詳細 求人情報
No.134064
正社員
MLOpsエンジニア
MLOpsエンジニア｜AI/ML基盤を通じて、プロダクト組織全体の開発速度と品質に影響を与える
AI/MLを速く・安全に・継続的にプロダクトへ届けるための基盤づくりに携われます。複数領域のAI/ML活用を支える共通基盤を仕組み化し、組織全体の開発速度と品質に影響を与えられます。
喫煙専用室または加熱式たばこ専用喫煙室設置 屋内原則禁煙（喫煙専用室設置）
喫煙専用室または加熱式たばこ専用喫煙室設置 屋内原則禁煙（喫煙専用室設置）
| 仕事内容 |
マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 - 機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 - 機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 - 機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 - 機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 - ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 - プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 - モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり - モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 - 個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 - 生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 - プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり - LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 - 個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 - データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 - CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 - テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 - 個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 - 上記を実現するための非機能要件・運用品質の継続的な改善 - IaCによるインフラ構築・管理 - CI/CDによるテスト・デプロイ自動化 - サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 - パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 - 社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 - ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 |
|---|---|
| 職種 | エンジニア・技術（システム/ネットワーク） データサイエンティスト |
| 勤務地 |
東京都23区 港区 |
| 勤務時間 |
フレックスタイム制（コアタイム 11:00から15:30） 標準勤務時間 9:30から18:30 ※1日8時間勤務×月勤務日数分が1ヶ月の勤務時間数となります 残業：- |
| 給与（時給・年収） | 年収 700万円～1100万円 |
| 応募資格 | Pythonを用いた機械学習パイプライン、基盤ツール、バッチ処理等の開発経験（3年以上）、Gitを用いたチーム開発の経験、GitHub Actions / GitLab CI等を用いたCI/CDの設計・実装・運用経験、Terraform等のIaCツールを用いたクラウドインフラの構築・運用経験、Google CloudまたはAWS等のクラウド環境における開発・運用経験（直近含め3年以上）、Docker / Kubernetes をはじめとしたクラウドネイティブな基盤に関わる開発・運用経験、商用環境または業務システムにおけるMLOps基盤の設計・開発・運用経験、本番運用を前提としたシステム運用の基礎的な経験、インフラ・アプリケーション双方のセキュリティに関する実務経験、基盤・開発環境の改善経験、開発者体験を改善した経験、技術的意思決定や運用知見をチームに共有・蓄積した経験、保守性・可用性・セキュリティ・コスト・運用負荷を考慮した技術選定・アーキテクチャ設計・改善提案ができること、複数職種と連携しながら業務を進められること、利用者視点で基盤・開発環境・ドキュメント・運用フローを改善できること、相手に配慮したコミュニケーションができること |
| 活かせるスキル・経験 |
・データ基盤・分析基盤の開発・運用経験（dbt、Snowflake、Databricks、BigQueryなど） ・LLMOps、プロンプト管理、評価基盤、LLM as a Judge、LLM Observability、コスト管理、ガードレール設計に関する経験 ・AIガバナンス、AI利用ポリシー、モデル・プロンプトのレビュー、リスク分類、Human-in-the-loop設計に関する経験 ・リアルタイム推論、オンラインFeature Store、検索・推薦・ランキング・マッチング基盤などの開発・運用経験 ・基盤の利用率、開発リードタイム、問い合わせ件数、障害件数、コストなどの指標を用いた基盤や開発者体験の改善経験 ・技術ブログ、登壇、社内外の勉強会などを通じたMLOps / Platform Engineering領域の知見発信経験 |
COMPANY INFORMATION
インターネット・Web・エンターテイメント関連
スキマバイトアプリを中心に、深刻化する人手不足という経営課題を解決するサービスを展開する企業。ワーカー数1,420万人、事業者数238,000社、事業所数465,000拠点（2026年4月末時点）まで成長。既存のスポットワーク領域では業界ごとに深く入り込み、企業にとっても働き手にとってもなくてはならないインフラとしてサービスを広げている。さらに「信頼」を可視化・循環させる社会の新たなインフラ構築を進めており、長期採用サポートサービスや正社員人材紹介、Fintechをはじめとする新規事業を展開している。
フィットする求人がすぐ見つからない、転職はこれからという方
Fellowship登録 （転職支援サービス）をしませんか？
あなたに合ったキャリアプランを、いっしょに考えます