ファインチューニング×フルリモートのフリーランス案件・求人一覧

Pythonを利用した機械学習・画像処理・検索システム等の実装経験 PyTorch等を利用したDeep Learningモデルの実装・利用経験 Embedding / Vector Searchに関する知識または実装経験 実データを用いて仮説 → 実装 → 評価 → 改善のサイクルを自律的に回した経験 PoCだけでなく、モデルや検索ロジックをプロダクション環境へ導入した経験 Git / Docker / Cloud環境を利用したソフトウェア開発経験

・Pythonを利用した機械学習・画像処理・検索システム等の実プロダクト実装経験 ・PyTorch等を利用したDeep Learningモデルの実装・利用経験 ・Embedding / Vector Searchに関する知識または実プロダクトでの実装経験 ・モデルや検索ロジックをプロダクション環境へ導入した経験 ・Git / Docker / Cloud環境（GCP等）を利用した開発経験 ・大卒以上の学歴をお持ちの方

Pythonを用いた開発経験 GCPまたはAWSを利用したシステム開発経験 REST API等のバックエンド開発経験 Gitを用いたチームでの開発経験 Dockerを使った開発経験 AIモデル開発の一連の実務経験（モデル選定、設計、学習・微調整、テスト、本番デプロイ、運用） データの収集、クレンジング、整理の経験

・ソフトウェア開発の実務経験 ・新領域を自ら学び、形にできる学習意欲 ・不確実なテーマを探索し、半年〜1年かけて形にできる力 ・日本語での流暢なビジネスコミュニケーション（目安：日本語能力N1以上） ＜LLM・生成AI領域＞ ・LLMを使った開発の経験（業務での社会実装、または個人開発レベルでも可） ＜CV・画像領域＞ ・コンピュータビジョン／画像処理の実務経験、または深い理解（古典的画像処理〈前処理・特徴抽出等〉に加え、CNN等のニューラルネットワークモデルの理解） ※上記いずれかの領域を満たしていれば応募可能

Pythonを利用した機械学習・画像処理・検索システム等の実装経験 PyTorch等を利用したDeep Learningモデルの実装・利用経験 Embedding / Vector Searchに関する知識または実装経験 実データを用いて仮説 → 実装 → 評価 → 改善のサイクルを自律的に回した経験 PoCだけでなく、モデルや検索ロジックをプロダクション環境へ導入した経験 Git / Docker / Cloud環境を利用したソフトウェア開発経験

AIシステムの製品化・本番運用への主体的な関与経験（PoCのみの経験は不可） 機械学習・ディープラーニングのモデル設計・構築・学習の一連の実装経験（外部APIの利用にとどまらないモデルレベルの知識・実装力） 画像認識（画像分類・物体検出）の実装経験 ファインチューニングの実装経験（画像・LLMいずれか） RAG・ベクトルデータベースの設計・構築経験 AWSを用いたMLシステムの環境構築・運用経験 英語での業務コミュニケーションが可能なレベル（英語話者のチームメンバーと支障なく協業できること）

プロダクト開発経験(3年以上、バックエンド・フロントエンド問わず) Go、Dart (Flutter)、TypeScriptのいずれかでの開発経験(3年以上) 生成AIツールへの深い知見と実務経験 AIファーストで新技術を吸収し、従来手法からの柔軟なアンラーニングができる適応力

・PyTorchを用いたモデル学習・評価・デバッグができる方 ・セグメンテーション・物体検出・分類モデルのいずれかの実装経験がある方 ・評価指標（IoU・Precision・Recall・F1等）を設計・実装できる方 ・学習パイプラインのバグを自力で特定・修正できる方 　└データ前処理バグ・ラベル不整合等 ・データセットの設計ができる方 　　└Train/Val/Test分割・クラス不均衡対応 ・アノテーションデータの品質管理経験 ・画像・動画データの前処理ができる方 ・AWSの実務経験、およびDockerを用いた環境構築経験がある方 ・Dockerを用いた環境構築・再現性のある実験実行経験

Google Cloudの構築、保守運用経験 IaCのご経験（Terraform, Ansible, CloudFormation等） Gitによるソース管理経験

・Vector Search / RAG / 画像検索 / レコメンド の実プロダクト実装経験 ・Pythonを用いたAI・機械学習モデルの実装経験 ・PyTorch等を用いたDeep Learningモデル（特に画像処理・Computer Vision領域）の実装・評価経験 ・仮説検証（PoC）から、精度評価、プロダクション環境（Docker/GCP等）へのWeb API化までを自律的に推進した経験

