シニアMLOpsエンジニア

以下のいずれかの経験・知見が求められます。

• MLOpsパイプラインの構築・保守・運用経験
• 機械学習APIサーバーの設計・開発・運用経験
• データパイプライン構築経験（機械学習システム向け）
• IaC（Infrastructure as Code）によるインフラ構築・管理経験
• CI/CDによるデプロイ自動化の設計・実装経験
• サービス監視設計・運用経験
• ML関連の社内ライブラリ開発経験

• 自律的な課題発見・推進力:
  MLOps基盤の改善や新技術の導入において、指示待ちではなく自らボトルネックを特定し、解決策を提案・実行できる主体性が求められます。
• データサイエンティストとの高い協調性:
  DSチームと日々連携する環境のため、技術的な議論を対等に行いながら、相手の要件を汲み取りシステムへ落とし込む協調性とコミュニケーション能力が不可欠です。
• 技術標準化・啓蒙のリーダーシップ:
  社内エンジニアへの教育・スキルトランスファーや、ML活用戦略の策定・推進を担うため、技術的な知見を組織全体に広める意識とリーダーシップが求められます。
• 変化への適応力と学習意欲:
  生成AIをはじめとした最新技術の動向を常にキャッチアップし、テックスタックの標準化・更新に積極的に取り組める継続的な学習姿勢が重要です。
• 品質・信頼性へのこだわり:
  機械学習モデルの運用・継続学習・精度監視を重視する文化のもと、Site Reliabilityの向上やパフォーマンスチューニングに対して妥協しない品質意識が求められます。

• 生成AI活用の実務経験:
  LLMを活用したシステム設計・開発・運用の経験があると、タイミーが注力する生成AIの実運用化においてより早期に貢献できます。
• 推薦システム・不正検知などの実務MLシステム経験:
  実運用のML予測システムを設計・開発・運用した経験は、タイミーのマッチング精度向上や不正対策への即戦力となります。
• 大規模データ基盤・クラウドネイティブ環境での経験:
  AWS・GCP等のクラウド上での大規模データパイプライン構築・運用経験があると、タイミーの大規模ログ・行動データ活用に直結します。
• ML採用・組織構築への関与経験:
  データサイエンス・MLOps領域の採用や組織づくりに携わった経験があると、エンジニア採用支援業務においても貢献できます。

• 大規模実運用MLOps基盤の設計・運用スキル:
  1,000万人超のユーザーを持つスキマバイトプラットフォームのリアルデータを活用した、本番MLパイプラインの設計・構築・運用経験を積むことができます。
• 生成AI実運用ノウハウ:
  生成AIを実業務に組み込む設計・開発・ルール整備まで一貫して担うことで、国内でも希少な生成AI本番運用の実践的スキルを習得できます。
• MLエンジニアリング組織のイネイブルメント経験:
  データサイエンティストへの教育・スキルトランスファー、採用支援、全社ML活用戦略の推進を通じて、技術組織を牽引するリーダーシップと組織開発スキルを培えます。
• SRE・インフラ自動化の高度なスキル:
  IaC・CI/CD・サービス監視・パフォーマンスチューニングを包括的に担うことで、クラウドインフラからMLシステムまでカバーする幅広いSREスキルを身につけることができます。
• 事業直結のデータ分析・意思決定支援スキル:
  アクセスログ、マッチング、広告効果、問い合わせ、営業活動など多様なデータを扱うことで、ビジネスと技術を橋渡しするデータドリブンな意思決定支援能力を養えます。