ものづくりの仕事を、ワクワクで溢れさせる

日本の製造業では、いまもなお負担の大きい作業が人の手に委ねられています。
そこに人手不足が重なり、現場の負担はさらに増し、
本来もっと時間を注ぐべき「創造的な仕事」に専念できない状況が生まれています。
私たちは、この「きつい・大変な仕事」をAIによって自動化することで、
人が本来の「ものづくり」に専念できる未来をつくります。
ワクワクする仕事で溢れた製造業。
それこそが、Olloが目指すものづくりの未来です。

株式会社Ollo（オロ）

東京大学 松尾研究室発のAIスタートアップです。

株式会社Olloは、日本のAI研究を牽引する東京大学・松尾研究室のメンバーを中心に、2019年2月に​設立されたスタートアップです。世界最先端のAI技術を追求するエンジニアチームと、製造現場を知り尽くした経験豊富なビジネスチームが一体となり、「最先端のAI技術」を「現場で使えるソリューション」として提供しています。

仕事内容

【長期インターンシップ】AI/MLエンジニア（Vision Language Model・動画認識）
機械学習/DeepLearning/アルゴリズムを本気で勉強したい、最新技術を活用したプロダクトを構築してみたい、やる気のある学生を募集！

【東大松尾研発スタートアップ】
株式会社Ollo(オロ)は、東京大学松尾研究室のメンバーを中心に2019年2月に設立されたスタートアップです。現在は10人の少数精鋭のエンジニアにより構成されています。
画像認識を用いて、製造業の人の作業を高精度に分析するプロダクトを作っています。すでにいくつかの大手製造業の企業様に使っていただいています。 現在成長中の会社なので、これから入る方でも大きい裁量で仕事ができます。ChatGPTなどの既存のAPIを利用するのではなく、 Transformerなどを自分たちで学習を回したり、一からアルゴリズムを構築するような仕事が多いです。
今回、プロダクトの機能拡充にあたって機械学習・Deep Learning・アルゴリズムの開発メンバーを募集します。
少数精鋭の中で主体的にプロダクトを構築する経験がしてみたい、やる気のある方を募集しています。

【業務内容】
製造業向け作業分析ツールの機械学習・DeepLearningモデル・アルゴリズム開発
・製造現場の作業動画を解析するVision Language Modelの研究開発・改善
・行動認識・姿勢推定・物体検出など、Computer Vision領域のモデル設計・学習・評価
・多様な現場環境（照明・カメラ角度・作業内容）に対応するロバスト性の向上
・エッジデバイス上での大規模モデルの最適化・デプロイ
・製造ラインにおけるリアルタイム推論パイプラインの構築
・モデルの量子化・蒸留・プルーニングによる軽量化

【Olloのインターンで得られること】
・少数精鋭のチームで、立ち上がったばかりのサービス開発をするため、一人当たりの裁量や権限が大きくインターン生も早い段階で活躍可能です
・技術的に高度なものを任せられるので、スピーディにスキル習得ができる
・東大出身のAI技術者が会社のほとんどを占めており、AI技術についてハイレベルに学べる
・自分が携わったプログラムがプロダクトに反映される場合もあるので、具体的な成果が見えやすい
・スキル習得と比例して、裁量の大きい仕事が任せられるのでやりがいに繋がる
・社員と同じ会議に参加して、フラットに議論ができるので高い目線で業務推進ができる環境で働ける
・わからないことはいつでもメンターに相談できるので、スピーディな課題解決ができる
・スタートアップ企業の成長過程を間近で体感することができる

【開発環境】
AI / ML: Python, PyTorch, Tensorflow, Hugging Face Transformers, DeepSpeed
エッジ推論: TensorRT, ONNX Runtime, LiteRT (旧 TFLite)
インフラ: AWS, GCP, 社内GPUサーバー
コード管理: GitHub
コミュニケーション: Slack
ドキュメント管理: Notion
コーディング支援: GitHub Copilot, Claude Code, Codex

【必須要件】週に20時間以上の稼働ができ、⻑期的に就業可能な方
以下のいずれかの経験
・動画・画像認識（物体検出、行動認識、セグメンテーション等）
・VLM / マルチモーダルモデル（Vision-Language系モデルの学習・活用）
・LLM（ファインチューニング、RAG、プロンプトエンジニアリング等）
・Python を用いたソフトウェア開発経験（1年以上）
・Deep Learningフレームワーク（PyTorch 等）の実践的な利用経験

【歓迎要件】
・Video Understanding / Action Recognition 分野の研究・開発経験
・Vision-Language Modelの学習・活用経験
・LLM / VLM の post-training 経験（SFT、instruction tuning、RLHF・・・DPO 等の強化学習ベースのアライメント）
・動画や画像を対象としたRAGシステムの設計・構築経験
・エッジ推論の最適化（TensorRT、ONNX Runtime、量子化・蒸留等）の経験
・リアルタイム映像処理パイプラインの設計・実装経験