■機械学習・モデル開発 ・PyTorchを用いたモデルの学習・評価・デバッグができる ・セグメンテーション・物体検出・分類モデルのいずれかの実装経験がある ・評価指標(IoU・Precision・Recall・F1等)を自分で設計・実装できる ・学習パイプラインのバグを自力で特定・修正できる(データ前処理バグ・ラベル不整合等) ・データセットの設計ができる(Train/Val/Test分割・クラス不均衡対応) ■データ処理 ・画像・動画データの前処理ができる(OpenCV・ffmpeg等) ・アノテーションデータの品質管理ができる ・Pythonで再現性のあるデータパイプラインを実装できる ■インフラ・クラウド ・AWSの実務経験がある(S3 / EC2 / ECS / Batch / Lambda などのいずれか) ・Dockerを用いた環境構築・再現性のある実験実行ができる

Vector Search / RAG / 画像検索 / レコメンド の実プロダクト実装経験 Pythonを用いたAI・機械学習モデルの実装経験 PyTorch等を用いたDeep Learningモデル（特に画像処理・Computer Vision領域）の実装・評価経験 仮説検証（PoC）から、精度評価、プロダクション環境（Docker/GCP等）へのWeb API化までを自律的に推進した経験

Pythonを用いた開発経験（1年以上） GCPまたはAWSを利用したシステム開発経験（1年以上） REST API等のバックエンド開発経験（1年以上） Gitを用いたチームでの開発経験（1年以上） Dockerを使った開発経験（1年以上） AIモデル開発（モデル選定、設計、学習・微調整、テスト、本番デプロイ、運用）の経験（1年以上） データの収集、クレンジング、整理の実務経験（1年以上） 上記の実務経験、もしくはスキル・AIへの情熱が伝わるポートフォリオ（GitHub、技術記事、個人開発プロジェクト等）

機械学習エンジニア、またはAIエンジニアとしての実務経験 3年以上 Pythonを用いたシステム開発・実務経験 3年以上 Webアプリケーションのバックエンド（API）開発・運用経験

機械学習エンジニア、またはAIエンジニアとしての実務経験 3年以上 Pythonを用いたシステム開発・実務経験 3年以上 Webアプリケーションのバックエンド（API）開発・運用経験

PyTorchを用いたモデルの学習・評価デバッグ経験 セグメンテーション物体検出・分類モデルのいずれかの実装経験 IoU・Precision Recall・F1等の評価指標の設計・実装 学習パイプラインのバグ特定・修正経験 データセット設計経験 Train／Val／Test分割 クラス不均衡対応 OpenCV・ffmpeg等を用いた 画像・動画データの前処理経験 アノテーションデータの 品質管理経験 Pythonによる再現性のある データパイプライン実装 AWSの実務経験 S3・EC2・ECS・Batch・Lambda等いずれか Dockerを用いた環境構築・実験実行経験

Pythonを用いた機械学習／画像処理／検索システム等の実装経験 PyTorch等を用いたDeep Learningモデルの実装／利用経験 Embedding／Vector Searchの知識または実装経験 実データを用いた仮説検証～実装～評価～改善経験 AIモデル／検索ロジックのプロダクション導入経験 Git／Docker／Cloud環境での開発経験

PyTorchを用いたモデルの学習・評価デバッグ経験 セグメンテーション物体検出・分類モデルのいずれかの実装経験 IoU・Precision Recall・F1等の評価指標の設計・実装 学習パイプラインのバグ特定・修正経験 データセット設計経験 (Train／Val／Test分割, クラス不均衡対応) OpenCV・ffmpeg等を用いた画像・動画データの前処理経験 アノテーションデータの品質管理経験 Pythonによる再現性のあるデータパイプライン実装 AWSの実務経験 (S3・EC2・ECS・Batch・Lambda等いずれか) Dockerを用いた環境構築・実験実行経験

