AIプラットフォームエンジニア

以下のいずれかの経験・知見が求められます。

• 機械学習モデルの開発・評価・本番運用経験
• LLM／Embeddings技術を活用したシステム設計・実装経験
• 推薦システムまたは検索システムの開発経験
• MLOps / LLMOpsの設計・運用経験
• Pythonを用いたデータ処理・特徴量エンジニアリング経験
• A/Bテストなど実験設計・指標分析の経験

• 自律的な課題発見と推進力:
  AIプラットフォームの基盤構築において、上位の指示を待つのではなく、自ら課題を設定し技術・ビジネス両面から解決策を主体的に推進できることが求められます。
• ビジネス視点との接続力:
  エンジニアリングの観点だけでなく、クリエイターの集客・ユーザー体験向上といった事業目標に対して、機械学習の成果をどう貢献させるかを考えられる視点が必要です。
• クロスファンクショナルな連携力:
  ビジネスチームや運営チームと連携してオペレーション効率化を支援するなど、職種横断での協働が多いため、円滑なコミュニケーション・調整力が求められます。
• 技術的アウトプットへの積極性:
  最新AI技術を積極的に取り入れ、社内外に発信することが奨励される文化のため、技術ブログ執筆・登壇など情報発信への意欲がフィットします。
• 不確実性への対応力:
  LLMや推薦技術という変化の激しい分野において、仮説検証を素早く回しながら成果を出せる柔軟な思考と試行錯誤を楽しめるマインドが重要です。

• ベクトル検索・全文検索エンジンの活用経験:
  Elasticsearch等を用いた検索基盤の設計・運用経験があると、即戦力として活躍できます。
• 大規模データパイプラインの設計・運用経験:
  RedshiftやBigQueryなどを活用したデータ基盤の構築・運用経験があると、行動ログやコンテンツ特徴量の処理において有利です。
• コンテンツプラットフォーム・メディアサービスでの開発経験:
  ユーザーの多様な行動ログやコンテンツデータを扱うプラットフォームでの経験は、本ポジションの業務に直結します。
• 技術発信（ブログ・登壇等）の実績:
  最新技術を社外へ発信する文化を持つ組織のため、技術記事執筆や勉強会登壇などのアウトプット実績が高く評価されます。
• クラウドインフラ（AWS / GCP）を活用したML基盤の構築経験:
  クラウド上でのMLパイプライン構築やコスト最適化の経験があると、既存基盤の刷新プロジェクトで即貢献できます。

• LLMOps / MLOpsの実務設計力:
  推論パイプラインの構築から運用監視・A/Bテストまで、本番環境でのLLM・機械学習モデルの運用体制を一気通貫で設計・改善する実践的スキルが習得できます。
• 大規模コンテンツプラットフォームでの推薦・検索基盤の知見:
  国内有数のデータ規模を誇るプラットフォームで、推薦エンジンや検索基盤の設計・運用を担うことで、希少性の高い実務知見を蓄積できます。
• 生成AI・Embeddings技術の実装応用力:
  LLMやEmbeddings技術をプロダクトに組み込む実践経験を通じ、急速に進化するAI技術の最前線で応用できる深い専門性を身につけられます。
• 技術選定・ロードマップ策定のリーダーシップ:
  要件定義から技術選定、開発計画の策定まで幅広く関与することで、単なる実装者を超えたAI基盤エンジニアとしてのリーダーシップスキルが養われます。
• 信頼性・安全性を考慮したAIシステム設計力:
  悪意ある行動の検知やLLMによるコンテンツ判定など、AIを活用した安全性・信頼性設計の経験を積むことで、responsible AIの実務スキルが得られます。