⁨Computer Vision⁩関連の求人⁨20⁩選

AIは、人間の意思以外の変数として世界の行末に影響を及ぼしうるという点で、本質的に他の技術とは異なります。また、AIにより、人間の労働が代替され始め、科学技術が指数関数的に発達していくAI時代の黎明期を迎えています。私たちは業務にもAIをフル活用し、様々な分野で卓越した人たちと一緒に、AI時代の羅針盤となるAIネイティブな会社を目指しています。 AI時代の羅針盤となる、テクノロジーカンパニーを共に創りませんか？ Polaris.AIは東京大学発のAI研究開発企業です。私たちは、信頼性の高いAI技術で、Mission Criticalな課題の解決に取り組んでいます。 製造業、官公庁を中心に——失敗が許されない領域において、組織の中核的課題に向き合い、確実な成果を出し続けています。単なる技術提供ではなく、クライアントの長期的な成功を支える戦略的パートナーとして、価値創出を実現しています。 ■ 主な事業内容 オーダーメイドAI開発：クライアント固有の課題に対応したカスタムAIソリューションの開発 AI共同研究開発：最先端のAI技術を活用した研究開発プロジェクトの推進 AIコンサルティング：AI戦略立案から実装支援、運用まで一貫した支援 AIプロダクト開発：再利用可能なAIプロダクトの設計・開発 ■ 実績例 大手海運企業様｜膨大なマニュアルからの検索・回答システムの精度向上。RAG（Retrieval-Augmented Generation）技術を活用し、現場のユースケースを踏まえたUI/UX設計により、業務効率化を実現 大手アパレル企業様｜多品種少量生産における需要予測の精度向上。時系列予測モデルと機械学習を組み合わせた需要予測システムの開発により、欠品と過剰在庫の削減に貢献 官公庁様｜生徒ごとの最適な教育計画策定AIを開発。LLMベースのエージェントが教員の判断プロセスを構造化し、動的にタスクを生成。教育現場での業務効率化を支援 大手商社様｜産業用ロボットの知能化に向けた研究開発を推進。強化学習・模倣学習を活用したVLA（Vision-Language-Action）モデルのファインチューニングにより、従来実現困難だったEnd-to-Endでのタスク実行を可能に ■ 現在進行中のプロジェクト例 製造業や官公庁を中心に、高い信頼性が求められる領域において、技術的に挑戦的なAI研究開発プロジェクトを推進しています。 オンプレミス環境でのAI技術の高度化 限られた計算リソース下で高性能なAIモデルを実現するため、LLMの軽量化技術を包括的に調査・実装。セキュリティ要件の厳しい環境での実用化を実現 生成AIを用いた設計業務の自動化 電気回路設計やCAD作業において、LLMのファインチューニングにより、自然言語による指示から設計図を自動生成。開発期間の短縮と設計品質の向上を実現 Physical AIによる産業用ロボットの知能化 環境認識（Computer Vision）から動作プランニング、把持、設置までをAIで統合。強化学習・模倣学習を活用したEnd-to-Endのタスク実行により、製造現場の自動化を推進 マルチモーダルAIエージェントの開発 業務の文脈をリアルタイムで理解し、画面共有（画像・動画）、音声、テキストなど複数の入力に対応。マルチモーダルLLMを活用した業務支援システムを構築 ■ チーム構成 Polaris.AIでは、Tech / Business / Corporateの3つのチームが協働し、Mission Criticalな課題を解決しています。Tech Teamでは、Research Scientistが最新AI技術を研究し、Applied Research EngineerがBusiness TeamのProject Managerと連携しながらソリューションとして実装します。Forward Deployed Engineerは、提案段階からAccount Executiveと共に顧客課題を深掘りしデモを構築しつつ、Project Manager兼エンジニアとしてプロジェクトを推進します。Software Engineer、Infrastructure Engineer、Data Engineer、MLOps Engineer、Security EngineerがAI活用の基盤を支えます。Business Teamでは、Account Executiveが新規顧客を開拓し、Project ManagerがTech Teamと協働してプロジェクトを推進します。Account Manager、Product Manager、Marketing Managerが顧客との関係深化やプロダクト成長を担います。Corporate Teamでは、Recruiter、経営企画、Branding Designerが組織の

【会社概要】 当社は建築工事を行う工務店・ゼネコン向けのサービスを開発している東京大学発のComputer Vision / Hardware スタートアップです。2020年創業当初から国土交通省の研究開発プロジェクトや、IPA未踏アドバンスト事業に採択されています。建築工事の効率化に向け、IoT デバイス / ロボット等のハードウェア・3D画像処理パイプライン・WEBアプリケーションなど多岐に渡る開発領域を自社開発しています。 また、サービスの中核となるVisual SLAMと呼ばれる3D画像処理を建築工事に適用する技術に関して複数の特許を出願しております。 現在、360度カメラを持って歩くだけで建築工事現場の全工程の施工状況を網羅的に記録するクラウド型AIサービス「zenshot」を提供しています。三菱地所様等の大企業から中小のゼネコン・工務店まで多岐に渡る企業に導入しています。 サービスサイト: https://zenshot.ai/ 【業務について】 ML/CVエンジニアは、全国各地の建築工事の現場からアップロードされる360度動画を解析し、顧客の価値に変換するシステムを開発します。 具体的には、 ・Visual SLAMによる現場ストリートビュー作成機能の改善 ・画像処理/機械学習を用いた施工管理業務を半自動化/自動化するための機能開発 に携わっていただきます。 国内で「建築工事の現場の網羅的なデータを無数に保有・解析しているほとんどの唯一の企業」になりうる弊社において、産業全体に対するインパクトをデータから生み出すことが醍醐味です。 また、今後は現場のデータを利用して保険・支払い等の業界・業務と組み合わせ新たなビジネスモデルを構築することも見越しています。 【技術環境】 言語：Python, C++ 画像処理フレームワーク：OpenCV, OpenGV等々 フロントエンドでのGraphic表示用フレームワーク：Three.js 画像処理パイプライン : AWS Batch/ECS/EC2/S3 ▼その他技術環境 フロントエンド: Next.js / React.js / Typescript / Three.js(3D Graphics用) バックエンド: Python / Fast API インフラ環境: AWS IaC: Cloudformation データベース: PostgreSQL UI: Figma その他： GitHub / Slack / Notion / Miro / Clickup

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