バックエンドエンジニア・機械学習エンジニア / コマースサイエンス

以下のいずれかの経験・知見が求められます。

• JavaまたはPythonを用いたバックエンド開発経験
• 機械学習を利用したシステム開発・プログラム実装経験
• APIの設計・開発・テスト・運用経験
• MySQL・Cassandra等RDB/NoSQLデータベースの実務経験
• ビジネスレベルの日本語コミュニケーションスキル

• 能動的な課題発見力:
  自ら積極的に課題を発見し、チーム内外の関係者を巻き込みながら能動的に仕事を進められる姿勢が求められます。
• 成果へのこだわりと責任感:
  施策の効果検証・分析を含め、最後まで責任をもってやり抜く粘り強さが必要です。
• 変化への適応力と学習意欲:
  新しい技術や手法を迅速にキャッチアップし、柔軟に対応できる姿勢が求められます。
• ポジティブなコミュニケーション力:
  多様なバックグラウンドを持つメンバー（企画・データサイエンティスト・インフラ等）と協力して働ける協調性が重要です。
• 複数ステークホルダー間の優先順位付け能力:
  企画者との要件すり合わせや提案など、複数の関係者の要求の中で課題の優先順位を判断しながら解決できる力が必要です。

• Goを用いたバックエンド開発経験:
  求人票記載の開発言語にGoが含まれており、Goを用いたAPI・マイクロサービス開発の経験がある方は即戦力として活躍が期待されます。
• 検索・レコメンドシステムの設計・実装経験:
  Apache SolrやVespaなどの検索エンジン、またはレコメンデーションエンジンの設計・実装経験がある方は、コマース領域の中核業務に直接貢献できます。
• 大規模データ処理基盤（Trino・Apache Airflow等）の活用経験:
  データパイプラインや分散処理基盤に関する知識・経験を持つ方は、MLOpsやバッチ処理設計において大きなアドバンテージになります。
• A/Bテスト設計・効果分析の経験:
  施策のテスト設計や統計的な効果測定の経験があると、ユーザー体験向上のための改善サイクルをより高速に回すことができます。

• 大規模コマース向け機械学習・推薦システムの実践知識:
  億単位のユーザー・商品データを対象に、検索ランキングロジックやレコメンドモデルの設計・改善に携わることで、実運用の機械学習システム開発の高度なノウハウが身につきます。
• 多様な分散データベース・検索基盤の運用スキル:
  MySQL・Cassandra・Apache Solr・Vespa・Trinoなど、業界でも先進的なデータストア群を実務で扱う経験が得られます。
• プロダクション環境でのMLOps・CI/CDの実践スキル:
  Apache AirflowやGitHub Enterprise等を活用し、機械学習モデルの継続的デプロイ・モニタリング・運用まで担当することで、MLOpsの実務スキルが習得できます。
• ビジネス要件からの技術提案・コミュニケーション能力:
  企画者との要件すり合わせから設計・リリースまで関与することで、技術をビジネス価値に変換する提案力・折衝力が養われます。
• データドリブンな意思決定・効果検証スキル:
  施策のテスト設計・分析・改善サイクルを繰り返すことで、データに基づいた仮説検証と意思決定のスキルが実践的に身につきます。