LLMインフラエンジニア/戦略開発部

以下のいずれかの経験・知見が求められます。

• GPUクラスター設計・構築・運用経験
• 高速推論基盤（vLLM・TensorRT-LLM等）の構築・運用経験
• LLM（大規模言語モデル）のインフラ設計・デプロイ経験
• GPUリソース管理・スケジューリング（Kubernetes/Slurm等）の経験
• GPUベンダー（NVIDIA等）との技術連携・調達経験
• MLOps・モデルサービング基盤の設計・運用経験
• Python等を用いたインフラ自動化・IaC（Infrastructure as Code）経験

• 技術的オーナーシップ:
  GPUクラスターの技術責任者として、設計から運用まで一気通貫で責任を持ち、自律的に課題を発見・解決できる主体性が求められます。
• ステークホルダーとの連携力:
  GPUベンダー・社内AI研究チーム・事業部など多様な関係者と連携し、技術的な要件を的確に調整・交渉できるコミュニケーション能力が必要です。
• スピード感を持った意思決定:
  CTO直下のミッションクリティカルなプロジェクトとして、急速に変化するAI技術トレンドに対応しながら、スピード感を持って判断・実行できる能力が求められます。
• 品質・サービス水準の管理意識:
  高速推論基盤の安定稼働とサービス品質（SLA）の管理を担うため、信頼性・可用性に対する高い意識と、問題を未然に防ぐ設計思想が必要です。
• 学習意欲と技術キャッチアップ力:
  GPUアーキテクチャやLLM推論最適化の技術は急速に進化しており、最新情報を継続的にキャッチアップし、実務に応用し続ける姿勢が求められます。

• LLM推論最適化の知見:
  vLLM・TensorRT-LLM・Flash Attentionなどを用いたモデル推論の効率化や量子化（FP8・INT4等）の実務経験があると即戦力として活躍できます。
• 大規模分散学習基盤の経験:
  Megatron-LM・DeepSpeed等を用いた大規模分散学習インフラの設計・運用経験があると、独自LLMの学習フェーズでも貢献できます。
• クラウド・オンプレミスハイブリッド環境の運用経験:
  AWS・GCP・AzureなどのパブリッククラウドとオンプレGPUクラスターを組み合わせたハイブリッド環境の設計・運用経験は歓迎されます。
• 日本語NLP・LLM評価の知識:
  日本語に特化したLLMの評価手法や、ファインチューニング・RLHF・DPOなどの知識があると、モデル開発チームとの連携がよりスムーズになります。
• GPUポータル・リソース管理ツールの開発経験:
  GPUリソースの利用可視化・割り当て管理のためのポータル開発（Web系バックエンド含む）の経験があると、本ポジションの中核業務に直結します。

• 最先端GPUインフラ設計・運用スキル:
  NVIDIA H100/B200等の最新世代GPUを用いた大規模クラスター設計・運用のノウハウを、実務を通じて体系的に習得できます。市場での希少価値が高く、転職市場でも強力な武器となります。
• LLM推論最適化・MLOps実践力:
  高速推論基盤の構築・チューニングを通じ、量子化・バッチング・モデル並列化などの推論最適化技術を深く習得できます。AIインフラエンジニアとしてのMLOps実践力が大幅に向上します。
• GPUリソース管理・ポータル設計力:
  ゼロからGPUポータルを設計・構築する経験を通じ、大規模AIインフラのリソース管理・スケジューリング設計の全体像を把握できます。
• 大規模日本語LLM開発の技術的知見:
  DMMのユニークなデータを活用した独自LLM開発プロジェクトに深く関わることで、日本語に特化したLLMの開発プロセス全体（データ設計・学習・推論・サービング）の知見を得られます。
• ベンダー折衝・技術調達スキル:
  GPUベンダーとの技術連携・交渉経験を通じ、最新ハードウェアの評価・調達・導入に関するビジネス・技術両面のスキルを習得できます。