転職・求人情報の詳細をご覧になる場合は会員登録（無料）が必要です
【東大発生成AIスタートアップ】脳神経科学×機械学習領域のCTO採用
年収：1200万 ～ 1500万
採用企業案件
役員面接
株式会社MinD in a Device
-
- 資本金16百万円
- 会社規模1-30人
- インターネットサービス
- その他
| 部署・役職名 | 【東大発生成AIスタートアップ】脳神経科学×機械学習領域のCTO採用 |
|---|---|
| 職種 | |
| 業種 | |
| 勤務地 | |
| 仕事内容 |
◆当社の特徴 当社は東大発のスタートアップ企業です。 脳神経科学と機械学習（生成モデル）に関する長年の研究に基づき、｢意識の仕組みを社会に実装する｣ことを目指しています｡ 大手企業から新規事業に関わる技術開発を手掛けております。その一つとして、大手企業や大学との共同研究により生み出された、「仮想現実を生み出す神経アルゴリズム」のモデルを用いた次世代型AIの社会実装・運用に取り組んでいます。 ◆会社と事業紹介 当社は2018年12月に創業したディープテック・スタートアップです。近年話題となる生成モデルについて、当社では1993年に「ヒトの認識機構モデル」として提案された当時のコンセプトを継承・応用し、国産かつ究極の視覚認識システムの研究開発を進めてきました。 また、研究開発で得られた知見を活かした「独自AI技術基盤（MinD Engine）」を2022年7月リリースし、JR東日本、NTT東日本、Woven、トヨタ自動車等に導入をいただいております。 ◆募集背景 大手企業と協業をしてきた既存事業が一定の規模に達し、これらの知見を活かした事業を立ち上げるなど､ビジネスモデルを転換させる時期に来ております。 CTO候補として､当社技術顧問や他のエンジニアメンバーと協働しながら、機械学習のサービス・アプリケーション開発を統括するだけでなく、新たな事業モデルの策定にもチャレンジして頂ける仲間を探しています｡ また、優秀なエンジニアの技術力や発想力を活かした新規サービスを設計できる貴重なタイミングであると考えております｡ ◆主な業務内容 ・顧客からの要望に対する要件定義 ・必要な技術要素調査等 ・役員等への技術レビューの実施 ・開発・メンバーマネジメント |
| 応募資格 |
【必須（MUST）】 ◆以下のいずれか該当する方・エンジニアチームマネジメントの経験(5名以上) ・webアプリケーション開発経験 ・機械学習を用いた業務経験が3年以上お持ちの方 ・deep learningフレームワーク（Pytorch, Tensorflow等）を業務で使用した経験をお持ちの方 ・学術英論文を読み、実装した経験をお持ちの方 ・モデル構築、プロトタイプの実装、パフォーマンス評価の一通りの行程を実施できる方 ・GPUをニューラルネットワークの学習に利用した経験をお持ちの方 ・コンピューターサイエンスの基礎的な知識をお持ちの方 ・チーム開発の経験をお持ちの方 【歓迎（WANT）】 ・人工知能、機械学習関連の修士や博士号をお持ちの方、論文執筆の経験をお持ちの方・生成モデルに対する高い考察力をお持ちの方 ・機械学習を利用したアプリケーションの開発・運用の経験をお持ちの方 ・オリジナルのニューラルネットワークを考案・実装し実用した経験をお持ちの方 ・Pythonのほかに C＋＋による機械学習を実装できる方 ・ベンチャー企業、スモールチームで働いた経験をお持ちの方 ・ハードウェアへの実装、プロダクト化の経験をお持ちの方 ・ソフトウェアのサービス化・運用の経験をお持ちの方 |
| アピールポイント | 創立5年以内 自社サービス・製品あり ベンチャー企業 2年連続売り上げ10％以上UP 年間休日120日以上 ストックオプション制度あり 教育・研修制度充実 完全土日休み フレックスタイム |
| 受動喫煙対策 | その他 「就業場所が屋外である」、「就業場所によって対策内容が異なる」、「対策内容は採用時までに通知する」 などの場合がその他となります。面接時に詳しい内容をご確認ください |
| 更新日 | 2024/09/30 |
| 求人番号 | 3909441 |
採用企業情報
- 株式会社MinD in a Device
-
- 資本金16百万円
- 会社規模1-30人
- インターネットサービス
- その他
-
会社概要
長年の研究成果を技術背景とし、究極の認識システムを実現する深層学習モデルの一種である「生成モデル」（1993年に提案された脳の認識機構モデルで、GANとはアプローチが異なるもの）の工学実装および事業応用（下記参照）、さらには、生体脳―機械の接続事業に取り組んでいます。
現状の計算機能力や知見ではその工学実装が困難である中、当社独自の技術（特許出願済）によってそれを可能とし、下記に挙げるような深層学習の課題を解決することが出来ます。
●大量の訓練データが必要であり、データが少ないと学習が困難
→ 少数データで学習可能
●視覚認識における光源情報や真のテクスチャなど、現実世界で真値を得ることが難しいものに対する学習をすることは困難
→ 真値を学習することが可能
●結果に至る仕組みを人間が理解することが困難
→ 結果の説明性を担保可能
本モデルの利用が期待される領域は、医療・ヘルスケアをはじめ、スマートシティ、自動運転、宇宙・航空など、高度な専門性が必要とされ、かつ市場の成長が著しい分野であり、既に大手企業などと提携を行なっています。
転職・求人情報の詳細をご覧になる場合は会員登録（無料）が必要です