研究開発部門 MLOps・Platformエンジニア

以下のすべての経験・知識が求められます。

• AWSまたはGoogle Cloudを用いたシステム開発経験
• 一つ以上のプログラミング言語（Go・Python・Shell Script・C#・C++等）の深い知識
• サーバーサイドまたはインフラ領域での実務開発経験

• 研究員との協働・コミュニケーション能力:
  MLOpsやPlatform Engineeringの専門知識を持ちながら、機械学習研究者のニーズを正確に理解し、技術課題を双方向で解決していく協調性が求められます。
• 自律的な課題設定・問題解決力:
  事業部から独立した研究開発組織の特性上、受け身にならず自らが課題を定義し、ベストプラクティスをチームに展開していく主体性が必要です。
• 品質・セキュリティへの高い責任感:
  プロダクトの可用性・セキュリティ・オブザーバビリティを担保する立場として、非機能要件に対して妥協なく向き合う姿勢が求められます。
• 変化に対応する柔軟性と学習意欲:
  研究開発領域の進化スピードは速く、新しい技術・ツール・アーキテクチャが次々と登場する環境での継続的なキャッチアップ姿勢が重要です。
• コスト意識を持った設計・判断力:
  研究開発の生産性・運用性を高めながらクラウドコストを抑えるバランス感覚と、費用対効果を意識したインフラ設計能力が必要です。

• Python・C#・C++・Goのいずれかを用いた実務開発経験:
  本ポジションで使用する主要言語への習熟度が高い場合、即戦力として活躍できます。
• Kubernetesの構築・運用経験:
  Amazon EKSを活用した独自クラスター「Circuit」の運用を担うため、Kubernetes（Kustomize・Helm）の実務経験は特に評価されます。
• SRE・MLOps・DevOpsエンジニアとしての経験:
  セキュリティ・モニタリングなどの非機能要件対応、CI/CD環境改善、機械学習システムの設計・開発・運用経験があると即戦力として期待されます。
• LLMOpsの経験:
  生成AI・大規模言語モデルの運用基盤に関する知識・経験は、今後の研究開発領域の拡大に直結するとして歓迎されます。
• 大規模マイクロサービス・バッチ処理の開発・運用経験:
  多数のサービスが連携するSansanのシステム規模に対応するため、大規模システムの設計・運用ノウハウが活かせます。

• エンタープライズ規模のMLOps実践力:
  AWS SageMaker・Vertex AIといったマネージドMLサービスと自社構築のKubernetesクラスターを組み合わせた、本番グレードのML基盤設計・運用スキルを習得できます。
• マルチクラウド（AWS・Google Cloud）アーキテクチャ設計力:
  AWSとGoogle Cloudを使い分けた大規模システムの構築・運用経験を通じ、ベンダーを横断したクラウドアーキテクチャの設計力が身に付きます。
• Platform Engineering・IaC実践スキル:
  Terraform・Kubernetes（Kustomize・Helm）・ArgoCD・GitHub Actionsなどを用いたソフトウェア開発サイクル全体の基盤設計・自動化ノウハウを体得できます。
• AI/ML領域横断のドメイン知識:
  自然言語処理・画像処理・機械学習・データサイエンスを活用したシステムのプラットフォームを担うことで、各AI領域における実装上の課題と解決策への深い理解が得られます。
• 研究開発組織との協働・技術推進力:
  多様なバックグラウンドを持つ研究員と連携しながらベストプラクティスを策定・展開する経験を積むことで、技術リードとしてのマネジメント能力も培われます。