機械学習、深層学習または生成AI領域における3年以上の実務経験 PyTorch、TensorFlow、JAXなどを用いたモデル開発経験 Transformer、Diffusion Model、音声モデルなど、生成モデルに関する理解 線形代数、確率統計、最適化など、機械学習の数学的基礎への理解 論文やOSSの実装を調査し、プロトタイプとして再現・検証できる能力 モデルの精度だけでなく、レイテンシ、スループット、GPUメモリ、運用コストを考慮した設計経験 エンジニア、研究者、プロダクトマネージャーなど、複数職種と連携して開発を進めた経験 技術的な不確実性が高い状況において、仮説設定、検証、改善を主体的に進められる能力 以下の専門領域のうち、一つ以上における高度な実務経験を必須とします。 LLM・AIエージェント領域 -GPT、LLaMA、Qwen、Gemma、DeepSeekなど、Transformer系モデルの開発・改良経験 -SFT、LoRA、QLoRA、DPO、RLHFなどを用いたモデル最適化経験 -プロンプトエンジニアリング、コンテキストエンジニアリング、RAGの設計経験 -Tool Calling、Function Calling、MCPなどを利用したAIエージェント開発経験 -会話履歴、長期記憶、検索、外部ツールを組み合わせたシステム設計経験 -LLMの評価データセットおよび自動評価・人手評価基盤の構築経験 -ハルシネーション、安全性、拒否応答、ユーザー意図理解などの品質改善経験 -vLLM、TensorRT-LLM、SGLang、TGIなどを用いた推論最適化経験 日本語LLMに関する経験 -日本語データセットまたは日本語コーパスの構築・前処理経験 -SentencePiece、BPEなど、トークナイザーに関する知識または実装経験 -日本語LLMの品質評価、ベンチマーク設計、エラー分析経験 -日本語特有の表現、文脈、敬語、会話品質を考慮したモデル改善経験 -日本語・英語を含むマルチリンガルモデルの開発または評価経験 音声・リアルタイムVoice-to-Voice領域 -ASR／STT、TTS、音声変換、音声対話システムのいずれかに関する開発経験 -Whisper、Conformer、Wav2Vec、VITS、FastSpeech、Codec Language Modelなどへの理解 -ストリーミング音声認識またはストリーミング音声合成の実装経験 -リアルタイムVoice-to-Voiceシステムの設計・開発経験 -ユーザーの発話中にAIが認識・応答を開始する低遅延処理の設計経験 -全二重音声対話における割り込み、ターンテイキング、発話終了判定の実装経験 -VAD、エコーキャンセリング、ノイズ除去、音声区間検出に関する知識 -WebRTC、WebSocket、gRPC Streamingなどを用いたリアルタイム通信の経験 -TFT／TTFA、音声生成速度、同時接続数を考慮した性能最適化経験 -音声の自然さ、感情、イントネーション、話者性、発音品質の評価・改善経験 画像生成・VLM領域 -Stable Diffusion、SDXL、FLUXなどのDiffusion Modelを用いた画像生成経験 -LoRA、DreamBooth、ControlNet、IP-Adapterなどを用いたモデル調整経験 -ComfyUI、Diffusersなどを利用した画像生成ワークフローの構築経験 -画像生成モデルの学習データ作成、キャプショニング、前処理経験 -プロンプト追従性、画質、一貫性、安全性に関する評価・改善経験 -GPUメモリ最適化、バッチ処理、並列推論、モデル量子化の経験 VLM・画像理解に関する経験 -CLIP、LLaVA、Qwen-VL、Gemini系モデルなど、VLMの開発・利用経験 -画像分類、物体検出、OCR、画像キャプション、Visual Question Answeringの経験 -画像とテキストを組み合わせた検索、推薦、エージェントシステムの設計経験 -VLMの評価データセット、プロンプト、ベンチマークの設計経験 -画像内の人物、商品、背景、構図、表情などを構造化して抽出するシステムの開発経験 動画・アニメーション生成領域 -Text-to-Video、Image-to-Video、Video-to-Videoモデルの開発または利用経験 -Stable Video Diffusion、WAN、HunyuanVideo、CogVideoなどの動画生成モデルへの理解 -キャラクター、人物、背景、衣装などの時間的一貫性を改善した経験 -フレーム間のちらつき、形状崩れ、顔の変化など、動画生成特有の問題への対応経験 -動画生成モデルのファインチューニング、LoRA学習、推論最適化経験 -長時間動画生成、シーン分割、ストーリーボード生成、動画編集パイプラインの設計経験 -GPUを用いた動画生成処理の高速化、並列化、分散実行経験

AIシステムの製品化・本番運用への主体的な関与経験（※PoCのみの経験は不可）、機械学習・ディープラーニングのモデル設計・構築・学習の一連の実装経験（外部APIの利用にとどまらない、モデルレベルの知識・実装力）、画像認識（画像分類・物体検出）の実装経験、ファインチューニングの実装経験（画像、LLMいずれか）、RAG・ベクトルデータベースの設計・構築経験、AWSを用いたMLシステムの環境構築・運用経験、英語での業務コミュニケーションが可能なレベル

AIシステムの製品化・本番運用への主体的な関与経験（PoCのみ不可）、機械学習・ディープラーニングのモデル設計・構築・学習の一連の実装経験（外部API利用に留まらない知識・実装力）、画像認識（画像分類・物体検出）の実装経験、ファインチューニングの実装経験（画像・LLMいずれか）、RAG・ベクトルデータベースの設計・構築経験、AWSを用いたMLシステムの環境構築・運用経験、英語での業務コミュニケーションが可能なレベル（英語話者のメンバーと支障なく協業できること）。

