PFN 2025 夏期国内インターンシップ 募集要項
2025.03.26
Preferred Networks (PFN) は、熱意をもって一緒に働いていただける学生のみなさまを募集します。機械学習のみならず、コンピュータサイエンスの幅広い分野からのご応募を歓迎いたします。
Index
PFN インターンシップについて
PFN は「現実世界を計算可能にする」というミッションのもと、最先端の技術を最短路で実用化し、新たな価値を創出することに注力しています。AI チップ、計算基盤、基盤モデル、ソリューション・プロダクトという AI 技術のバリューチェーンを自社内で垂直統合することで、競争力の高い技術の開発と社会実装を推し進めています。その技術は、製造業、素材、製薬、エネルギー、ヘルスケア、小売、エンターテインメント、教育などの幅広い産業領域で展開しています。
急速に発展している機械学習・AI 分野において、私たちは常に謙虚に学習と成長を続け、新しい分野にも恐れず飛び込んでいけるチャレンジ精神が重要であると考えており、その特徴は PFN Values としてまとめられています。PFN のインターンは、学生のみなさまにそうした PFN の研究開発の現場を体験いただく絶好の機会です。最先端の研究開発やそれを支える技術に興味のある方、最新の機械学習技術を世の中に展開するところに興味のある方、未知の分野でも積極的に学び、PFN 社員とともに前向きかつ主体的に取り組める方を歓迎いたします。
PFN はメンバーの多様性と労働環境を大事にしています。人種、性別、国籍を問わず皆様からの積極的なご応募をお待ちしております。
求める人物像
PFN では次のような方のご参加を歓迎しています。もしこれらが伝わるようなエピソードがありましたら、応募フォームやレジュメにぜひお書きください。
- 技術による課題解決や、それを通じてユーザー価値を届けることに強いモチベーションがあり、そのような新たな価値を生み出すチャレンジに意欲的な態度がある。
- 複数の領域での知識を学び取ることに開かれた姿勢があり、自身のスキル・知識を広げ続けることができる。
- 基本的なコミュニケーション能力があり、異なるバックグラウンドを持つ人々と良好な関係を築いて、チームで働くことができる。
- コンピュータサイエンスに対する基本的な理解と、深層学習や計算基盤などの先端技術について学ぶ意欲があり、大学での専攻やオンラインコースでの自習・アルバイト・インターンなど、関連した経験がある。
お問い合わせ
PFN インターンに関するお問い合わせはお問い合わせフォームにて受け付けています。
選考プロセス、各テーマに関するご質問、PFN の仕事環境、その他インターンや PFN についてお知りになりたいことがございましたら、お気軽にご連絡ください。
過去のインターン参加者と社員のメッセージ

参加年度:2024 年度
当時の学年:修士 1 年
テーマ:大規模言語モデルにおける推論の軽量化
自己紹介
東京大学大学院 情報理工学系研究科 コンピュータ科学専攻 修士 1 年の穴田穂乃香と申します。大学院では、連合学習における参加者の貢献度評価メカニズムなど、信頼性の高い連合学習システムの構築に関する研究に取り組んでいます。
インターンで取り組んだこと
インターンでは、「大規模言語モデルにおける推論の軽量化」というテーマのもと、比較的小規模な LLM を、より大規模な LLM からの知識蒸留によりファインチューニングするプロジェクトに取り組みました。
インターン参加のきっかけ
以前から PFN のことは耳にする機会が多く、技術力の高い人や、技術が好きな人が集まる会社という印象を持っていました。そうした環境で技術的な議論を交わしながら学べることに大きな魅力を感じたのが、応募した最大の理由です。
また、PFN は MN-Core に代表されるように、ハードウェアレベルから包括的に深層学習の研究開発を行っており、私自身も機械学習からハードウェア・システム開発まで幅広く関心を持っていたため、その点にも強く惹かれました。
インターンに参加して得たもの
インターンを通じて、これまで研究で取り組んできた機械学習とは異なる、大規模言語モデル(LLM)の開発に触れることができました。LLM については未経験でしたが、使用する技術や学習手法の違いに大きな衝撃を受けました。小規模な機械学習とはスケールもアプローチも大きく異なり、LLM の研究開発がどのように進められているのかを肌で感じられたことは、今後に生かせる非常に大きな収穫でした。
さらに、インターン中には他チームのエンジニアの方々と交流する機会も多くありました。PFN にはインフラ、深層学習向けコンパイラ、創薬など、多様なチームが存在しており、それぞれの最先端技術に触れられたことは非常に刺激的でした。こうした経験を通して、技術の広がりと奥深さを改めて実感しました。
こんな方には PFN インターンをおすすめします!
