どんな仕事か: 中途_自動運転AIモデル学習高速化エンジニア (Fixstars)

【概要】

自動運転向け車載AIモデル開発におけるモデル学習の高速化

深層学習モデルの学習には、膨大な計算リソースと長時間を要します。

特に、GPUなどのハードウェアコストや学習完了までのリードタイムの増大が、開発上の主要な課題となっています。

本プロジェクトでは、GPUをはじめとするハードウェアの性能を引き出し、計算・メモリ・通信などの最適化を統合的に実施することで、

開発サイクルの高速化とインフラコストの削減を実現します。

【具体的な職務内容】

・プロファイリングツール（Nsight Systems， PyTorch Profiler等）を用いたボトルネックの特定と改善方針の立案

・AIモデル高速化の実装

・CPU処理のGPU化

・ボトルネックへのJITコンパイルの導入

・GPU/CPUメモリ使用量の削減

・ストレージアクセスの最適化

・その他、学習パイプライン全体の最適化

【プロジェクトのやりがい】

・最先端AIへの挑戦：BEVやTransformerなど、自動運転・コンピュータビジョン領域の最先端技術をリアルタイムに扱える。

・フルレイヤへの関与：モデル設計（上流）から、車載エッジへのデプロイ・MLOps（下流）まで一気通貫で開発に関われる。

・充実した開発環境：大規模データの学習をストレスなく高速で回せる、豊富なGPUリソース（最先端GPUクラスタ）の使用が可能。

【開発環境】

開発環境：Linux， Windows

開発言語：Python， PyTorch， C++

開発支援ツール：Git， GitLab， GitHub

開発手法：チケット駆動開発、アジャイル開発等
求められるスキルは: 必須【必須】

・Pythonのプログラミング経験

・高速化の経験（分野問わず）

【歓迎】

・PyTorchによるモデル開発経験

・CUDAのプログラミング経験

・C/C++のプログラミング経験

【求める人物像】

・技術への高い探究心：自動運転やディープラーニング領域の最新論文・技術トレンドを自発的にキャッチアップし、業務に取り入れられる方

・全体最適な視点と現場感：モデルの精度向上（上流）だけでなく、車載ハードウェアの制約（下流）を見据えた開発・最適化を楽しめる方

・課題解決への主体性：複雑なエッジケースの問題や、精度劣化などの課題に対し、仮説検証を繰り返して粘り強く解決できる方

・オープンな協調性：異なる専門性を持つメンバーと円滑にコミュニケーションが取れる方
雇用形態は: 正社員
どこで働くか: 東京都
給与はどのくらい貰えるか: 600～1010万円

中途_自動運転AIモデル学習高速化エンジニア (Fixstars)

機械学習エンジニア