがPub/Sub間通信でやりとりしています。依存関係はできる限りシンプルに開発しているものの、自動運転モデル開発やモデル精度向上のためにはさまざまなソフトウェアイシューを解決する必要があります。 今回の求人では、自動運転AIのデータパイプラインを画像処理の専門性で支えるポジションです。動画・画像データをメインモダニティとするチューリングにおいて、画像のエンコード/デコードの知見は機械学習パイプライン全体へ寄与する重要な技術イシューです。複数のレイヤーにまたがって技術課題を解決します。 【業務内容】 ※下記のうちの全てを担当するわけではなく、自身の強みを活かしたドメインで開発を進めつつ、他領域にも染み出しながら開発を進めていただきます ・データキャリブレーションや異なるセンサデバイス間の座標変換 ・画像、動画データ処理パイプラインの高速化 ・実車でのモデル評価・実験管理 【自分のつくったシステム・MLモデルを実車で試して改善していく】 「データセットやモデルを作る→走行実験→実験ログ解析実験→モデルの管理」という流れで自動運転AIを進化させていきます。自身のつくったモデルを五感で捉えながら改善サイクルを回していきます。机上だけでなく、現実世界からのフィードバックを開発に活かしてください。 【こんな人が活躍しています】 - 自動運転領域で開発経験のあるソフトウェアエンジニア - カメラなどのエッジ環境で画像処理を経験したエンジニア - 自動車会社でソフトウェア／制御開発をしてきたエンジニア - システム開発会社でのソフトウェアエンジニア/制御エンジニア - 広告系メガベンチャー出身の機械学習/ソフトウェアエンジニア

◆ 本求人は、データ基盤・アプリケーション開発の経験をもつソフトウェアエンジニアを対象としています。E2E自動運転モデルの評価・分析基盤の設計・構築・運用がミッションです◆ チューリングでは、実世界の運転データログやシミュレーターのデータからモデルの品質・パフォーマンス評価を継続的に行い、モデルトレーニングとシステム改善に活かす評価基盤が不可欠です。分析基盤・BI活用・評価指標体系の設計を通じて、開発の意思決定を支える仕組みづくりを担っていただきます。 【業務内容】 - E2E自動運転モデルの評価指標体系の設計・実装・改善 - 自動運転走行データの分析、レポートプロセスの実装 - MLチームとの密な連携による評価要件の整理・合意形成 - 評価実行基盤および自動評価パイプラインの設計・構築・運用（Amazon EKS, AWS Lambda, Amazon API Gateway, FastAPI, PostgreSQL等） - DWHやBIツールを用いた評価ダッシュボード設計・共有(Databricks, PySpark等) 【正解のない世界で、評価基準をつくる】 自動運転は、AI・ソフトウェア・データが交差する人類規模の挑戦です。 その中で本ポジションが担うのは、自動運転モデルの「良し悪し」を客観的に定義し、共有可能な形にすることです。 E2E自動運転では、人間がルールを定義するのではなく、モデルが世界をどう理解し、どう判断したかが結果として現れます。そのため、「このモデルは本当に良くなっているのか」「どこが改善され、どこが課題なのか」を、感覚ではなくデータに基づいて説明できる評価基盤 が不可欠です。 これまで培ってきたデータ基盤・アプリケーション開発の経験を活かしながら、実走行データやシミュレーション結果をもとに評価指標・可視化を設計することで、モデルの状態を誰もが同じ軸で理解できるようにし、開発の意思決定を前に進める重要なポジションです。