PyTorchを用いたモデルの学習・評価・デバッグ セグメンテーション・物体検出・分類モデルのいずれかの実装経験 評価指標(IoU・Precision・Recall・F1等)の設計・実装 学習パイプラインのバグ特定・修正 データセットの設計 画像・動画データの前処理(OpenCV・ffmpeg等) アノテーションデータの品質管理 Pythonでの再現性のあるデータパイプライン実装 AWSの実務経験(S3 / EC2 / ECS / Batch / Lambda) Dockerを用いた環境構築・実験実行

・PyTorchを用いたモデルの学習・評価・デバッグができる ・セグメンテーション・物体検出・分類モデルのいずれかの実装経験がある ・評価指標(IoU・Precision・Recall・F1等)を自分で設計・実装できる ・学習パイプラインのバグを自力で特定・修正できる(データ前処理バグ・ラベル不整合等) ・データセットの設計ができる(Train/Val/Test分割・クラス不均衡対応) ・画像・動画データの前処理ができる(OpenCV・ffmpeg等) ・アノテーションデータの品質管理ができる ・Pythonで再現性のあるデータパイプラインを実装できる ・AWSの実務経験がある(S3 / EC2 / ECS / Batch / Lambda などのいずれか) ・Dockerを用いた環境構築・再現性のある実験実行ができる

Pythonを用いた機械学習モデルの開発経験 PyTorchまたはTensorFlowの使用経験

・PythonによるAI/機械学習・データ処理開発経験 ・クラウド（GCP/AWSなど）を用いた実装・運用経験 ・Git/GitHubを用いたチーム開発経験 ・LLM（OpenAI APIなど）の利用経験

PythonによるAI/機械学習・データ処理開発経験 クラウド（GCP/AWSなど）を用いた実装・運用経験 Git/GitHubを用いたチーム開発経験 LLM（OpenAI APIなど）の利用経験

LLM/VLMの評価・プロンプトチューニングまたは関連プロジェクト経験 少数データでの物体認識（zero/one/few-shot）または画像処理モデル開発経験 以下いずれか：NLP修士＋実務3年以上／NLP実務3年以上＋LLM/VLM経験／LLM/VLM経験1年以上

機械学習・モデル開発 PyTorchを用いたモデルの学習・評価・デバッグができる セグメンテーション・物体検出・分類モデルのいずれかの実装経験がある 評価指標(IoU・Precision・Recall・F1等)を自分で設計・実装できる 学習パイプラインのバグを自力で特定・修正できる(データ前処理バグ・ラベル不整合等) データセットの設計ができる(Train/Val/Test分割・クラス不均衡対応) データ処理 画像・動画データの前処理ができる(OpenCV・ffmpeg等) アノテーションデータの品質管理ができる Pythonで再現性のあるデータパイプラインを実装できる インフラ・クラウド AWSの実務経験がある(S3 / EC2 / ECS / Batch / Lambda などのいずれか) Dockerを用いた環境構築・再現性のある実験実行ができる

■機械学習・モデル開発 ・PyTorchを用いたモデルの学習・評価・デバッグができる ・セグメンテーション・物体検出・分類モデルのいずれかの実装経験がある ・評価指標(IoU・Precision・Recall・F1等)を自分で設計・実装できる ・学習パイプラインのバグを自力で特定・修正できる(データ前処理バグ・ラベル不整合等) ・データセットの設計ができる(Train/Val/Test分割・クラス不均衡対応) ■データ処理 ・画像・動画データの前処理ができる(OpenCV・ffmpeg等) ・アノテーションデータの品質管理ができる ・Pythonで再現性のあるデータパイプラインを実装できる ■インフラ・クラウド ・AWSの実務経験がある(S3 / EC2 / ECS / Batch / Lambda などのいずれか) ・Dockerを用いた環境構築・再現性のある実験実行ができる

■機械学習・モデル開発 ・PyTorchを用いたモデルの学習・評価・デバッグができる ・セグメンテーション・物体検出・分類モデルのいずれかの実装経験がある ・評価指標(IoU・Precision・Recall・F1等)を自分で設計・実装できる ・学習パイプラインのバグを自力で特定・修正できる(データ前処理バグ・ラベル不整合等) ・データセットの設計ができる(Train/Val/Test分割・クラス不均衡対応) ■データ処理 ・画像・動画データの前処理ができる(OpenCV・ffmpeg等) ・アノテーションデータの品質管理ができる ・Pythonで再現性のあるデータパイプラインを実装できる ■インフラ・クラウド ・AWSの実務経験がある(S3 / EC2 / ECS / Batch / Lambda などのいずれか) ・Dockerを用いた環境構築・再現性のある実験実行ができる