m. エンジニアすべて の求人一覧 - Turing株式会社

◆本求人は、コンピュータサイエンスを専攻している or 機械学習やソフトウェア開発において実践的な開発経験を持つ学生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。 「We Overtake Tesla」をミッションに掲げ、創業Day1からEnd-to-End(E2E)の考え方を掲げ、自動運転AIの開発に取り組んできました。 現在では、東京都内を30分以上人間が介入することなく走行できる自動運転システムを開発するに至り、まさに今モデルが指数関数的な成長を見せるカーブの手前に位置していると捉えています。 これからはE2Eモデルをさらに発展させ、物理的な振る舞いと世界理解を統合したフィジカル基盤モデルとすることで、運転能力だけでなく、言語やマルチモーダルな理解を組み合わせ、人間にしか対応できなかったような難しいシーンにも対処できる自動運転AIを開発していきます。 我々は、これらの開発において、キーパーソンとなるのが学生時代からコンピュータサイエンスを学んできている若い才能であると強く信じています。 チューリングは、将棋AI「Ponanza」で史上初めて名人に勝利し、日本のAI史を塗り替えた山本を筆頭にテクノロジーを理解している経営メンバーが多数います。そのため、才能あるエンジニアが取り組むべき適切な課題と環境を用意し、皆さんの可能性を大きく広げることができます。 実際に開発チームのリーダーの半数は新卒メンバーが占めており、良い意味で新卒・中途の分け隔てはなく、新卒メンバーも事業のコア人材として活躍しています。 一緒にWe Overtake Teslaを掲げ、完全自動運転の実現を目指しませんか？ 皆さんからのエントリーをお待ちしています！ 【入社後の配属想定】 現在は下記のグループ・プロジェクトがあります。ご経験・志向性に応じてアサインをしていきます。 ※入社タイミングによって組織体制やプロジェクトは変更(進歩)している可能性が高いです。正社員として入社する前にインターンとして参画することもオススメします。 ◾️チーム・プロジェクト ・自動運転第1グループ：車載カメラの映像を入力に単一の機械学習モデルで経路を出力する(車の制御を求める)「End-to-End自動運転モデル」の開発を行っています。 [業務例] - E2E自動運転モデルの実装 - データ収集の方針/計画立案 - データセットの作成/改善 - モデル学習のアルゴリズム実装 - モデル学習コードの高速化 - 実車でのモデル評価/実験管理 - 先端論文の調査/再現/実装　など ・自動運転第3グループ：Vision-Language-Action(VLA)モデルをはじめとしたフィジカル基盤モデルの開発を行っています。 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、探索的に開発に取り組んでいます。そのため、機械学習の知見だけでなく、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ます。 [業務例] - 自動運転VLAモデルの実装 - 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 - オートラベリングモデルの実装/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　など