PFN という、技術のフロンティアを切り拓く企業でインターンをすることは、大学での研究とは異なる観点での発見や学びを得られ、きっと貴重な経験になると思います。今取り組んでいる分野をさらに深めたい方はもちろん、新しいテーマに挑戦したい方にも、ぜひおすすめしたいです。

参加年度:2022 年度(2024 年新卒入社)
当時の学年:修士 1 年
テーマ:計算基盤/MN-Core 向けのコンパイラ及び周辺ライブラリの開発
自己紹介
PFN に 24 卒で入社した灘洋太郎と申します。業務では、MN-Core の RTL 実装を行っています。なかでも僕はメモリ周りの実装を行っています。実装の際には、深層学習や HPC アプリで必要な太いメモリ帯域を確保しつつ、なるべく小さな回路面積に収めなければいけません。このため、1 つのバッファを複数用途でうまく使い回したり、パイプライン構造をいじったりと、ショートコーディング的な工夫をこらす必要があり、パズルを解くような面白さがあります。
学生時代は東京大学大学院 情報理工学系研究科 電子情報学専攻で、プロセッサーのマイクロアーキテクチャを研究しており、ちょっと風変わりな命令セット用の C++ コンパイラ実装や、インオーダコア上で動作する軽量なアウトオブオーダー実行機構の提案を行いました。
インターンで取り組んだこと
僕は MN-Core のアセンブリに対して最適化ヒントを自動生成する機能の開発に取り組みました。MN-Core はキャッシュメモリや条件分岐などの機構を持たないため、実行時に何が起こるのかコンパイル時にほぼ全て知ることができます。この情報を用いて、入力されたアセンブリ内で最適化の余地がある箇所を自動で判別する機構を開発しました。
インターン参加のきっかけ
漠然と低レイヤな仕事をやりたいと思いつつ就職先に迷っていた時期に、PFN インターンの募集要項を目にしたのがきっかけです。僕は普段 MN-Core はおろか GPU すら触っておらず、受かる自信は全くなかったのですが、ダメ元で応募してみました。
インターンに参加して得たもの
一番の収穫は、商用プロセッサー開発の現場を、実物の MN-Core コンパイラやチップを使い倒して体験できたことです。僕はコンパイラをいじったのですが、そこではレジスタ割付けや命令スケジューリングといった基本の道具全てが巧妙にフルスクラッチ実装されており、衝撃を受けました。
これを読んでいる人の中には、フルスクラッチで簡単なコンパイラやコアを自作してみたら案外楽しかった、という覚えがある方も多いかと思います(僕もその一人です)。そういった楽しさのそう遠くない延長上に、作ったコンパイラ/コアが売り物になったり、作るのを仕事にできる場所がある、という強い実感を得られたのは貴重な体験でした。
こんな方には PFN インターンをおすすめします!
