
機械学習エンジニア、コンピュータビジョン(ハイブリッド勤務、ポーランド)
WSC Sportsのライブ動画プラットフォームで、本番環境のコンピュータビジョンシステムをモデル評価からデプロイまで担当します。 スポーツ動画のワークロード全体で、GPU推論、ベンチマーク、検証を改善します。
仕事内容
- 検出、追跡、認識、シーン分析など、動画理解機能の開発を主導します。
- バッチ処理、精度調整、コンパイルによってGPU推論のスループットを高め、コストを削減します。
- 本番環境の品質とレイテンシを追跡し、障害を調査してリグレッションを解消します。
- 競技、リーグ、コンテンツ種別ごとに整理した、ラベル付きスポーツベンチマークを作成、維持します。
- mAP、F1、適合率、再現率、IoU、レイテンシ、GPUコストなどのモデル指標を設定、監視します。
- モデルを体系的に比較し、社内データを使って公開済みの結果を再現します。
- 推奨事項、トレードオフ、ライセンスをまとめた意思決定メモを作成します。
- リリース前にモデルや設定の更新を検証するため、リグレッションテストとシャドーまたはA/Bパイプラインを維持します。
- 研究論文、モデルのリリース、ランキングを調査し、評価候補を見つけます。
応募要件
- 本番環境の機械学習システムを提供した経験が3~5年以上あり、そのうちコンピュータビジョンの経験が2年以上あること。動画の経験があれば尚可。
- PythonとPyTorchの高度なスキル。
- TensorRTとONNX Runtimeを使ったGPU推論のプロファイリングおよび最適化の実務経験。
- 次の分野のうち少なくとも2つで実務経験があること:物体検出とセグメンテーション、OCRとシーンテキスト認識、または動画の動作認識と時間的ローカライズ。
- テストセットの作成、mAP・F1・時間的IoUの計算、厳密なモデル比較の経験。
- 研究論文やモデルカードを批判的に評価し、公開済みの知見を再現する能力。
- Docker、キューベースのサービス、クラウドGPUインフラを用いた本番デプロイの経験。
- FFmpeg、デコードパイプライン、フレームサンプリングなど、大規模な動画処理の経験。
- 優れた文章作成能力があり、技術的なトレードオフを記録して明確な提案をまとめられること。
- 以下の経験があれば尚可:Azure Service BusとBlob Storage、メッセージ駆動型アーキテクチャ、視覚言語モデル、マルチモーダル理解、特定領域向けのビジョン微調整、自己教師あり学習、合成データ生成、CVAT、Label Studio、シャドーデプロイ、A/Bテスト、商用モデルのライセンス。
福利厚生
- 研究の再現やベンチマークの作成から、稼働中のGPUワークロードの最適化まで、機械学習の全工程を担当できます。
- モデル最適化によってインフラコストとレイテンシを削減し、大規模な本番環境の改善を実現できます。
- A/Bテスト、シャドーデプロイ、統計的検証を重視する、エビデンスに基づいたエンジニアリング環境で働けます。
関連求人

