LLMエンジニア

生成AIと大規模言語モデルの業務活用を進めるため、データ整備からモデル開発、技術評価、適用先の検討までを一貫して担当します。社内ナレッジを活用した金融特化型の「みずほLLM」について、学習データの設計、モデルの選定、セットアップ、チューニング方法の検討、学習の実行、性能分析を行います。

具体的には、生成AIの利用に向けたデータの構造化・加工・分析、必要なデータの特定、データベース設計、LLMの構築を進めます。学習と評価だけでなく、実務テストの設計、誤答の検知、ログやアクセス制御を含む運用ルールの整備にも携わります。評価結果をもとに業務への適用方法を検討し、業務支援アプリケーションなどのプロダクトチームと連携して実装を推進します。

取り組みの例として、社内知識の整理と学習データ設計、継続事前学習・ファインチューニング・RAGの比較検証、金融特化LLMの精度向上、デプロイと評価があります。預金、融資、外為、財務分析などの銀行実務テストも評価対象です。現場部署と課題を整理し、データ収集、評価設計、学習試行まで進めるほか、大規模学習に向けたAWSなどでの分散計算環境やクラスターの構築・運用について技術検証を行います。

開発言語はTypeScriptとPythonです。技術情報としてNext.js、React、Vue.js、FastAPI、Streamlit、Assistants API、Agents SDK、Strands Agents SDK、LangChain、LangGraph、Vertex AI、AWS、S3、ECS、ElastiCache、Terraform、CDK、Bedrock、Bedrock Agentcoreが挙げられています。テストにはJest、Pytest、Playwright、開発ツールにはGitHub、Teams、Slack、Jira、Confluenceを使用します。AIツールとしてClaudeCode、AWS Kiro、OpenAI Codex、Amazon Q Developer、Devin、Dify、v0も記載されています。

応募には、機械学習またはデータサイエンスの知見に加え、データ前処理・学習・評価などの開発プロセスを進めた経験、または要件定義・技術選定・進行管理を含むプロジェクトリード経験が求められます。Pythonなどによるデータ処理、検証、評価、改善の実装経験、関係者と協働して技術検証から適用検討・実装まで進めた経験、生成AI技術への関心と学習意欲も必要です。独自LLM、大規模言語モデル、RAG、検索、AIエージェント、VLM、OCR、SageMaker、Azure ML、Databricks、金融分野のデータ分析やAI活用に関する経験は歓迎されます。

勤務地は東京都で、出社とリモートを組み合わせたハイブリッド勤務です。正社員で、契約期間の定めはありません。試用期間は6か月で、期間中も給与は同額です。標準勤務時間は8時40分から17時10分まで、所定労働時間は7時間30分、休憩は60分です。部署によってフレックスタイム制が適用される場合があります。給与は会社規定により能力・適性などを踏まえて決定され、数値は明示されていません。通勤補給費、昼食費補助、社会保険、持株会、育児支援、住宅関連制度、財産形成支援、余暇支援などの制度があります。休日は土日、祝日、年末年始で、有給休暇や特別休暇もあります。