低レイヤに興味があるが、それを仕事としてやっていくのに不安やハードルを感じている人、どんな仕事をするのかイメージがわかない人に、特におすすめです。PFN インターンでは、MN-Core などのアクセラレータに全く触ったことがない人でも、ハードウェア仕様からコンパイラに至るまで丁寧なメンタリングを受けることができ、躓くことなくチップやコンパイラ開発の現場を体験できます。
加えて、チップやそのランタイム、クラスタシステムに至るまで、PFN が様々なものを自前で作る様子を垣間見られるので、低レイヤが好きな人にはとても楽しい体験ができると思います。
インターンプロジェクトのブログ記事: MN-Core コンパイラに向けた最適化ヒントの自動生成

参加年度:2024 年度
当時の学年:修士 1 年
テーマ:機械学習プラットフォームエンジニア就業体験 (Kubernetes/インフラ)
自己紹介
京都大学大学院 情報学研究科 修士 1 年の上田蒼一朗です。大学ではクラウドコンピューティングとシステムソフトウェアについて研究しており、特に unikernel という技術に関する研究に取り組んでいます。他にも個人や学生団体で Kubernetes クラスタの構築・運用をしています。
インターン参加のきっかけ
大規模なオンプレインフラ基盤の開発に興味があり、PFN では Kubernetes をベースとした大規模な GPU クラスタの開発を行っているためインターンに応募しました。また、Kubernetes の運用経験があったため、Kubernetes 関連の開発で自分のスキルを活かせると考えました。
インターン期間中の過ごし方
午前9時ごろにオフィスに出社してメンターの方とミーティングを行い、正午ごろにはチームの方々や他のインターン生と一緒にランチを取りました。開発の内容としては、Kubernetes Scheduler Simulator という OSS にリソース同期機能という新機能を実装して upstream にコントリビュートするというものでした。ミーティングでは実装の内容に加えてメンテナとのやり取りについても話し合いました。
インターンに参加して得たもの
Kubernetes のサブプロジェクトに機能を追加するという取り組みを通じて OSS におけるコミュニケーションの取り方を学びました。コミュニティのメンバーと実装する機能について認識を合わせながら議論することを体験できました。また、Kubernetes 内部のコードベースを読む機会にもなり、Kubernetes の内部実装に関する知見も得られました。
こんな方には PFN インターンをおすすめします!
Kubernetes を用いた機械学習基盤という先鋭的な開発に触れることができるインターンです。また、Kubernetes のスケジューラに独自の拡張機能を加えるなどの珍しい取り組みをしているため、よりディープな開発を体験したい方におすすめです。気になった方は、PFN の技術ブログを読んで自分に合った取り組みがあるか是非確認してみてください。
インターンプロジェクトのブログ記事: Kubernetes scheduler simulator のリソース同期機能の開発

参加年度:2024 年度
当時の学年:博士 2 年
テーマ:材料に関する機械学習や原子シミュレーションの開発・応用研究
自己紹介
京都大学大学院 理学研究科 博士 2 年の樋野健太郎です。普段は、分子の物理を支配しているシュレディンガー方程式を数値的に解くことで物性を見積もる量子化学計算とよばれる分野の計算理論の開発と実装に取り組んでいます。特にテンソルネットワークという高次元のデータをテンソル分解で低次元に効率的に圧縮する技術を基礎にした手法に興味をもって研究しています。
インターンで取り組んだこと
「材料に関する機械学習や原子シミュレーションの開発・応用研究」というテーマに申し込み、拡散モデルをもちいた分子構造生成に取り組みました。このモデルの面白いところは訓練するときに、ノイズの復元を学習する代わりに、ノイズが拡散していく確率過程の支配方程式を学習させることで、「データベースに登録された分子構造の分布」ではなく「物理方程式にしたがう分子構造の分布」から分子構造を生成させるところです。インターンの序盤は物理学で扱う確率過程や統計力学の基礎的な復習から初めて、中盤ではトランスフォーマーを使った予測モデルの構築と生成のデモンストレーション、終盤ではモデルの学習困難性の原因を考察し、指針を見つけることができました。
インターン期間中の過ごし方
