MLエンジニア

必須

• 機械学習・深層学習に関する開発または研究の経験
• PyTorch・TensorFlow などの機械学習・深層学習フレームワークの実装経験
• Pythonでの実装経験（データ処理・モデル学習・API連携など）

歓迎

• LLM・生成AIモデルのファインチューニング・推論最適化の経験
• CUDA／Triton 等 GPU プログラミングの経験
• Kubeflow／MLflow／Vertex AI などでのMLパイプライン構築・運用経験
• 本番モデルのパフォーマンス監視・ドリフト検知・再学習パイプラインの設計・運用経験
• Prometheus・Grafana・OpenTelemetry等を用いたMLシステムのモニタリング経験
• IaC（Terraform／Helm）＋ GitOps（Argo CD 等）の利用経験
• SRE・DevOpsの概念への理解・関心
• 英語での論文リーディング・技術コミュニケーション

求める人物像

• モデル開発から本番運用・監視・改善サイクルまで一気通貫で関与し、自ら改善を推進できる方
• SREチームや顧客エンジニアと連携しながら、AI基盤を協働で構築・改善できる方
• MLOps・モデル監視・信頼性工学（SRE）に強い関心を持つ方
• ミッション・ビジョン・バリューに共感頂ける方

使用ツール

募集背景

• SREドメインで国内トップクラスの実績を築いた当社は、データ基盤やDBREを経て、生成AI・機械学習モデルの開発・運用支援を本格化するフェーズに至りました。 直近、NVIDIA Inception プログラムに採択され、最新GPUハードウェア・CUDA環境へのアクセス、Deep Learning Institute（DLI）研修など、AI開発に特化した豊富な特典を獲得しています。
• 現在、大手クライアントを中心に、Google Cloud Gemini / Vertex AI・AI Platformを 活用した生成AI導入支援・機械学習モデルの本番運用支援が急増しています。 モデルを「作る」だけでなく「本番環境で動かし続ける」MLOps視点を持つエンジニアを募集します。

仕事内容

• モデル開発・実装
• NeMoを用いたLLM・画像／音声モデルのファインチューニング・カスタマイズ （LoRA・RAG・RLHFなど）
• NIM での推論マイクロサービス設計・実装・パフォーマンス最適化
• Python／PyTorch を中心としたモデル開発・評価・改良サイクルの推進
• 論文・Kaggle上位解法・OSS を調査し、プロダクトレベルで実装
• 本番運用・MLOps
• Kubeflow・Vertex AI・MLflowなどを活用したMLパイプライン構築・自動化・継続的デプロイ
• 本番モデルのパフォーマンス監視・ドリフト検知・再学習トリガーの設計・運用モデルの推論品質・レイテンシ・コストのモニタリング基盤構築 （Prometheus・Grafana・OpenTelemetry との連携）
• SREチームと連携したMLシステムの信頼性・可用性向上 （SLI/SLO定義、インシデント対応）
• 改善サイクル・ナレッジ共有
• 生成AIを活用した開発プロセスの高度化・自動化の推進
• プロジェクトで得られた知見のドキュメント化・社内勉強会・RAG化
• 技術ブログ・カンファレンス登壇・OSS コントリビュート（希望者）
• ※インフラ専任SREが別に在籍しており、MLOps基盤のインフラ部分はSREと協業します。 MLエンジニアは「使いこなす・改善する・監視する」スタンスで、本来のMLドメインに 集中できる環境です。

仕事の魅力

• 国内トップクラスのクライアントのAI基盤構築・本番運用に最前線で関われる
• NVIDIA Inception採択により、最新GPU環境・DLI研修など、AI開発に特化したリソースを活用できる
• SREのエキスパートとの協働で「MLOpsを分かるMLエンジニア」「推論サービスの信頼性を語れるMLエンジニア」という市場希少なポジションを確立できる
• モデルを「作って終わり」ではなく、本番環境での運用・監視・改善サイクル全体に関与できる
• 伴走型コンサルティングにより、クライアントの内製化・競争力強化に直接貢献できる （SIer・SESとは異なるスタイル）
• AI駆動開発ツール（Claude・Cursor・Devin・Gemini等）を積極活用する開発文化
• エンジニア職・非エンジニア職が互いを尊重し合う協力的な雰囲気

開発環境

• パブリッククラウド: AWS, Google Cloud
• 開発言語: Go, Python, JavaScript, TypeScript など
• IaC: Terraform, Helm, Ansible など
• コンテナオーケストレーション: Kubernetes（GKE, EKS）
• サービスメッシュ: Istio
• バージョン管理 / CI/CD: GitHub, GitLab, GitHub Actions, Argo CD など
• モニタリング / オブザーバビリティ: Datadog, Prometheus, Grafana, OpenTelemetry, Amazon CloudWatch, Cloud Monitoring, Cloud Logging, Elastic Stack など
• インシデント管理: PagerDuty
• 生成AI: GitHub Copilot, Claude, Cursor, Devin, Gemini など
• その他: Jira, Slack, Notion
• マシン: MacBook Pro (14 inch) ※WindowsOS PCも選択可
• ※あくまで一例です。参画するプロジェクトによって異なる場合があります。

活躍イメージ

• 入社後半年〜1年： 顧客のAI案件に参画し、モデル開発〜本番デプロイ〜監視・運用の一連のサイクルを担える状態。 SREチームとの連携も自走できる。
• 1〜2年以降： ML×SRE視点を持つアーキテクトとして、顧客から直接指名される存在に。 AI基盤の設計・MLOpsパイプラインの構築をリードし、組織目標（ナレッジ共有・AI活用推進）への貢献も期待。