ソフトウェアエンジニア / AI Infra領域

以下のいずれかの経験・知見が求められます。

• 大規模分散システムの設計・開発・運用経験
• MLOpsプラットフォームの構築・運用経験
• Kubernetes / コンテナオーケストレーション環境での開発・運用経験
• GPU/CPUクラスターを活用したAI/ML基盤の設計・実装経験
• Python・Go・Java等を用いたバックエンド開発経験
• マルチテナント環境の設計・実装経験

• 技術的な課題を自律的に定義し推進できる力:
  AI基盤という未開拓・変化の速い領域において、課題を自ら特定・定義し、解決策を主体的に設計・推進できる自走力が求められます。
• 複数サービス・多様なステークホルダーとの連携力:
  全社横断プラットフォームの特性上、多くのサービスチームや事業部門と密に連携し、各ユースケースの要件を抽象化・整合させるコミュニケーション能力が必要です。
• 拡張性・信頼性・効率性を両立する設計判断力:
  大規模環境における可用性・スケーラビリティ・コスト効率を同時に考慮した設計判断を行える、トレードオフを理解した上での意思決定力が求められます。
• 継続的な改善を推進するプロアクティブな姿勢:
  現状に満足せず、基盤プラットフォームの標準化・継続的改善を能動的に提案・実行できる向上心と推進力が必要です。
• 技術選定・アーキテクチャレビューをリードできるリーダーシップ:
  チームや組織に対して技術的方向性を提示し、議論をリードしながらコンセンサスを形成できる能力が求められます。

• Kubeflow・MLflow・Apache Airflow等のMLOpsツール活用経験:
  モデルの学習・評価・デプロイ・モニタリングをパイプライン化した経験があると即戦力として活躍できます。
• 大規模言語モデル（LLM）の学習・推論基盤構築経験:
  LLMのファインチューニングや推論最適化（量子化・バッチ推論等）に関する基盤設計・構築の経験は高く評価されます。
• クラウドプラットフォーム（GCP・AWS・Azure）の活用経験:
  クラウド上でのGPUリソース管理やスケーリング設計の経験は、プラットフォームの効率化に直結します。
• オープンソースコミュニティへの貢献経験:
  KubernetesやMLflow等のOSSへのコントリビューション経験は、技術的な深さと社外への影響力を示すものとして評価されます。
• 英語でのドキュメンテーション・コミュニケーション能力:
  外国籍社員比率が高い組織であるため、英語での技術文書作成や議論ができると社内外の連携がより円滑になります。

• 国内最大規模のAIプラットフォーム設計・運用スキル:
  数千万ユーザーを抱えるサービス群を支えるAI基盤を設計・運用することで、大規模分散システムとMLOpsの実践的な設計力を体系的に習得できます。
• マルチテナント型プラットフォームエンジニアリング能力:
  複数サービス・多様なユースケースに対応するマルチテナント環境の設計・実装を通じて、エンタープライズ級の基盤開発スキルが身につきます。
• GPU/CPUリソース管理・スケジューリング最適化の専門知識:
  大規模GPU/CPUクラスターの効率的な利用を実現するスケジューリング戦略の設計・実装を通じて、AI計算資源管理の専門スキルを獲得できます。
• 全社横断プロジェクトのリードと技術戦略立案能力:
  全社戦略に直結するプラットフォーム整備をリードすることで、技術選定・アーキテクチャ設計・組織横断の推進力を高めることができます。
• 最新AI/ML技術の実務適用能力:
  生成AIや大規模モデルの開発・推論基盤に関わる最前線の実務を通じて、LLM・分散学習・推論最適化等の先端技術を実践的に習得できます。