【AIクリエイティブ 極予測TD】バックエンドエンジニア

以下のいずれかの経験・知見が求められます。

• バックエンド開発経験（Python / Go / Java 等）
• データパイプライン構築・維持管理の経験
• 大規模データ処理基盤の設計・実装経験
• クラウドサービス（AWS / GCP 等）を活用したシステム開発経験
• 機械学習モデルのサービング・運用経験

• 自律的な課題発見力:
  指示待ちではなく、自らプロダクトや業務の課題を見つけ、提案・実行できる主体性が求められます。小規模チームのため、各自が高い当事者意識を持つことが重要です。
• ビジネス視点での技術判断:
  ビジネスメンバーと密に議論しながら、広告効果最大化に向けた実験設計や分析フローを設計できる能力が求められます。技術だけでなく事業インパクトを意識した開発姿勢が必要です。
• MLエンジニアとの円滑な協働力:
  MLエンジニアと連携し、データエンジニアリングと機械学習モデルのサービングを橋渡しする役割を担います。専門領域の異なるメンバーと積極的にコミュニケーションを取る姿勢が求められます。
• 変化への適応力と学習意欲:
  検索連動型広告は常に仕様が変化します。最新のAI技術動向やGoogle等主要媒体の変化にキャッチアップし続ける継続的な学習意欲が必要です。
• 技術情報の発信力:
  社内勉強会への参加・登壇やOSS活動など、技術コミュニティへの貢献が奨励されています。知識を内部に留めず、外部に発信する積極性が評価されます。

• 機械学習・自然言語処理（NLP）の知識・実装経験:
  LLMを活用した文章生成や広告テキスト評価など、NLP技術を用いたプロダクト開発経験があると即戦力として活躍できます。
• MLOps・機械学習基盤の構築経験:
  モデルのデプロイ・監視・バージョン管理など、MLOpsの知識があると機械学習エンジニアとの協業がよりスムーズになります。
• 広告テクノロジー（アドテク）の知識:
  検索連動型広告の仕組みや入札システム、広告効果指標（CTR・CVR等）への理解があると業務習得が早まります。
• 大規模分散処理技術の経験（Spark / Kafka / BigQuery 等）:
  月間数百億規模のトラフィックデータを扱うため、大規模分散処理の実務経験は高く評価されます。

• 大規模広告データを活用したデータエンジニアリングスキル:
  国内最大規模の広告データを用いたパイプライン構築・運用を通じて、実データに基づく高度なデータエンジニアリングの知見を習得できます。
• LLM・機械学習技術の実務応用力:
  広告テキスト自動生成・効果予測AIの開発を通じ、LLMや自然言語処理を実際のプロダクトに組み込む実践的なスキルを身につけられます。
• AI研究と事業開発をつなぐブリッジ力:
  AI Labの研究成果をプロダクトへ落とし込む過程で、研究と実装の両面を理解するT型エンジニアとしての視野が広がります。
• 広告効果最大化に向けた実験設計・分析力:
  ビジネスメンバーと共に広告効果の仮説立案・実験・評価サイクルを回すことで、データドリブンな意思決定の実務スキルを獲得できます。
• 海外カンファレンス登壇・論文発表を通じた技術発信力:
  国際カンファレンスへの派遣制度や社内勉強会を通じて、技術コミュニティへの発信・登壇経験を積むことができます。