◆本求人は、コンピュータサイエンスを専攻している or 機械学習・ロボティクスいずれかの領域のソフトウェア開発において実践的な開発経験を持つ学生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。 「We Overtake Tesla」をミッションに掲げ、創業Day1からEnd-to-End(E2E)の考え方を掲げ、自動運転AIの開発に取り組んできました。 現在では、東京都内を30分以上人間が介入することなく走行できる自動運転システムを開発するに至り、まさに今モデルが指数関数的な成長を見せるカーブの手前に位置していると捉えています。 これからはE2Eモデルをさらに発展させ、物理的な振る舞いと世界理解を統合したフィジカル基盤モデルとすることで、運転能力だけでなく、言語やマルチモーダルな理解を組み合わせ、人間にしか対応できなかったような難しいシーンにも対処できる自動運転AIを開発していきます。 我々は、これらの開発において、キーパーソンとなるのが学生時代からコンピュータサイエンスを学んできている若い才能であると強く信じています。 チューリングは、将棋AI「Ponanza」で史上初めて名人に勝利し、日本のAI史を塗り替えた山本を筆頭にテクノロジーを理解している経営メンバーが多数います。そのため、才能あるエンジニアが取り組むべき適切な課題と環境を用意し、皆さんの可能性を大きく広げることができます。 実際に開発チームのリーダーの半数は新卒メンバーが占めており、良い意味で新卒・中途の分け隔てはなく、新卒メンバーも事業のコア人材として活躍しています。 一緒にWe Overtake Teslaを掲げ、完全自動運転の実現を目指しませんか？ 皆さんからのエントリーをお待ちしています！ 【入社後の配属想定】 現在は下記のグループ・プロジェクトがあります。ご経験・志向性に応じてアサインをしていきます。 ※入社タイミングによって組織体制やプロジェクトは変更(進歩)している可能性が高いです。正社員として入社する前にインターンとして参画することもオススメします。 ◾️チーム・プロジェクト ・自動運転第1, 第3グループ：「End-to-End自動運転モデル」や「VLAモデル」の開発やそのためのMLOps基盤を開発しています。 [業務例] こちらの業務例は複数チームの業務をまとめて記載しています。基本的にはご自身の知識や経験を活かしていずれかの業務(チーム)に従事することを想定してください。 - 機械学習エンジニアと協力し、データやモデルの継続的な改善 - クラウド等を活用した処理の自動化や内部ツール/サービスの実装 - システムアーキテクチャの設計 - シナリオテストの設計/実装/改善 - 3DGSベースのクローズドループシミュレータ開発 - 分散学習基盤との統合 - 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 - 現状のモデルのボトルネック分析と最適化 - 自動運転モデル全体の高速化 　 - モデル学習からデプロイまでのMLパイプラインの自動化（MLflow、Airflowなど） 　 - CI/CDの導入とエンジニアリング生産性の向上 - 車両運動制御システムやアルゴリズムの設計/実装 - 実車両を用いた制御性能の評価/チューニング　など ・自動運転第2グループ：E2E自動運転を支える車両・システムを開発しています。 データ収集のための車載システムや自動運転システムを開発しており、今後は複数車種への対応や次世代SoC・車載アーキテクチャへの対応に取り組んでいきます。 [業務例] - 様々な車種へ対応していくためのカーハック - 自動運転向けSoCへの実装と最適化 - CI/CDの導入とエンジニアリング生産性の向上 - フリート管理・OTAへの実装/改善 - 実用環境を意識した車載組み込み環境の構築 - PyTorchで学習されたモデルのonnxへの変換とオペレータの実装 - 実車でのモデル評価/実験管理　など

◆本求人は、自動運転・コンピュータビジョン・LLM・NLPのいずれかの領域で専門性を持つMLエンジニアを対象としています◆ MLエンジニアをご志望の方で、現在公開中の募集ポジションに適合するものが見つからない方のための応募フォームです。書類選考後、ご希望やご経験に応じた適切なポジションを検討するマッチング面談を設定いたします。応募時「応募先へのメッセージ」欄には、ご自身の強みや得意分野、ご希望の業務内容やアプローチなどを自由にご記入ください。 【MLエンジニアポジション例】 ・2010_MLエンジニア / Machine Learning Engineer（自動運転モデル開発） 　https://herp.careers/v1/turing/oMZZ-LyQ683f ・2011_MLエンジニア / Machine Learning Engineer（自動運転VLAモデル開発） 　https://herp.careers/v1/turing/aHze1GwzB0ZG ・2021_MLエンジニア / Machine Learning Engineer（基盤AI） 　https://herp.careers/v1/turing/howamCYpkJ1b —- 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。現時点ではテスラのFSD v13をベンチマークとしており、FSD v13の性能を上回る自動運転システムをAIベースで開発に取り組んでいます。 モデルの開発には Data-Centric AI と呼ばれるアプローチを取っていますが、実際に学習に用いるデータの裏側には膨大なデータが存在します。膨大なデータからモデル構築を行う機械学習エンジニアを募集しています。 【具体的な業務内容】 ・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 ・実車でのモデル評価・実験管理 ・自動運転VLAモデルの実装 ・データセットの作成・改善 ・オートラベリングの実装 【モデル開発のアプローチは？】 データセントリックなアプローチとモデルセントリックなアプローチの2種類で開発を進めています。E2E自動運転はまだ正解はありません。あなたが開発したモデルが次世代の自動運転のスタンダードとなる可能性があります。答えのないフィールドでさまざまなアプローチを一緒に探索しましょう。 【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。