普段は京都に住んでいますが、インターン期間中は家賃補助を利用してウィークリーマンションに滞在する選択肢もあったものの、私は関東にある実家からほぼ毎日通勤しました。オフィスが駅直結という立地だったこともあり、通勤の負担はそれほど感じませんでした。インターンの前半は、実装よりも学ぶべきことが山積みだったため、空き時間を活用して専門書や技術書を読み、キャッチアップに努めました。出社後は 9 時から 18 時まで、ほぼ普段の研究と同じようなリズムで過ごしましたが、ランチ休憩やチームのミーティングにも参加でき、技術的なこだわりや開発スタイルに関する話を聞けたのがとても興味深かったです。 また、インターンと並行して大学の研究を続けている同期もいましたが、私は事前に研究を一区切りつけてから参加したため、インターンに専念するスタイルを選びました。それでも、学会発表のためにスケジュールを調整するなど、柔軟に対応できたのはありがたかったです。
インターン参加のきっかけ
PFN が開発したサービスである Matlantis はすでに私の専門とする理論化学の分野でも広く認知されており私も当たり前のように知っていました。それでもインターンに参加しようと決めたきっかけは、若手向けの勉強会でポスター発表していたときに、社員の方に勧誘されたこと、そして過去に参加した優秀な知人がその経験を熱く語っていたことでした。特に、近年の分子生成モデルの研究は華やかで魅力的なものが多く、強く関心を惹かれますが、機械学習を専門としない物理化学系の立場からすると、独学でキャッチアップするにはハードルが高い。そこで、実践的な環境で最前線の知見に触れられるインターンこそが、最適な学びの場だと考えました。
インターンに参加して得たもの
実のところ、拡散モデルやトランスフォーマーモデル、さらには PyTorch を使ったスクラッチ実装すら初めての経験でした。しかし、試行錯誤を重ねるうちに、最終的には研究で実用できるレベルまで習得し、ニューラルネットワークを用いた計算化学の論文を批判的な視点で読めるようになりました。 また、驚かされたのは、Matlantis のサービス開発に携わるリサーチャーやエンジニアの層の厚さです。PFN は純粋な機械学習の会社だという先入観を持っていましたが、実際には多くの計算化学の専門家が活躍する基盤が築かれており、そうした環境を目の当たりにできたことは非常に貴重な体験でした。
こんな方には PFN インターンをおすすめします!
「PRML」や「ゼロから作るシリーズ」などを読み、機械学習に興味を抱いたものの、実際の研究に応用するには高いハードルを感じている -そんな生物・物理・化学を専門とする方々にこそ、ぜひインターンをおすすめしたいです。私自身、インターンのテーマと普段の研究との共通点は「分子系の計算をしている」という点くらいしかありませんでした。しかし、2ヶ月間、ゴールを見据えて試行錯誤を重ねることで、思いのほか形になる成果を残すことができます。
インターンプロジェクトのブログ記事:有限温度系の拡散モデルによる分子構造生成

参加年度:2024 年度
当時の学年: 修士 1 年
テーマ:3D モデルや自由視点映像の復元・編集・生成
自己紹介
早稲田大学大学院 基幹理工学研究科 情報理工・情報通信専攻 修士1年の梁毅明と申します。3D コンピュータービジョンに興味があり、大学では 3D モデルの復元に関する研究をしています。3D モデルを活用したコンテンツが身近なものになってほしいという思いから、高品質な 3D モデルをより簡単に作成することについて取り組んでいます
インターンで取り組んだこと
一本の動画から動的な 3D Gaussian Splatting (3DGS) モデルを復元するというテーマに取り組みました。従来の手法では、複数台のカメラを同期させ、多視点から動画を複数本撮影する必要があります。一本の動画から復元しようとすると、新視点から見た際に形状が崩れているなど復元に失敗してしまうことがあります。そこで、3DGS モデルの時間的変化の表現方法に階層構造を導入し、形状が崩れやすい問題の解決を試みました。インターンでの成果は CVPR 2025 に採択されました。
インターン参加のきっかけ
PFN の 3D/4D Scan サービスに興味を持っており、インターンテーマにも 3D モデルの復元に関するものがあったため、応募しました。PFN の社員の方々と研究開発に取り組めることは、自分の技術力を伸ばす貴重な機会になると考えました。
インターンに参加して得たもの
毎日メンターの方と研究について議論を重ねることで、研究の進め方を学ぶことができました。短い期間で研究成果を出すために、思いついたアイデアはすぐに実装・検証するように心がけ、その結果、実装力を伸ばすことができました。そして、最終発表のポスターセッションでは、発表の練習になっただけでなく、インターンの同期や社員の方々からフィードバックをもらい、自分の研究をより深めることができました。他のインターン生の発表を聞けたこともとても刺激になりました。さらに、PFN Day などを通じて、PFN の事業内容や社内の雰囲気も知ることができました。
こんな方には PFN インターンをおすすめします!
