MLエンジニアのフリーランス案件・求人一覧

業務委託MLエンジニア
業務委託MLエンジニア

MLエンジニアのフリーランス案件・求人一覧

全 5 件中 1-5件表示
募集中4ヶ月前
840,000円〜1,000,000円/月
業務委託東京都 渋谷区
この案件を3行でまとめると
  • ECアプリケーション運営企業のMLエンジニアリードとして、レコメンドシステムの開発・運用を主導します。
  • 要件定義・技術選定を推進し、GCPを活用した機械学習基盤の設計・構築、プロダクト開発を担当します。
  • 渋谷オフィスで週1日出社、リモート併用で働き、月額840万円〜1000万円の報酬が得られます。
おすすめポイント
  • 週1日出社で渋谷オフィスに足を運びつつ、リモートで柔軟に業務を進められます。
  • 数十万ユーザー規模のレコメンドシステム開発経験がある方に最適な案件です。
  • GCPやAWSを用いた機械学習の実務経験を活かし、リードエンジニアとして活躍できます。
掲載元:offeeer
募集中8ヶ月前
〜1,000,000円/月
業務委託契約東京都 渋谷区
職務内容

大手インターネット企業の全社横断的なデータ分析基盤、およびAIデータアクセス基盤をゼロベースから設計・構築していただきます。 クロスクラウド環境でのデータ基盤構築から、最新のMCP/Agentを用いたAI連携まで、モダンなデータエンジニアリングの最前線に立つワクワクするプロジェクトです。 ・全社データ分析基盤のアーキテクチャ設計・構築 ・データレイク / DWH(BigQuery)基盤の設計・運用 ・ETL / ELTパイプラインの設計・開発 ・クロスクラウドデータ連携(OCI → GCP)の設計・実装 ・データモデリング(OBT / mart)の設計 ・Terraformを用いたIaCによるインフラ管理 ・デ...

必須スキル

Python ・LLM/MLの本番運用経験 ・モデル評価指標の設計経験 ・データ分析に基づく改善提案経験 ・LLMOpsツールの利用経験

掲載元:ギークスジョブ
募集中7ヶ月前
800,000円〜1,100,000円/月
業務委託フルリモート
この案件を3行でまとめると
  • 金融系SaaSにおけるデータ解析および機械学習モデルの実装・運用を担う案件です。
  • データ前処理や特徴量エンジニアリング、モデル構築・評価・改善、パフォーマンス最適化を担当します。
  • プロダクト内および社内業務へのAI導入推進にも関与します。
おすすめポイント
  • データ前処理から機械学習モデルの構築・評価・改善、運用まで携わりたい方におすすめです。
  • 与信や不正検知領域でのデータサイエンス実務経験、または生成AIに関する知見や実務経験を活かしたい方におすすめです。
掲載元:インディバースフリーランス
募集中9ヶ月前
700,000円〜800,000円/月
業務委託東京都
職務内容

・金融SaaSサービスを運営している企業でデータサイエンティストとしてデータ解析及び機械学習モデルの活用に携わっていただきます。 ・データの前処理、特徴量エンジニアリング、モデル構築・評価および改善 ・機械学習モデルのパフォーマンス最適化 ・プロダクト内および社内へのAI導入

必須スキル

・BigQuery / Cloud StorageなどGoogle Cloudを用いたデータ分析のご経験 ・Google Cloudを用いたデータ基盤の構築・運用のご経験 ・Pythonを用いた機械学習モデル実装のご経験 ・scikit-learn / LightGBMなど、機械学習におけるライブラリやフレームワークのご利用経験

掲載元:インディバースフリーランス
募集中4ヶ月前
〜1,100,000円/月
業務委託契約東京都 千代田区 溜池山王
職務内容

データサイエンティストと協働し、生成AIや各種機械学習モデルの実稼働・プロダクション化に向けたエコシステムを構築するエキサイティングなプロジェクトです。モデル開発にとどまらず、AIを組み込んだアプリケーション構築や継続的なデリバリー基盤(MLOps)の設計に携わり、ビジネスに直結するAIの価値最大化を牽引していただきます。 ・生成AI、自然言語、画像、テーブルデータの分析およびモデル開発 ・実環境向けプロトタイプ環境、およびプロダクション環境の構築 ・AI稼働に必要なアプリケーションの構築 ・継続的なモデルのデリバリー、精度モニタリングの仕組み(MLOps)構築 ・新規技術や手法の探求、アーキテクチャへの導入 市場...

必須スキル

Python ・ディープラーニングを含む機械学習モデルの実務開発経験(5年以上目安) ・チームリーダーとしての新技術評価・技術選定の実務経験

掲載元:ギークスジョブ

インディバースフリーランスであなたにピッタリの
フリーランス案件が見つかる

5万件以上のフリーランス案件から一括検索

エンジニア・クリエイター・コンサルタント向けのたくさんの案件を一括検索可能です。

あなたの専門性と希望条件に最適な案件を厳選してお届け
プロフィール登録で、あなただけのカスタマイズされた案件情報を受け取れます。時間をかけずに理想の案件を見つけましょう。

MLエンジニア案件の主な仕事内容

MLエンジニア案件では、機械学習を「作る」だけでなく、プロダクト価値に直結する形で届ける役割が中心になります。たとえばECやHR領域のレコメンドでは、ランキングやパーソナライズのモデル改善に加え、ロードマップ策定や技術選定など上流から関与する案件が見られます。

