直案件
最終更新日:2025/12/18
【Python/Docker】フルスタックAIエンジニアの業務委託案件・フリーランス求人
〜800,000円/月
業務委託
案件基本情報
| 働き方 | フルリモート / 週5日 |
|---|---|
| 業務形態 | 業務委託(準委任) |
| 職種・ポジション | 機械学習エンジニア |
| 開発環境 | Python / Docker |
| 業界 | AI |
業務内容
【想定業務内容】
1つの特定領域にとどまらず、フェーズや課題に応じて以下の業務を横断的に遂行していただきます。
①コンピュータビジョンモデルの実装・改善
・PyTorch等を用いた物体検出・行動認識モデルの選定、学習、ファインチューニング。
・現場データを用いた継続的な精度改善と、アノテーション戦略の実行。
②エッジAIアプリケーションの開発・最適化
・開発したモデルをエッジデバイス(NVIDIA GPU搭載機等)へ実装。
・TensorRT等を用いたモデルの軽量化・高速化、推論エンジンの開発(Python/C++)。
・カメラデバイスの制御、映像取得処理の実装。
③MLOps / インフラ構築
・学習パイプラインおよびエッジへのデプロイパイプライン(CI/CD)の構築・運用。
・Dockerコンテナ技術を用いたアプリケーションのパッケージングと管理。
・AWS等のクラウドサービスを用いたログ収集・監視基盤の整備。
④現場対応とトラブルシューティング
・実店舗でのハードウェア設置、ネットワーク設定、配線等のフィールドワーク。
・予期せぬトラブル発生時の原因究明(ログ解析、ハードウェア検証など)。
【使用技術】
・言語: Python, C++
・フレームワーク: PyTorch, TensorFlow, TensorRT, OpenVINO, ONNX Runtime
・ハードウェア: NVIDIA GPU, Edge Workstations
・インフラ/MLOps: AWS, Docker, GitHub Actions, Linux (Ubuntu)
1つの特定領域にとどまらず、フェーズや課題に応じて以下の業務を横断的に遂行していただきます。
①コンピュータビジョンモデルの実装・改善
・PyTorch等を用いた物体検出・行動認識モデルの選定、学習、ファインチューニング。
・現場データを用いた継続的な精度改善と、アノテーション戦略の実行。
②エッジAIアプリケーションの開発・最適化
・開発したモデルをエッジデバイス(NVIDIA GPU搭載機等)へ実装。
・TensorRT等を用いたモデルの軽量化・高速化、推論エンジンの開発(Python/C++)。
・カメラデバイスの制御、映像取得処理の実装。
③MLOps / インフラ構築
・学習パイプラインおよびエッジへのデプロイパイプライン(CI/CD)の構築・運用。
・Dockerコンテナ技術を用いたアプリケーションのパッケージングと管理。
・AWS等のクラウドサービスを用いたログ収集・監視基盤の整備。
④現場対応とトラブルシューティング
・実店舗でのハードウェア設置、ネットワーク設定、配線等のフィールドワーク。
・予期せぬトラブル発生時の原因究明(ログ解析、ハードウェア検証など)。
【使用技術】
・言語: Python, C++
・フレームワーク: PyTorch, TensorFlow, TensorRT, OpenVINO, ONNX Runtime
・ハードウェア: NVIDIA GPU, Edge Workstations
・インフラ/MLOps: AWS, Docker, GitHub Actions, Linux (Ubuntu)
求めるスキル
■ 必須スキル:
・Pythonを用いた実務レベルのソフトウェア開発経験(3年以上)
-スクリプトを書くだけでなく、システムに組み込むことを意識したアプリケーション設計・実装ができること。
・機械学習(特に画像認識)を用いたシステム開発・運用の経験
-モデルの学習から実環境での推論までを一通りの実装経験があること。
・Linux環境およびコンテナ技術(Docker)の利用経験
-Linuxコマンドでの操作、DockerFileの記述、コンテナの運用ができること。
・未知の技術領域に対する学習意欲とキャッチアップ能力
■ 尚可スキル:
・C++を用いた開発経験、またはCUDA/TensorRT等による機械学習モデル高速化の知見。
・カメラ、Lidarに関わるシステムの開発・運用経験。
・AWS/GCP等のパブリッククラウドにおけるアーキテクチャ設計・構築経験。
・小規模チームやスタートアップでの何でも屋的な開発経験。
・Pythonを用いた実務レベルのソフトウェア開発経験(3年以上)
-スクリプトを書くだけでなく、システムに組み込むことを意識したアプリケーション設計・実装ができること。
・機械学習(特に画像認識)を用いたシステム開発・運用の経験
-モデルの学習から実環境での推論までを一通りの実装経験があること。
・Linux環境およびコンテナ技術(Docker)の利用経験
-Linuxコマンドでの操作、DockerFileの記述、コンテナの運用ができること。
・未知の技術領域に対する学習意欲とキャッチアップ能力
■ 尚可スキル:
・C++を用いた開発経験、またはCUDA/TensorRT等による機械学習モデル高速化の知見。
・カメラ、Lidarに関わるシステムの開発・運用経験。
・AWS/GCP等のパブリッククラウドにおけるアーキテクチャ設計・構築経験。
・小規模チームやスタートアップでの何でも屋的な開発経験。
エージェントより
AIモデル〜エッジ推論〜現場対応まで横断する希少案件。CV・エッジAI・MLOpsのフルスタック人材向け。技術難度は高いが裁量が大きく、経験値の跳ね幅も大きい。