技術面の成長に加え、社員の方々やインターンの同期と交流する機会もたくさんあるので、視野を広げながら日々刺激を受けて成長を実感できると思います。興味のあるテーマがあれば、ぜひ挑戦してみてください。
募集コース・テーマ一覧
2025 年度インターンでは実施期間の異なる 2 種類のコースを設け、それぞれにテーマを設定しています。研究開発、大規模言語モデル、計算インフラ、コンピュータビジョン、ライフサイエンス、プロダクト・サービス開発など、様々な分野の弊社スペシャリストがメンターとなり、PFN での研究開発を体験できます。また、いずれのコース・テーマでも、期間中に経営陣やフルタイムメンバーとの交流機会を予定しています。
希望するコース・テーマは、ご応募の後にご案内する選考課題をご提出いただく際に選択していただきます。実際にインターンで取り組んでいただくテーマや業務内容は、選考の過程で弊社メンバーと相談の上で最終決定します。
インターンテーマの一覧はこちらをご覧ください (PDF)
コースによらず、インターン活動により生じた知的財産は PFN に帰属します。テーマ選択にあたっては、ご自身の所属機関における研究テーマ等を持ち込まないようご留意ください。また、インターン実施中の成果は機密や権利上の問題が無い範囲で OSS や論文、PFN Research & Development Blog の記事として公開することを奨励しています。
10 日間短期開発コース
PFN のプロジェクトチームに参加して研究開発の実務を体験する短期型のインターンです。原則として期間中は全日程ご参加ください。
- 期間:以下の 2 つの日程で開催(各 10 営業日)
- 2025 年 8 月 18 日(月)〜 2025 年 8 月 29 日(金)
- 2025 年 9 月 5 日(金)〜 2025 年 9 月 19 日(金)
- 2025 年 8 月 18 日(月)〜 2025 年 8 月 29 日(金)
7 週間研究開発コース
メンターとなる弊社エンジニア・リサーチャーとともに 2 か月近くに渡ってじっくりと議論・研究・開発を行い、研究開発成果を目指します。
- 期間:2025 年 8 月 7 日(木)〜 2025 年 9 月 26 日(金)
- 原則として上記期間のうち、所属する大学の公式な夏季休暇期間のみを対象期間とします。授業日程など参加者のご都合により開始日・終了日のご相談に応じます。
- インターン期間中であっても、研究室の活動や学会参加、帰省等による不在は柔軟に対応します。
- 原則として上記期間のうち、所属する大学の公式な夏季休暇期間のみを対象期間とします。授業日程など参加者のご都合により開始日・終了日のご相談に応じます。
7 週間研究開発コースの各テーマはその指向性により「プロジェクト型」「研究型」があります。以下に昨年の例を示しますので、テーマ選択のご参考にしてください。
- プロジェクト型インターン
- 実践的な問題解決を指向し、コア技術の研究開発やプロダクト・サービス開発を行う弊社プロジェクト業務に従事するインターンです。
- 昨年の成果例:
- Kubernetes の Validating Admission Policy のテストツール開発
- Kubernetes 環境における Log Alert の実現
- Kubernetes Mutating Admission Policy の調査、検証
- Kubernetes scheduler simulator のリソース同期機能の開発
- PFCP におけるログ基盤の設計と構築
- PFIO のプロファイル機能実装
- eBPF を用いて Pod ごとのインターネットトラフィック量を計測するツールの開発
- MN-Core 2 における DRAM-SRAM 間データ転送時間の推測精度向上
- CuPy におけるCUDA Graph Conditional Nodes のサポート
- PLaMo を組み込んだ音声認識モデルの軽量化に関する検討
- PLaMo をベースにしたテキスト埋め込みモデルの開発
- PLaMo における LLM エージェント能力の分析と改善