生成AI関連では、LLMの機能実装や個別最適化、プロンプト設計、ログ分析に基づく改善提案、評価基盤の設計・運用が主要業務になりやすいです。Langfuse等でトレースし、自動評価と人手評価を組み合わせて改善サイクルを回すような、LLMOps寄りの仕事も増えています。

また、データ基盤寄りの案件では、DWHやデータレイク、ETL/ELTパイプライン、データモデリング、アクセス制御やガバナンス設計まで担当範囲が広がります。BigQueryや分散処理基盤、Terraformを用いたIaCを前提に、MLのためのデータ供給と運用を整える位置づけで募集されるケースもあります。

MLエンジニア案件で求められる必須スキル

必須要件として最も多いのはPythonで、機械学習の実装経験に加えて、実サービスへ組み込む開発力が求められやすい傾向です。FastAPIやFlask等で推論をAPI提供したり、バッチ処理として運用したりと、プロダクション前提の設計・実装経験が応募判断の軸になりやすいです。

データを扱う基礎として、SQLによる抽出・加工や、BigQuery等の分析基盤の利用経験が必須に含まれる案件も目立ちます。レコメンド系では特徴量設計から前処理、モデル実装、モニタリングまで一連の流れを経験していることが重視され、評価指標(Precision/Recall/F1など)を設計して運用できる力も求められます。

運用・基盤側の必須スキルとしては、クラウド(GCP/AWS/OCIなど)上での開発・運用経験、Dockerなどコンテナ利用、Gitを前提にしたチーム開発が挙がりやすいです。TerraformのようなIaCやCI/CD(GitHub Actions、CircleCIなど)まで必須に近い扱いになる案件もあるため、モデル以外の実装・運用領域まで棚卸ししておくと強みを伝えやすくなります。

歓迎要件・評価されやすい経験

歓迎されやすいのは、モデル改善を「プロダクトの指標改善」まで接続できる経験です。たとえばCTR/CVRなどの事業指標を見ながら施策ロードマップを立て、A/Bテストやオンライン評価も含めて改善を回した経験は、レコメンド領域のリード案件で評価されやすいです。

生成AI・LLM案件では、RAG設計、エージェント実装、ファインチューニングや推論最適化、トークンコスト最適化などが加点になりやすい領域です。Vision APIやVLMを使った図面解析、医療テキストの構造化・要約、検索システムの評価改善など、用途に応じたデータ仕様と評価指標の整理まで担えると、上流適性を示しやすくなります。

基盤・運用の観点では、MLflow/Kubeflowのような実験管理・パイプライン基盤、リアルタイム推論環境の構築、分散処理(Spark/Beam)やレイクハウス(Icebergなど)の経験が歓迎されます。加えて、IAM/VPCやPII管理などセキュリティ・ガバナンスを踏まえた設計経験は、データ基盤系案件で差分になりやすいポイントです。

開発環境・技術スタックの見方

MLエンジニア案件のスタックは大きく、モデル開発寄り(PyTorch/TensorFlow、scikit-learn、LightGBMなど)と、基盤・運用寄り(Vertex AI、SageMaker、BigQuery、Terraformなど)に分かれて表れます。募集要項に「Training/Serving/Monitoring」や「評価基盤」「実験管理」といった語が多い場合、MLOps/LLMOpsの比重が高いと見て準備するのが有効です。

クラウドはGCPとAWSが中心で、GCPではVertex AI、BigQuery、Spanner、Cloud Run、Cloud Logging/Monitoringなどが組み合わされることがあります。AWSではS3、ECS/EKS、Lambda、Batch、SageMaker、RDS/Redshiftなどが挙がり、バッチとAPI提供を両立する構成が想定されやすいです。

周辺ツールとしては、DockerやGitHub、CI/CD(GitHub Actions等)、Terraform、Slack/Notionがよく登場します。フロントやAPI実装が絡む案件ではNext.jsやReact、TypeScript/Node.jsが出てくるため、要件に「API実装」「プロダクト実装」とある場合は、モデル以外の実装範囲(Web/API、データパイプライン)までキャッチアップ計画を立てておくと参画後に動きやすくなります。

参画前に確認したいポイント

まず確認したいのは、成果物が「モデルそのもの」なのか「モデルを含むシステム」なのかです。モデル改善が中心でも、実際は評価基盤の整備、ログ設計、デプロイや監視まで責任範囲に含まれることが多いため、Training/Serving/Monitoringのどこまで担当するのかを面談で具体化するとミスマッチを減らせます。

次に、データの前提条件を詰めることが重要です。学習データの整備やGround Truth作成、アノテーション、人手評価(HITL)などが誰の担当か、品質管理や更新頻度がどう設計されているかで、難易度と進め方が大きく変わります。特にNLPや図面解析のような非構造データでは、データ仕様と評価方法の合意形成が初期のボトルネックになりやすいです。

最後に、クラウドやセキュリティの制約、チームの開発プロセスを確認しましょう。IaC(Terraform)やCI/CDの整備状況、アクセス制御(IAM/VPC)やデータガバナンスの要求、コードレビュー文化の有無によって、立ち上がりの手順が変わります。ビジネスサイドやPdMとの連携が前提の案件も多いため、意思決定フローと期待されるコミュニケーション頻度も事前に擦り合わせておくと安心です。

インディバースフリーランスであなたにピッタリの
フリーランス案件が見つかる

5万件以上のフリーランス案件から一括検索

エンジニア・クリエイター・コンサルタント向けのたくさんの案件を一括検索可能です。

あなたの専門性と希望条件に最適な案件を厳選してお届け
プロフィール登録で、あなただけのカスタマイズされた案件情報を受け取れます。時間をかけずに理想の案件を見つけましょう。