【自動運転技術を活用した社会インフラを構築し日本の物流を支える】
物流業界は、宅配需要の増加等により、ドライバー不足が社会問題となっています。今後、労働人口の減少や法改正により問題がさらに深刻化すると考えられている中、T2は日本の物流業界を支えるべく、自動運転技術を活用した社会インフラの構築を目指します。

弊社が目指すのは、自動運転トラックによる安心・安全・効率的な物流。つまり、次世代の物流を担うリーディングカンパニーとなることです。私たちと一緒にこの夢を追いかけてくれる、仲間を求めています。多岐にわたる技術にコアメンバーとして携わり、世の中にないソリューションを作り出すことで、物流の未来を支える一員になりませんか？

【仕事内容】
自動運転技術の発展とともに、大規模なデータ処理基盤やAIシステムの高度化が求められています。高度な技術的挑戦を楽しみながら、社会的インパクトの大きい開発に関わりたい方を歓迎します。

MLOps Engineerとして、機械学習モデル開発・運用サイクル構築をリードいただきます。
2025年度中に1ヶ月間に1PB以上の走行データを新規に保存・解析・開発に利用できるクラウド基盤の構築を目指しております。
膨大な量のデータから、機械学習用モデル開発に必要となるデータを半自動的に収集し、アノテーションデータの構築までを1週間以内に実現するオペレーションを構築します。
クラウドネイティブな最新技術を駆使し、ゼロから大規模システムを構築できます。
取り扱うデータは、カメラ、LiDAR、RadarおよびGNSSなどセンサーデータに加え、自動運転システム内部状態など様々な特性・形式を持っております。
クラウド上に機械学習用GPU100台以上を運用し効率的な学習基盤を構築します。

例えば以下のような業務があります。

機械学習モデルの開発・デプロイ・モニタリング基盤の構築・運用・最適化
物体検出・Occupancy Prediction・Online HD Mapping・Drivable Area Estimation・VLM などのモデル開発を支援するデータパイプラインの構築
機械学習・AIモデルの学習・評価に適したデータ管理戦略の立案
アノテーションパイプラインの構築および最適化
実験管理の構築および自動化（Weights & Biasesなどの導入、内製開発）
コンテナ化（Docker, Kubernetes）によるスケーラブルなML基盤の構築
CI/CDパイプラインの設計・運用
クラウド上での大規模分散学習環境の構築・最適化