- Kubernetes の Validating Admission Policy のテストツール開発
- 実践的な問題解決を指向し、コア技術の研究開発やプロダクト・サービス開発を行う弊社プロジェクト業務に従事するインターンです。
- 研究型インターン
- トップ国際会議への論文投稿を目指し、先駆的・挑戦的な研究活動に従事するインターンです。
- 昨年の成果例:
- LLM における合成データセットによる数学推論タスクの精度向上の検討
- LLM を用いた分類タスクのためのデータセット拡張
- 条件付き拡散モデルを用いた金融時系列の生成
- Diffusion 特徴量を利用した few-shot 商品画像分類手法の検討
- 4D Gaussian Splatting Web Viewer と Motion Sequence 機能の開発
- Blowin' in the Wild: バラバラに撮影された画像からの 4D Gaussian Splatting の開発
- スピン自由度を考慮した Neural Network Potential の構築と cDFT を用いたデータセット作成
- LightPFP の酵素反応への適用
- 有限温度系の拡散モデルによる分子構造生成
- LLM における合成データセットによる数学推論タスクの精度向上の検討
- トップ国際会議への論文投稿を目指し、先駆的・挑戦的な研究活動に従事するインターンです。
応募資格
インターンへのご応募にあたり、必要な要件は以下の通りです。
- インターン実施時点で 18 歳以上の学生であり、かつ、他社で正社員として就業中でないこと(その他の場合は応相談)
- 日本語または英語を流暢に話し、コミュニケーションを主体的にとることができること
- インターン期間中の平日は、会社からの求めに応じ、大手町オフィスに来社できること(後述のとおり遠方にお住まいの方には宿泊補助あり)
- インターン期間中、日本国内でインターン活動・アルバイト活動ができる法的資格(日本国籍、永住権、学生ビザ等)を保持していること
- インターンでの開発に使うことのできるノートパソコンを所有していること
これに加えて、【募集コース・テーマ一覧】に掲載したテーマに沿った知識や開発経験は選考において考慮されます。詳細は各テーマの説明をご確認ください。
本格的な開発を行った経験がない方も、ぜひ積極的にご応募ください。昨年までにご応募いただいた方の再エントリーも可能です。ただし、既に過去のインターンシッププログラムに参加された方は除きます。
大学の単位認定の為に事務作業が生じる場合は、事前の相談が必要です。手続きが煩雑なものはお断りさせていただく場合があります。
外国人留学生の方へ
日本国内の大学に学生ビザで通う外国人留学生の方については、インターン開始までに【資格外活動許可】を申請・取得してください。インターン雇用締結時に在留カードの写しをご提出いただきます。
開発環境
インターンでの開発に用いるノート PC は参加者ご自身でご用意いただきます。原則として、会社からの貸与はありません。
PC のご用意については、以下の点にご注意ください。
- 会社からの PC 支給・購入補助はありません。所属する大学や組織から貸与された PC をインターン業務に使用することはできません。
- 学生ご本人またはご家族の持ちもので個人専有の PC をご利用いただきます。
- 業務内容に応じて、弊社が指定するソフトウェアのインストール等を行っていただくことがあります。
ご用意いただく PC のスペックは、大学の課題作成や授業などに使える程度のもので結構です。ご参考までに、インターン参加にあたり推奨する PC スペックの例を示します。
- OS:Windows 11 Pro (Intel) または macOS 15 を推奨
- メーカーが保守サポートをしているバージョンの OS をご使用ください。
- Windows 11 Home をご使用の場合は、採用内定後インターンシップ開始までに Windows 11 Pro へアップグレードしていただきます。対象となる方にはアップグレード費用を補助します。
