バックエンドエンジニア / AI領域（MLプラットフォーム）

以下のいずれかの経験・技術知見が求められます。

• Pythonまたは Golang / Java / Rustなどを用いたサーバーサイド開発経験
• 機械学習システム・MLパイプラインの設計・開発経験
• Kubernetes / Dockerを用いたコンテナ環境での開発・運用経験
• 大規模分散システムの設計・構築経験
• Linux環境でのサーバーサイド開発経験
• CI/CDパイプライン（GitHub Actions / Argo等）の構築・運用経験

• 自律的な課題発見・解決力:
  大規模サービスを支えるMLプラットフォームの開発において、要件が曖昧な場面でも自ら課題を定義し、技術選定から実装・運用まで主体的に推進できる力が求められます。
• チームを超えた協働力:
  機械学習エンジニア・データエンジニア・SRE・サービス開発チームなど多様な職種と連携しながらプロジェクトを推進するため、技術的な議論を円滑に行えるコミュニケーション力が必要です。
• 技術的な論理思考力:
  高トラフィックかつ大規模データを扱うシステムの設計では、パフォーマンス・可用性・スケーラビリティを多角的に検討する論理的思考が不可欠です。
• 継続的な学習意欲:
  AI・ML領域は技術進化が著しく、新しいライブラリ・フレームワーク・アーキテクチャを素早くキャッチアップし、業務に取り入れていく姿勢が求められます。
• ドキュメンテーション・情報共有力:
  GitHub Enterprise・Confluence・Slackを活用したチーム内の情報共有や、設計ドキュメントの作成・維持など、組織横断での知識共有に積極的に取り組める力が求められます。

• 推薦・レコメンデーションシステムの開発経験:
  レコメンデーションシステムの設計・実装経験があれば、本ポジションのMLエンジン開発に直結する知識として高く評価されます。
• 特徴量エンジニアリング・Feature Store構築経験:
  特徴量データストアの設計・実装経験や、機械学習パイプライン全体の最適化経験は、自社プラットフォーム開発において大きな強みになります。
• A/Bテスト基盤の設計・実装経験:
  データパイプライン上でのA/Bテスト基盤の設計・開発経験があれば、本ポジションの業務内容に直接合致するため歓迎されます。
• Rustを用いたシステム開発経験:
  求人票に明記されているRust（BurnライブラリはRustベース）の実務経験は、特に希少性が高く、評価に直結する可能性があります。
• TensorFlow / PyTorchを用いたML実装経験:
  MLフレームワークを用いたモデル実装やオンライン推論システムの構築経験があると、MLエンジンの開発・運用業務においてより深く貢献できます。

• 超大規模MLプラットフォームの設計・運用スキル:
  数億ユーザー規模のサービスを支えるMLインフラを、インフラから設計・実装・運用まで一貫して担当することで、業界トップ水準の大規模システム設計スキルを習得できます。
• マルチテナント型ML基盤の構築ノウハウ:
  複数サービスを支えるマルチテナント型バッチMLプラットフォームの開発を通じて、スケーラブルかつ効率的なML基盤設計のノウハウを体系的に身につけられます。
• MLOps・CI/CDパイプライン構築スキル:
  GitHub Actions・Argo・DroneなどのCI/CDツールを活用したML開発自動化や、Prometheus・Grafanaを用いたモデル監視・運用の実践スキルを習得できます。
• 最新AI/MLライブラリの実践的活用力:
  TensorFlow・PyTorch・Burnなど最先端のMLフレームワークを実務スケールで活用する経験を積むことで、AIエンジニアとしての市場価値を高められます。
• プラットフォーム横断のテックリードスキル:
  社内の多様なサービス・チームと連携しながら、共通プラットフォームを推進するプロジェクトリード経験を通じて、技術的なリーダーシップスキルも養えます。