◆本求人は、自動運転・コンピュータビジョン・機械学習のいずれかの領域で専門性を持つML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単一の機械学習モデルで車の制御を求める「End-to-Endの自動運転MLモデル」の開発を行っています。 自動運転モデル開発は、機械学習だけでなくさまざまな技術の総合格闘技です。データ収集、データセット作成（データ品質改善※キャリブレーションや座標変換など）、モデル学習（モデルアーキテクチャ検討・学習効率化など）といった形で多くの活躍フィールドがあります。 自動運転開発の経験があるエンジニアはもちろん、ソフトウェア業界やロボティクス業界など、異なるバックグラウンドで卓越した技術を有するエンジニアを探しています。一緒に人類のグランドチャレンジを達成しましょう。 【業務内容】 モデルアーキテクチャの改善だけでなく、データ品質・量の改善などさまざまな課題解決に取り組んでいます。以下にあげる業務は一例ですが少しでも自身の経験と関連あるものをお持ちな方はぜひ前向きに応募をご検討ください 【業務内容】 ・End-to-End の自動運転モデルの実装 ・データ収集の方針・計画立案 ・データセットの作成・改善 　・オートラベリングモデルの実装・改善 　・カメラ・センサーキャリブレーション ・モデル学習のアルゴリズム実装 ・モデル学習コードの高速化 ・実車でのモデル評価・実験管理 ・先端論文の調査・再現・実装 【モデル開発のアプローチは？】 データセントリックなアプローチとモデルセントリックなアプローチの2種類で開発を進めています。データの品質においてさまざまな要因で課題が生まれるケースもあれば、モデルのアーキテクチャやバックボーンの探索など、広い範囲で試せることが多いです。また大規模なGPUクラスタで多くの学習を回すため、学習コード高速化などにも取り組んでいこうと思っています。 E2E自動運転はまだ正解はありません。あなたが開発したモデルが次世代の自動運転のスタンダードとなる可能性があります。 【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。

◆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、強化学習の領域で専門性を持つ強化学習エンジニア・リサーチャー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。 強化学習チームのミッションは、強化学習技術を用いて実世界で動作する頑健なE2E自動運転システムを実現することです．そのために、評価・学習に使用する3D Gaussian Splattingベースのシミュレータ，大規模分散強化学習基盤，制御システム（MPC等）に取り組んでいます。 ■強化学習エンジニアの業務内容 ・実世界で動作する頑健なE2E自動運転モデルの研究・開発を行います． ・E2E自動運転向けシミュレータの開発 ・大規模な分散強化学習基盤の構築 ・実世界で走行可能なE2E自動運転モデルを実現する強化学習アルゴリズムの研究・開発 ・実際の走行試験による強化学習モデルの性能検証

◆本求人は、Webサービス開発・MLOps、低レイヤーのソフトウェア開発(Linux, 組み込み含む)のいずれかで高い専門性を持つ方を対象としています◆ ソフトウェアエンジニアをご志望の方で、現在公開中の募集ポジションに適合するものが見つからない方のための応募フォームです。書類選考後、ご希望やご経験に応じた適切なポジションを検討するマッチング面談を設定いたします。応募時「応募先へのメッセージ」欄には、ご自身の強みや得意分野、ご希望の業務内容やアプローチなどを自由にご記入ください。 【ソフトウェアポジション例】 自動運転システムの開発や自動運転AIモデルの開発効率を上げるためのMLOps基盤を設計・構築することがミッションになります。募集しているポジションは以下となりますので、適切なポジションについてご案内いたします。 ・3011_ソフトウェアエンジニア / Software Engineer（自動運転MLOps基盤開発） 　https://herp.careers/v1/turing/Qc3t_q0FYFq_ ・3032_ソフトウェアエンジニア / Software Engineer（OS・組み込みシステム、ファームウェア開発） 　https://herp.careers/v1/turing/01gtnhsLWgVe ・3034_ソフトウェアエンジニア / Software Engineer（ミドルウェア、車載システム開発） 　https://herp.careers/v1/turing/abHB5x7zASkv ・3035_ソフトウェアエンジニア / Software Engineer（車載アプリケーション開発） 　https://herp.careers/v1/turing/IFKgdYLwpdc7

