予測医療領域のLLMリサーチャー

募集要項

仕事内容

AI × バイオデータ研究開発プロジェクトにおいて、以下の業務を担当します。
1.データ解析・研究開発
•大規模オミクス / 医療データの前処理・品質評価
•探索的データ分析（EDA）・可視化・仮説検証
•特徴量設計・データ表現の設計
•学習用データセットおよび評価用データセットの整備

2.機械学習 / 深層学習モデル開発
•機械学習モデルの設計・実装・評価
•ベースライン構築およびモデル改善
•表現学習 / 自己教師あり学習 / 基盤モデル開発
•GPU環境を用いたモデル学習・実験運用
•モデル性能評価、誤差分析、改善提案

3.大規模学習・開発基盤
•分散学習ジョブの設計・運用・最適化
•学習パイプライン / 開発基盤 / 実験管理基盤の構築
•大規模データI/Oや再現性を考慮した研究開発フローの整備
•MLOps / ML Systems 観点での改善

4.研究プロセス・チーム連携
•評価指標設計・ベンチマーク設計
•実験の再現性担保、ログ管理、ドキュメント化
•分析結果のドキュメント化・社内共有
•研究者・データサイエンティスト・エンジニアとの協働

応募条件

【必須事項】

以下1, 2のいずれかの領域において、「実装・最適化」の経験を有すること。
1. アーキテクチャ設計と事前学習の実務経験
• Transformerベースのモデル、またはMamba等のState Space Models (SSM) を用いた大規模モデルの設計・実装経験。
• 基盤モデルのScaling Lawsに基づき、1兆トークン級の学習に必要な計算リソースを定量的で見積もる能力
• 数B〜数十B規模のモデルにおける事前学習のハイパーパラメータ・チューニングおよび学習安定化の経験

2. 大規模分散学習のエンジニアリング
• PyTorch FSDPやDeepSpeed等のライブラリを、モデルの規模やネットワーク帯域に合わせてカスタマイズ・チューニングした経験
• マルチノード環境におけるGPU間の通信ボトルネックの解消、および1兆トークン規模のデータに対する効率的なI/Oパイプラインの設計経験
• Ring Attentionまたはシーケンス並列（Sequence Parallelism）の実装を通じた、単一GPUメモリをに収まらないコンテキストの学習最適化

【歓迎経験】

• チーム開発の経験（Git運用、レビュー文化）
• AWS / GCP 等クラウドの利用経験
• 表現学習 / 自己教師あり学習 / Transformer / Autoencoder / 大規模言語モデルの研究開発経験
• GPU環境でのモデル学習の経験
• 分散トレーニング / HPC環境の利用経験
• 統計モデリング / 因果推論 / ベイズ統計などの知識
• 不均衡データ / 時系列 / マルチモーダルデータ解析の経験
• 論文実装・研究再現・ベンチマーク構築
• Pythonによるデータ分析・機械学習の実務経験
• 機械学習または統計モデリングの経験
（分類 / 回帰 / 時系列 / 異常検知など）
• データ分析結果を整理し、仮説・改善案まで言語化できる能力
• 論理的に課題を分解し、実装・検証まで進められる力

【免許・資格】

特になし

【勤務開始日】

応相談

学歴

大学卒以上

雇用形態

委託

試用期間

3ヶ月

勤務地

東京

転勤の有無

転勤なし

受動喫煙防止措置

勤務時間

通常（実質労働時間との連動）
就業時間：09:00 ～ 17:30

勤務開始日

応相談

休日休暇

土日祝
年間有給休暇：　

年収・給与

年収　　1200万円～1400万円　経験により応相談

諸手当

通勤交通費支給（上限5万円/月）

昇給

有

賞与

有

採用人数

1名　

待遇・福利厚生

通勤手当：有
家族手当：無
寮・社宅：無
住宅手当：無

各種制度

健康保険：有
雇用保険：有
労災保険：有
厚生年金：有
厚生年金基金：無

選考プロセス

１）書類選考
２）最終面接