Job offer curation - ⁨Deep Learning⁩

AI総合研究所「NABLAS株式会社」は、東大発のスタートアップ企業です。 「Discover the gradients, Towards the future」をミッションとして掲げ、日々3つの事業を推進しています。 R&D及びAIコンサルティング事業 私達は、「Discover the gradients, Towards the future」をミッションに掲げ、機械学習 / 深層学習に特化したAI総合研究所として、困難な課題の解決に日々取り組み続けています。画像や音声、時系列データ、自然言語（テキスト）、テーブルデータなど、多様なデータを扱っていますが、扱うデータや課題の性質を分析し、見極め、最適なアルゴリズムとシステムのアーキテクチャを構築します。技術が急速に進化しているAI分野ですが、サーベイを通じて常に最新の技術動向を取り込みつつ、データ分析、モデル構築、システム開発、実運用（MLOps、DevOps）まで、問題解決の一連のフローに幅広くコミットしながらプロジェクトを成功に導きます。 ▼R&D事業で保有するAIソリューション https://www.nablas.com/solutions ▼Stable Diffusion対応のAI生成画像判別システムを開発 https://prtimes.jp/main/html/rd/p/000000046.000038634.html 独自技術・サービス開発 最先端のAI技術の恩恵をより幅広く社会に届け、AI時代のインフラとなる技術やサービスを提供すべく、研究開発だけでなく、サービス開発にも力を入れて取り組んでいます。深層学習を中心に、生成AI、フェイク検知、音声合成、製造業向けの外観検査など、保有している技術的アセットを活用した技術開発とサービス開発に取り組んでいます。先端AI技術の恩恵をより幅広く社会に届けることを目指し、B2BやB2C向けのサービスを開発・提供します。 AI人材育成（iLect）事業 NABLASのAI人材育成事業は、「iLect」という事業ブランドとして提供しています。東京大学から正式にライセンスを受けたAI人材の教育コンテンツや、弊社が独自に開発したAI講座を提供しています。AIで課題を解決に導くAI開発エンジニア育成講座、データサイエンティストやプロジェクトマネージャー向け講座、AIのビジネス活用を進めるAIジェネラリスト育成講座など、AIに携わる幅広い層へ講座を展開しています。また、独自開発の科学計算プラットフォーム「iLectシステム」を提供しており、ユーザは複雑な環境構築を必要とせずに、高性能のGPUが利用できる計算環境に簡単にアクセスできます。iLectシステムは大規模な法人向け研修だけでなく、研究開発の現場などでも利用されています。 私たちのビジョンは「後世で振り返った時に、NABLASの存在が次世代の発展に大きく貢献したと評価されるような、良き先人となる」ことです。 深層学習技術が発端となった第三次AIブームにより、AI技術は急速に発展しており、画像・音声・動画などあらゆるメディアを生成可能な生成AI、大規模言語モデル（LLM）を活用した「ChatGPT」、自動運転、AI医療、AI農業などあらゆる産業に大きな変革が訪れようとしています。技術が大きく進化する一方で、人と技術を繋いで橋渡しとしての役割を担いながら困難な課題を解決に導いていく存在が必要とされています。 私たちは、そのような役割を担いながら、単純労働からの開放、労働者・後継者不足の解消、AI時代の社会問題の解決といった多くの人々や社会にとって意義のある取り組みに挑戦し、次世代の礎となるような遺産を築くために日々研究開発や人材育成に取り組んでいます。 その目標達成に向けて、私たちは様々なAI技術の開発を行っています。特に、近年広く普及した生成AIで作られたフェイク情報拡散による社会的影響に対抗するための、ディープフェイク検知技術の開発や、製造業における製品品質の安定化や業務の自動化・効率化、後継者不足に貢献するような外観検査AIなどの開発にも取り組んでいます。 ◆メディア掲載実績一部◆ NHK「フェイクバスターズ」 - ウィズフェイク”時代をどう生きるか 放送回 - Web記事「AIが生み出す偽情報 ウィズフェイク時代をどう生きるか」 https://www3.nhk.or.jp/news/html/20230824/k10014170241000.html BS-TBS「報道1930」 - 戦争とAI偽情報が次々拡散／AI×人 共生できる？支配される？ 放送回 https://www.youtube.com/watch?v=VkZ3O3f4f1A （弊社取材協力箇所：25:29～） 日本テレビ「news every.」 - “自分の声”が悪用

AI中村が会社紹介を行います！創業秘話、Looopへの想い、社風から働き方までAIの代表中村がご紹介します。Looopで働くことにご興味をお持ちの方はお気軽にご視聴ください。 ▶視聴画面はここから Recruitment overview Role Overview You will be responsible for defining, planning, and executing the roadmap for our core AI products. You are expected to translate complex machine learning technologies into user stories and tangible product features with clear business value. We look for you to be the critical bridge between the technical team (ML Engineers, Data Scientists) and the business/user teams. コア AI 製品のロードマップの定義、計画、実行を担当していただきます。複雑な機械学習技術を、明確なビジネス価値を持つユーザーストーリーや具体的な製品機能へと落とし込むことが期待されます。技術チーム（ML エンジニア、データサイエンティスト）とビジネスチーム／ユーザーチームの間の重要な架け橋として活躍していただけることを期待しています。 Key Responsibilities 1. AI Product Mindset Demonstrate a high-level mindset for building AI products under uncertainty Understand limitations, risks, and uncertainties of AI technologies and translate them into manageable product assumptions Balance model performance, user experience, and business value beyond pure model metrics Design appropriate validation and learning loops for experimentation and iteration in AI projects 不確実性の高い環境下でも AI プロダクトを推進できる高い視座 AI 技術の制約・リスク・不確実性を理解し、プロダクト上の仮説や意思決定に落とし込める モデル精度だけでなく、UX・ビジネス価値を含めたバランスの取れた判断ができる AI プロジェクトにおける検証・反復・学習プロセスを適切に設計できる 2. 製品戦略と計画 Product Strategy & Planning Define the AI product vision, roadmap, and mid-to-long-term goals based on company strategy and market needs. Conduct market research and competitive analysis to identify new AI application opportunities. 企業戦略と市場ニーズに基づき、AI 製品のビジョン、ロードマップ、中長期目標を策定します。 市場調査と競合分析を実施し、新たな AI 活用機会を特定します。 3. 要件の抽出と定義 Requirements Elicitation & Definition Collaborate closely with stakeholders, users, and Data/AI team to gather, analyze, and translate needs into clear, testable Product Requirement Documents (PRDs). Define the AI model's inputs, outputs, performance metrics (e.g.,Accuracy, Recall, Latency), and their impact on user experience. ステークホルダー、ユーザー、データ/AI チームと緊密に連携し、ニーズを収集・分析し、明確でテスト可能な製品要件ドキュメント（PRD）にまとめます。 AI モデルの入力、出力、パフォーマンス指標（例：精度、再現率、レイテンシ）、そしてそれらが

コンピュータビジョンエンジニアとして、AI自動野菜収穫ロボットの画像認識技術の開発に従事します。画像・映像データ処理のパイプライン構築、Deep Learningアルゴリズムの開発、ロボットアームや制御システムとの連携、作物の検出・成熟度推定などを行い、農業の自動化に貢献する技術を創造します。