- ARM 版 Windows は一部ソフトウェアが動作しない可能性があるため利用できません。予めご了承ください。
- Linux など、その他 OS をご希望の方は応募フォームにご記入ください。対応について選考プロセスにてご相談する場合があります。
- ネットワーク:無線 LAN 対応
- その他、オンラインミーティングへの参加やウェブブラウザの利用に支障が無い程度の PC 性能があること
- 機械学習モデルの訓練のような計算量・データ量を必要とするワークロードを実行できるような PC スペックは必要ありません。
応募方法
- こちらの応募フォームからご応募ください。
- ※応募フォームへのアクセスには Google アカウントによるログインが必要です。
- ※応募フォームに記入いただいた個人情報は、インターン選考及び採用活動の目的に利用いたします。
応募締切
- 2025 年 4 月 20 日(日) 23:59(日本時間、締切後の応募不可)
応募の注意点
- レジュメのファイルフォーマットは PDF のみとします。応募フォームにてご提出ください。
- ご応募時にご入力いただいたメールアドレスは、その後の選考 ID として使用いたします。課題提出や何か連絡が必要なときには、応募時のメールアドレスをお使いください。
レジュメの注意点
- 一度エントリーフォームに目を通していただいてからレジュメを作成いただくことをお勧めいたします。エントリーフォームではレジュメにぜひ記載いただきたい事柄についてお尋ねしています。レジュメに記載があれば、エントリーフォームの記入欄への入力は省略可能です。
- レジュメは求める人物像にマッチするかどうかの判断に利用します。応募者のことを全く知らない人が読んでも評価できるように、ご自身の経験や能力について具体的に記述してください。
- 自己評価として特筆すべき成果でないとしても、評価者には貴重な情報になりえます。受賞歴や研究発表、プログラミングの経験などはなるべく具体的に記述してください。
- 希望するテーマに即した志望動機をレジュメに含める必要はありません。今後の課題提出の際に希望するテーマとともに志望動機を記入していただきます。
選考フロー
課題選考(コーディングテスト・テーマ別課題)→ オンライン面接 → 最終結果発表
- 4 月 20 日(日)23:59:応募期限
- 4 月 25 日(金):応募者に対し選考課題を送付
- 5 月 6 日(火祝):選考課題提出期限
- 5 月中旬~ 6 月下旬:オンライン面接
- 6 月 30 日(月):最終結果発表
待遇・労働条件
時給
- 高専生・大学生・大学院生 2,500 円
勤務時間
原則実働 8 時間、週 5 日(土曜・日曜・祝日を除く)
勤務場所
オフィス所在地:〒100-0004 東京都千代田区大手町 1-6-1 大手町ビル
オフィスと在宅のハイブリッド勤務。フルリモート勤務はできません。コース・テーマにより、全てオフィス勤務が必要となる場合があります。詳細はインターンシップ開始までにお知らせします。
ご自宅または宿泊場所から会社が認める経路にて通勤交通費を支給します。
遠方からご参加される方への補助
インターン参加に際し、移動・宿泊にかかる費用をサポートします。
- 移動費用:お住まいの場所から飛行機・新幹線での移動を要する場合、往復移動費用 1 回分を補助します。
- 宿泊費補助:インターン期間に大手町オフィス通勤圏内へ滞在するための宿泊費を補助します。支給期間にはインターン期間中の休日も含まれます。
- 宿泊先はご自身で手配していただきます。通勤圏内に月額 10 万円台前半のウィークリーマンション等はございます。
- 補助金額は課税対象となりますのでご留意ください。
- 10 日間短期開発コース:6,500 円/日
- 7 週間研究開発コース:5,500 円/日
上記補助はインターン開始時点でのお住まいが原則として下記地域に該当しない方を対象とします。
- 東京都、千葉県、神奈川県、埼玉県、茨城県、栃木県、群馬県
雇用形態
有期雇用
業務内容により、子会社の株式会社 Preferred Elements (PFE) に在籍出向いただく場合があります (PFE の労働条件は PFN と同一です)。