202. MLOpsエンジニア
First seen by Alion on Jun 3, 2026.
202. MLOpsエンジニア
Description
## 募集背景
私たちは、人と同じ環境で作業可能な**ヒューマノイドロボット**の開発を進めています。本ポジションでは、ヒューマノイド向け**ロボット基盤モデル**（**Vision-Language-Action**）の開発を支えるMLOps基盤の設計・構築・運用を担当いただきます。実機から日々生成される映像・画像データや、モーター状態・電流・トルクなどの高頻度時系列データを活用しながら、ロボットの学習・評価・再学習を継続的に回しています。MLOpsエンジニアには、こうした大規模・多モーダルデータを扱うためのデータ基盤、学習基盤、評価基盤、デプロイ基盤を構築し、研究開発チームが高速に仮説検証できる環境を作ることを期待しています。単なるインフラ運用ではなく、「ロボットが学習し続ける仕組みそのもの」を作ることがミッションです。
## 役割・ミッション
- ヒューマノイドVLA開発のためのMLOpsアーキテクチャ設計
- 大規模・多モーダルデータを扱う学習基盤の開発・運用
- 学習・評価・デプロイ・再学習のループ循環構築
- AI研究・ロボット実機チームが最短距離で試せる環境の構築
## 業務内容
（一例になりますので、選考にてご経験やご志向をお伺いさせてください。）
- MLOps / 学習基盤の構築・運用
- 分散学習・大規模学習の基盤設計・運用
- モデル・データ・コードのライフサイクル管理
- TB〜PB級の映像・画像・時系列データのストレージ設計
- データパイプラインの構築・運用
- 実機 → ストレージ → 学習基盤 までのデータフロー構築
- 大規模データを前提としたバッチ／ストリームの取り込み・変換
- データ品質チェック・欠損検知・異常検知の仕組み作り
- オンプレ・クラウドの構築・運用
- GPUクラスタ／オンプレ・クラウド混在環境の設計
- コンテナ（Docker）・オーケストレーション基盤構築
- CI/CD for ML（モデル・データ含む）
- パフォーマンス・コスト・可用性・セキュリティの最適化
## ポジションの魅力
- ヒューマノイド × VLAという最前線のAI開発を基盤から支えられる
- 映像・時系列・実機データを統合した前例の少ないMLOps
- インフラ設計に高い裁量がある
- 研究とプロダクトの距離が極めて近い
## 使用ツール
- Google Workspace
- Slack
- Miro
- Notion
- GitHub
## 選考フロー
書類選考→一次面接→会社体験（1日）→最終面接
※カジュアル面談からの開始も歓迎します。
※途中で面談を挟む場合があります。
Requirements
## 募集背景
私たちは、人と同じ環境で作業可能な**ヒューマノイドロボット**の開発を進めています。本ポジションでは、ヒューマノイド向け**ロボット基盤モデル**（**Vision-Language-Action**）の開発を支えるMLOps基盤の設計・構築・運用を担当いただきます。実機から日々生成される映像・画像データや、モーター状態・電流・トルクなどの高頻度時系列データを活用しながら、ロボットの学習・評価・再学習を継続的に回しています。MLOpsエンジニアには、こうした大規模・多モーダルデータを扱うためのデータ基盤、学習基盤、評価基盤、デプロイ基盤を構築し、研究開発チームが高速に仮説検証できる環境を作ることを期待しています。単なるインフラ運用ではなく、「ロボットが学習し続ける仕組みそのもの」を作ることがミッションです。
## 役割・ミッション
- ヒューマノイドVLA開発のためのMLOpsアーキテクチャ設計
- 大規模・多モーダルデータを扱う学習基盤の開発・運用
- 学習・評価・デプロイ・再学習のループ循環構築
- AI研究・ロボット実機チームが最短距離で試せる環境の構築
## 業務内容
（一例になりますので、選考にてご経験やご志向をお伺いさせてください。）
- MLOps / 学習基盤の構築・運用
- 分散学習・大規模学習の基盤設計・運用
- モデル・データ・コードのライフサイクル管理
- TB〜PB級の映像・画像・時系列データのストレージ設計
- データパイプラインの構築・運用
- 実機 → ストレージ → 学習基盤 までのデータフロー構築
- 大規模データを前提としたバッチ／ストリームの取り込み・変換
- データ品質チェック・欠損検知・異常検知の仕組み作り
- オンプレ・クラウドの構築・運用
- GPUクラスタ／オンプレ・クラウド混在環境の設計
- コンテナ（Docker）・オーケストレーション基盤構築
- CI/CD for ML（モデル・データ含む）
- パフォーマンス・コスト・可用性・セキュリティの最適化
## ポジションの魅力
- ヒューマノイド × VLAという最前線のAI開発を基盤から支えられる
- 映像・時系列・実機データを統合した前例の少ないMLOps
- インフラ設計に高い裁量がある
- 研究とプロダクトの距離が極めて近い
## 使用ツール
- Google Workspace
- Slack
- Miro
- Notion
- GitHub
## 選考フロー
書類選考→一次面接→会社体験（1日）→最終面接
※カジュアル面談からの開始も歓迎します。
※途中で面談を挟む場合があります。
Preferred Experiences
- ロボティクス／Physical AI／Vision-Language-Action（VLA）関連プロジェクト経験
- 映像・画像・時系列データを扱うML基盤の構築経験
- GPUクラスタまたは分散学習基盤の構築・運用経験
- 分散学習フレームワークの運用経験
- ストレージ・ネットワークのパフォーマンスチューニング経験
- 大規模ML基盤のコスト最適化経験
- セキュリティ・アクセス制御設計経験
We are looking for
- MLOpsを 単なる運用ではなく、ビジネスや技術戦略のコアと捉えられる方
- 不確実性の高い研究開発環境を楽しめる方
- 「動かない理由」を基盤側から潰しにいける方
- ロボット実機とAI学習の両方に興味がある方
- 世界レベルのヒューマノイド開発に本気で挑戦したい方
Working Conditions
Salary
＜経験・能力を考慮の上当社規定に従い決定します＞
エンジニア
想定年収500万円〜1,000万円
基本給308,531円～617,063円
みなし残業代108,469円～216,937円
シニアエンジニア
想定年収1,000万～3,000万円
基本給617,063円～1,851,360円
みなし残業代216,937円～650,880円
賞与：業績により支給することが有る。
残業代：上記の45時間分のみなし残業分を含む。みなし残業時間を超える勤務をした場合は、残業代を追加支給。
その他手当：通勤手当として会社が認める通勤経路による金額を月額3万円を上限として支給する。ストックオプション制度は現在整備中。
Location
本社：東京都江東区豊洲6-4-34メブクス豊洲10F
Job Type
正社員
Work hours
- 就業時間：10:00~19:00
- 休日：土・日・祝祭日
※原則出社を前提とした勤務となります。
Probation period
あり(3カ月)
Benefits
- 交通費支給
- 社会保険完備
- 健康診断
その他
- 受動喫煙対策：敷地内禁煙