MLOpsエンジニア

業務内容

• 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

技術スタック（主要な部分の抜粋）

• クラウド: Google Cloud
• 開発言語: Python
• データ基盤: BigQuery / Fivetran / dbt Cloud
• ML / LLM基盤: Vertex AI / MLflow / LiteLLM / Datadog LLM Observability
• BIツール: Looker / Looker Studio
• IaC: Terraform
• 開発環境・ツール: Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

採用要件

MUST

ハードスキル

• 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いて、機械学習パイプライン、推論基盤、Feature Store・モデル管理・実験管理・モデル監視などのMLOps基盤を設計・開発・運用した経験
• 監視、アラート、ログ、メトリクス、Runbook、障害対応など、本番運用を前提としたシステム運用の基礎的な経験
• VPC構成、クラウド権限管理、Secret管理、監査ログ、脆弱性対応など、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
• Platform as a Product、Internal Developer Platform、Golden Path、セルフサービス基盤などの考え方を踏まえた基盤・開発環境の改善経験
• 社内ライブラリ、テンプレート、開発者向けドキュメント、オンボーディング資料などを整備し、開発者体験を改善した経験
• ADR、Design Doc、Runbook、レビュー観点、チェックリスト等を用いて、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、運用負荷を考慮しながら、技術選定・アーキテクチャ設計・改善提案ができること

ソフトスキル

• 当社のミッション、社会貢献性の高い事業に共感していただける方
• 当社のバリューにフィットしている方
• 業界・顧客理解のためにインプットを怠らない方
• 課題解決に向け、自ら考え、手を動かすこともできる方
• 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など、複数職種と連携しながら業務を進められる方
• 利用者視点で、基盤・開発環境・ドキュメント・運用フローをより使いやすく改善していける方
• ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

WANT

• dbt、Snowflake、Databricks、BigQuery等を用いたデータ基盤・分析基盤の開発・運用経験
• LLMOps、プロンプト管理、評価基盤、LLM as a Judge、LLM Observability、コスト管理、ガードレール設計等に関する経験
• 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設計等に関する経験
• 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て、基盤や開発者体験を改善した経験
• 技術ブログ、登壇、社内外の勉強会などを通じて、MLOps / Platform Engineering領域の知見を発信した経験

雇用形態

• 正社員
• 契約期間：試用期間3か月

給与

• 年収 700万円 〜 1100万円
  • 上記年収には賞与（年2回）が含まれます
  • 個人の能力発揮によって賞与の金額は変動します
  • 前職年収考慮いたします
  • 年2回の人事考課にて給与改定があります

勤務地

• 105-7135  東京都港区東新橋1-5-2 汐留シティセンター35階（東京本社）
• フルリモート勤務可

勤務時間

• フレックスタイム制（コアタイム 11:00〜15:30）
• 標準勤務時間 9:30〜18:30
• 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

休日

• 年間休日120日
• 完全週休2日制（土・日）、国民の祝日
  • リラックス休暇（年次有休とは別に、入社初日に年5日分、その後1年ごとに5日分付与される有給休暇）
  • 年次有給休暇
  • 年末年始休暇
  • 慶弔休暇
  • 産前産後休暇

福利厚生

• 各種社会保険完備
• 交通費支給（上限5万円/月）
• 実績に応じて昇給有（年2回）

加入保険

• 健康保険
• 厚生年金
• 雇用保険
• 労災保険

受動喫煙対策

• 屋内原則禁煙（建物内喫煙スペース有）

社内制度

• 従業員持株会（持株会への加入が必要）
• ダブルタイミーデイ（社員がタイミーアプリを利用して働いた場合、報酬額を上乗せ（上限有り））
• 書籍購入（業界知識を深めるに必要な書籍を会社が購入）
• セミナー費用補助（業務に必要なセミナー参加費を補助）
• 部活動（趣味などを通じて交流できるよう、活動に応じて費用を補助）
• チームビルディング（チームのコミュニケーションの活性化に向け、一定の予算を好きに利用できる）
• 結婚祝い金（結婚した従業員に祝い金を支給）

働き方

• フルリモート勤務可

選考フロー

1. カジュアル面談
2. 書類選考
3. 一次面接(現場メンバー)
4. 二次面接(GM・部長面接)
5. 最終面接(CTO面接)

※選考中にリファレンスチェック・適性検査をご依頼する場合がございます。