◆本求人は、技術負債・CI/CDなどの思想や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／大規模データ基盤・MLOps構築がミッションです◆ 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。 モデルの開発には Data-Centric AI と呼ばれるアプローチを取っていますが、継続的なデータおよびモデルの改善には高度なソフトウェアエンジニアリングやクラウドを活用した自動化が必要不可欠です。E2E自動運転MLモデルの開発効率を圧倒的に向上させるソフトウェアエンジニアを募集します。 【業務内容】 ・機械学習エンジニアと協力し、データやモデルの継続的な改善 ・クラウド等を活用した処理の自動化や、内部ツール・サービスの実装 ・システムアーキテクチャの設計 【SaaSやWeb開発とは異なる仕事の面白さ】 われわれが扱うテーマや自動運転です。開発したソフトウェアが車に搭載され、公道を走ります。また、E2Eのアプローチで自動運転モデルを開発するのは日本でチューリングだけです。この開発を行える唯一無二の環境となっています。 E2Eの自動運転は通常の機械学習モデルとは違う難しさがあります。それは、データ多様性（モダリティ）、データ量、車両への搭載の大きく3つです。 ・データ多様性（モダリティ）について テーブルデータ・点群データ、画像データなどさまざまなモダリティのデータを扱います。これらの異なるデバイスからデータを収集するため、デバイス間の誤差や時刻同期 のタイミングの違いを考慮してデータセットを作っていかなけばなりません。これにより品質の高いデータを多く、適切に集め管理する難易度が高まっています。 ・データ量について われわれの開発では、数PBのデータをクラウドで扱う必要がある ・車両への搭載について E2E自動運転開発は1チームで行っています。MLOpsを担うエンジニアも実際にモデルが搭載された車に乗ります。モデルが現実世界でどう振る舞うかを体験できます。自身の開発を五感で味わえる環境です。 強いMLエンジニアとソフトウェアが組むことで自動運転は実現していきます。これまでのソフトウェア開発経験を活かして人類のグランドチャレンジに一緒に挑みましょう。 【以下のような経験をもったソフトウェアエンジニアが活躍しています】 - AI学習アプリのバックエンド開発 - ETL基盤やワークフローエンジンの開発運用 - Hadoopクラスタの構築経験 - ソーシャルゲーム、スマホゲーム開発 - 動画配信サービスの解析、推薦基盤開発

◆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、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、さまざまなレイヤーのソフトウェアイシューに対応できる方を募集しています。ML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、センサーデータキャリブレーション、車両運動制御実装などさまざまなレイヤーで開発イシューがあります。 ※入社時は自身の強みを発揮して特定のイシューで活躍しつつ、さまざまなレイヤーに貢献範囲を広げていくことを期待しています 【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 ・車両運動制御システムやアルゴリズムの設計・実装 ・実車両を用いた制御性能の評価・チューニング 【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 - 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、自動車やロボティクス等の領域で制御系の設計・実装を経験している方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。 所属するE2Eチームは、完全自動運転を実現するAIモデルの開発を行っています。モデルを向上させるためにはデータ収集から実車へのデプロイまでのサイクルを高速に回すことが重要であり、ソフトウェアとハードウェアを行き来しながら開発を行う必要があります。 今回のポジションは車両全体の制御を実現するための募集です。 チューリングの自動運転技術で安定して車両を動かすために、AI技術やUIなどのソフトウェアレイヤーの要求を適切に理解し、各種ハードウェアのコントロールを担います。さまざまな機能を開発することはもちろんのこと、信頼性や保守性といった面でも高い性能を達成することがミッションとなります。 【具体的な仕事内容】 制御領域での業務は、コードベースでの開発がメインとなります。主な内容としては以下のとおりです。 ・車両の運動制御システムの設計・実装 ・車両の運動制御アルゴリズムの設計・実装 ・実車両を用いた制御性能の評価・チューニング ・制御システムの信頼性・安全性の検証 【多くのレイヤーの知見を身につけながらエッジAI実現に挑む】 エッジAI実現のために側に落とし込むために、あらゆるソフトウェアイシューに取り組みます。モデルの知識・システムアーキテクチャー・デバイス領域のすべての知見を活用して完全自動運転AI実現に貢献してください。 ※入社時に全てのレイヤーの知見が必要なわけではありません。各レイヤーの知見を身につけながら前人未到の完全自動運転AI開発に挑んでください。

◆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、学習最適化、推論最適化に取り組んだMLや低レイヤ領域で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◆ チューリングはマルチモーダル生成AIで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。 今回の求人では、学習・推論最適化に対応できる方を募集しています。チューリングの自動運転技術で安定して車両を動かすために、AI技術や自動運転システムなどのソフトウェアレイヤーの要求を適切に理解し、各種ハードウェアのコントロールを担います。さまざまな機能を開発することはもちろんのこと、信頼性や保守性といった面でも高い性能を達成することがミッションとなります。 【業務のミッション】 自動運転モデルによる推論の実現に責任を持ちます。ハードウェアとコンパイラ、機械学習モデル構築の技術と知見のすべてを駆使し、計算資源の限られる車載環境内での安定した推論実行を実現することが求められます。 【業務内容】 ・自動運転向けSoCへの実装と最適化 ・自動運転モデル全体の高速化 　- モデル学習からデプロイメントまでのMLパイプラインの自動化（MLflow、Airflowなど） 　- CI/CDの導入とエンジニアリング生産性の向上 ・PyTorchで学習されたモデルのonnxへの変換とオペレータの実装 ・現状のモデルのボトルネック分析と最適化 ・車載システムで動作させるための適切なモデル構築と学習方法の選定

