バックエンドエンジニア/ Yahoo! メディアサービス（タイムライン領域）

以下のいずれかの経験・スキルが求められます。

• Javaを用いたバックエンド開発経験（実務3年以上目安）
• Spring Bootを使ったWebアプリケーション開発経験
• 大規模トラフィックを扱うシステムの設計・開発・運用経験
• 設計レビュー・コードレビューの実施経験
• CI/CDパイプラインを用いた継続的デリバリーの実務経験
• GitHub・Jira・Confluenceなどのツールを用いたチーム開発経験

• 自律的な課題発見・推進力:
  「やりたいこと・技術に対して反対されにくい」環境が整っている一方、受動的なタスクこなしではなく、能動的に改善点を見つけて動いていく姿勢が強く求められます。
• クロスファンクショナルなコミュニケーション能力:
  サイエンスチーム・企画チームなど多様なチームと議論しながら施策検討からA/Bテスト、改善まで推進できる協調性と論理的な説明力が必要です。
• 品質への高い責任感:
  社会インフラとも言えるサービスを支えるため、設計・コードレビューを通じた品質担保や、可用性・信頼性に対する強いこだわりを持って業務に臨める方が求められます。
• 変化・改善への前向きな姿勢:
  レガシーシステムの改善・自動化・技術基盤の刷新を同時に進める環境です。現状に満足せず、継続的な改善を楽しめるマインドセットが重要です。
• 大規模サービスへの技術的好奇心:
  ミリ秒単位のパフォーマンス改善や高可用性設計など、大規模ならではの技術課題に知的好奇心を持って取り組める姿勢が求められます。

• 検索エンジン・レコメンドシステムの開発経験:
  検索エンジンや配信ロジックと組み合わせた高度なバックエンドシステムの設計・適用経験があると即戦力として活躍できます。
• 機械学習基盤との連携経験:
  MLエンジニアと協働し、推薦モデルの配信ロジックをシステムへ適用した経験や、A/Bテスト基盤の設計・運用経験は高く評価されます。
• パフォーマンスチューニング・高可用性設計の経験:
  キャッシュ設計やスケールアウト構成など、大規模トラフィック下でのパフォーマンス改善・安定稼働を実現した実績が歓迎されます。
• 生成AI・自動化ツールの実務活用経験:
  GitHub CopilotやLLMを活用したコード生成・テスト補助・開発効率化の実務経験があると、チームの生産性向上にさらに貢献できます。

• 超大規模トラフィック対応の設計・実装スキル:
  1日数億PVを超えるシステムで、ミリ秒単位のパフォーマンス改善や高可用性設計を実践することで、業界トップレベルの大規模システム開発のノウハウを習得できます。
• レコメンド・配信ロジックのエンジニアリングスキル:
  機械学習チームと連携しながら推薦精度とリアルタイム性を両立する基盤開発を担うことで、レコメンドシステムに特化した高度な技術力を身につけられます。
• 生成AI・DevOpsを活用した開発生産性向上スキル:
  生成AIをコード生成・テスト補助・調査に実務活用し、CI/CDやScrewdriver.cdを用いた自動化推進に携わることで、現代的なソフトウェア開発の実践力が養われます。
• クロスファンクショナルなプロダクト開発経験:
  サイエンスチーム・企画チームと連携し、施策立案からA/Bテスト・改善まで一気通貫で関わることで、エンジニアリングにとどまらないプロダクト思考が育まれます。
• 社内公募制度を活用したキャリア自律:
  一定期間勤務後は上長承認なしで社内公募へエントリーできる制度があり、自律的にキャリアを広げる経験と自己主導型のキャリア形成スキルが身につきます。