【Python・PyTorch・分散学習】バイオAI基盤モデル開発エンジニア案件

■案件サマリー
医療・バイオ領域で生体データを活用したAI基盤モデルの開発に従事する案件です。
数十億～数百億パラメータ規模のモデル事前学習や大規模GPU環境での分散学習最適化が中心業務となります。
研究開発から実装まで一貫して携わり、先端的な機械学習技術の社会実装に貢献できる環境です。

■業務内容
- オミクスデータ・医療データの前処理・品質評価・分析
- 探索的データ分析と可視化、仮説検証プロセス
- 学習用データセット構築と特徴量設計
- TransformerやSSM等を活用した基盤モデルの設計・実装
- 大規模モデルの事前学習とハイパーパラメータ最適化
- 自己教師あり学習と表現学習に基づくモデル開発
- GPUクラスターを用いた分散学習ジョブの設計・運用・高速化
- 通信ボトルネック分析と大規模データパイプラインの改善
- 学習基盤・実験管理基盤・MLOps基盤の構築
- モデル性能評価とベンチマーク設計
- 実験の再現性確保とドキュメント整備
- 研究者・データサイエンティスト・他エンジニアとの連携

■求めるスキル
【必須】
- TransformerまたはMamba等のSSMを用いた大規模モデル設計・実装経験、またはScaling Lawsに基づく学習リソース見積もりの知識
- 数十億～数百億パラメータ規模モデルの事前学習・ハイパーパラメータ調整・学習安定化の実務経験
- PyTorch FSDPやDeepSpeed等による分散学習環境のカスタマイズ・最適化経験
- マルチノードGPU環境での通信最適化および大規模データI/Oパイプライン設計経験
- Ring AttentionやSequence Parallelismを活用した長文コンテキスト学習最適化の経験

【歓迎】
- Pythonによるデータ分析・機械学習の実務経験
- Git活用によるチーム開発・コードレビュー経験
- AWS・Google Cloud等クラウドサービスの利用経験
- Transformer・Autoencoder・大規模言語モデルの研究開発経験
- 表現学習・自己教師あり学習の研究実務経験
- GPU大規模学習・HPC環境での実装経験
- 統計モデリング・因果推論・ベイズ統計の知識
- 不均衡データ・時系列・マルチモーダルデータの解析経験
- 論文実装・研究再現・ベンチマーク構築の経験
- 分類・回帰・時系列予測・異常検知等の機械学習モデル開発経験

■働き方
原則として常駐勤務が必須となります。Python、PyTorch、大規模GPUクラスターを活用した開発環境です。PyTorch FSDP、DeepSpeed、Ring Attention、Sequence Parallelismなどの分散学習技術を駆使してMLOps・ML Systemsの領域に取り組みます。AWS・Google Cloudなどのクラウド環境も活用します。