◆本求人は、GPUクラスタの構築経験者やインフラ・ネットワーク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。 大規模なGPU計算環境を利用し、ビジョンベース自動運転のための深層学習モデルやレベル5自動運転に利用するマルチモーダル基盤モデル・世界モデルなどの研究開発を行っています。現在、インフラ基盤であるGPUクラスターを構築・運用していくインフラエンジニアを募集しています。機械学習エンジニアが計算タスクに集中できる環境を整備し、限られた計算資源を最適化することでチューリングの完全自動運転開発を最大化することがミッションです。 ◆インフラ/GPUクラスタエンジニアの業務内容 ・計算環境の物理設計や選定機器の設計 ・ネットワークの設計 ・ストレージシステムの効率化・高速化 ・クラスタリング技術の開発 ・クラウド環境上での計算環境の整備/運用 ◆具体的な業務内容 大規模GPU計算環境を使って完全自動運転の実現に向けたマルチモーダル基盤モデル・世界モデルを開発する。そのためのインフラの構築・運用などを主な業務とします。機械学習エンジニアにとって扱いやすい計算環境を構築してください。同時に、クラウド環境も積極的に活用しており、AWS/Azure/GCP上での計算環境も運用します。 今後、チューリングでは数年先を見据えた計算基盤の選定・設計・構築をしていく必要があります。来年末には次の世代の計算環境を作っていく予定です。2~3年周期でGPUクラスターを構築していくため、事業計画や投資計画などのビジネス/財務メンバーとコミュニケーションも実施していただきます。 【今のチューリングで働く魅力】 KaggleGrandMaster4名など非常に優秀な機械学習エンジニアが多く有する中で、ユーザーと非常に近い距離でコミュニケーションをとりながら計算基盤を最適化していくという経験はインフラエンジニアにおいても非常に大きく貴重な経験となると考えています。

◆本求人は、車両の整備や開発を経験している方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。マルチモーダルな基盤AIやEnd-to-Endの自動運転AI開発を行っています。自社でデータ収集からエッジへのデプロイまでを行っており、さまざまな技術的な挑戦をしている会社です。 自動運転AI開発においてデータの質は非常に大切です。そのため、チューリングではデータ収集においては、自社で車両を改造して日々データを集めています。この求人では、車両改造における車体や電装の試作、評価やおよびこれらを組み合わせデータ収集車両の構築を行っていただきます。 【具体的な業務内容】 ・エンジニアと協働してテスト計画の策定 ・内製または調達サンプルの性能評価、車両への組付け、単体評価、実車評価 ・仕様変更に伴う実機の改修内容の企画設計及び改修作業 ・評価結果をまとめ、設計者やパートナー様へフィードバック ・データ収集車両のトラブル対応 ・データ収集車両のメンテナンス計画の策定及び運用 ◾️テスト計画とは？ データ収集車両には、カメラ、Lidar、GNSS/IMUなど複数のセンサー、それらをつなぐPCやケーブルがあります。これらの組み付け位置や各センサー・デバイスのセッティングをし、データ収集をするうえで問題ない状態かどうかをテストします。 デバイスの変更や、細かい設定変更などが発生するため、データ収集スタートまでのタイムラインに間に合うようにそれらを調整する必要があります。パートナー会社や社内メンバーと認識すり合わせをし、適切に進めることが求められます。 ◾️組み付けや評価とは？ カメラやLidar含めたセンサ・デバイスを車体に組み付ける際にさまざまな検討が必要です。デバイスが振動で壊れないか、またデバイスを取り付けて安定に動作するか、スペースや配置に問題がないかと確認する必要があります。それらを確認・評価し、組み付けへと進めるのです。組み付け時には、パートナー会社さまと連携し、テスト走行に間に合うタイムラインで組み付けを依頼する必要があります。これら全体のプロジェクトマネジメントが非常に重要です。 ◾️メンテナンスやトラブル対応とは？ データ収集を長時間・長期間行っていると、タイヤの摩耗や車の各パーツやハードウェアの故障が起きます。故障に対して適切なメンテナンス・整備を行う場合、車両のデータ収集計画を鑑みた対応が必要です。パートナー会社さまとの調整を行い、データ収集が滞りなく行えるように車両改造・メンテナンスの全体進捗管理を行います。