【事業横断】ソフトウェアエンジニア（AI/ML）

以下のいずれかの経験・知見が求められます。

• Pythonを用いたサーバーサイドまたはデータ基盤の開発経験
• 機械学習モデルの本番環境への組み込み・運用経験（推論APIや学習パイプラインの構築）
• GCPまたはAWSなどのクラウドプラットフォームを活用したシステム設計・開発経験
• CI/CD（GitHub Actions等）やコンテナ技術（Docker / Kubernetes）を用いた開発・運用経験
• 大規模・高負荷なシステムのアーキテクチャ設計経験

• データサイエンティストとの協働力:
  アルゴリズムを構築するデータサイエンティストと二人三脚で開発を進めるため、機械学習の概念を理解したうえで、エンジニアリング観点から的確な提案・擦り合わせができるコミュニケーション能力が求められます。
• ビジネス課題を技術に落とし込む思考力:
  リアルタイム性・コスト・精度などのトレードオフを踏まえ、ビジネス要件に最適なシステム構成を提案・設計できる能力が必要です。「技術のための技術」ではなく、事業価値の最大化を意識した判断が求められます。
• オーナーシップと自走力:
  DeNAは「永久ベンチャー」を掲げており、言われたことをこなすのではなく、自らミッションを定義して自律的に推進するマインドセットが重視されます。MLシステムのライフサイクル全体をリードする本ポジションでは特に求められます。
• チームへの技術貢献とナレッジ共有:
  コードレビューや技術選定の議論を通じてチーム全体の技術レベルを引き上げる姿勢が必要です。ジュニアメンバーの設計・実装サポートも担うため、自身の知識を体系化し伝える力が求められます。
• 変化への適応力と学習継続意欲:
  注力事業が変わり、AI技術も急速に進化するDeNAでは、技術トレンドを常にキャッチアップし新しいやり方を積極的に取り入れる姿勢が不可欠です。変化をポジティブに受け入れられる方が活躍できます。

• Go言語を用いた高パフォーマンスAPIサーバーの開発経験:
  推論APIサーバーの実装にGoを活用しており、Pythonに加えてGoの経験があると即戦力として活躍できます。
• Vertex AI Pipelines等のMLパイプライン構築経験:
  Vertex AIやKubeflowなど、GCPのマネージドML基盤を活用した学習・推論ワークフローの設計・構築経験があると歓迎されます。
• MLOpsの実務経験（モデル監視・自動再学習・ドリフト検知等）:
  モデル精度の継続的モニタリングや再学習の自動化など、MLOpsのベストプラクティスに基づいた運用自動化の経験は高く評価されます。
• Terraform等のIaCツールを用いたインフラ管理経験:
  コードによるインフラ管理の経験があると、CI/CD基盤の構築・整備に即座に貢献できます。
• 機械学習アルゴリズムや統計学の基礎知識:
  データサイエンティストと深いレベルで議論するために、アルゴリズムの特性やデータ特性への理解があると設計の質が高まります。

• 大規模MLシステムの設計・実装・運用スキル:
  ゲームや医療など多様なドメインの大規模・高負荷な機械学習システムを0から設計・開発・運用することで、MLエンジニアとして市場価値の高い実践的なアーキテクチャ設計能力が身に付きます。
• MLOps実践能力（CI/CD・自動化・監視）:
  CI/CDパイプライン構築、モデル精度監視、再学習自動化など、24時間365日稼働するMLシステムの運用に必要なMLOps全般のスキルを実務レベルで習得できます。
• Google Cloud上のAI基盤構築スキル:
  Vertex AI Pipelines、GKE、Cloud Run、BigQueryなどGCP全体を使いこなすMLシステム基盤の構築経験を積み、クラウドAI基盤エンジニアとしての専門性が身に付きます。
• AIエージェント・最新ツールを活用した開発生産性向上スキル:
  GitHub Copilot・Cursor・Claude Codeなどの最新AIエージェントツールを日常的に使いこなすことで、AI時代における開発効率化・自動化のノウハウを実践的に習得できます。
• ビジネス横断的なドメイン知識とデータ理解:
  ゲーム・スポーツ・ヘルスケアなど複数のドメインのデータと向き合うことで、業界を超えた幅広いデータ特性の理解とビジネス課題への解決アプローチ能力が養われます。