Research Engineer（Search & Recommendation / NLP）

必須

• 検索・推薦・自然言語処理のいずれかの領域における専門性と開発経験
• 教師あり/なし学習・強化学習を用いたモデルの設計・学習・評価・改善の経験
• 論文を読み、手法を再現し、自らの課題設定に合わせて改変した経験
• 国内学会または国際学会での論文投稿経験

歓迎

• 自ら開発した技術を本番システムに載せ、効果を検証した経験
• Embeddingモデル、検索モデル、ランキング学習・リランキング等、情報検索固有の手法に関する研究開発・評価の経験
• SLM・LLMのファインチューニングおよび本番運用の経験
• 国際会議での論文発表、査読経験
• 数理最適化・オペレーションズリサーチのバックグラウンド
• データサイエンス・機械学習関連のコンペティションでの入賞・上位成績の経験

求める人物像

• 精度や新規性だけでなく、プロダクトとユーザーにどう効くのかを考え、検証まで持っていける方
• 研究開発と実装の両方に関与することに面白さを感じられる方
• HR領域特有の課題を理解し、汎用的な手法をドメインに合わせて設計できる方
• 論文や最新の手法を継続的に追い、有望なものを自ら持ち込んで試せる方
• 立ち上げ期のチームで、前提が変わることを織り込みながら、柔軟に判断して進められる方

使用ツール

募集背景

• ビズリーチの心臓部である検索機能や推薦機能は、15年以上にわたり、数多くのマッチング機会を生み出してきました。マッチングサイエンスグループは、その機会を最大化するための技術資産をつくるために発足したチームです。私たちはマッチング機会を広げる技術を開発し、実際のユーザーに届けるところまで責任を持っています。
• HR領域のマッチングは、求職者と企業の双方にとって最適な組み合わせを見つける需給の割当問題であり、 応募・面談・内定といったその後の結果がデータとして返ってくる点に特徴があります。このデータを活かした独自のモデルの開発が、今後の技術的な差別化の鍵です。直近ではHR領域に特化したSPLADEモデルを研究開発し、国内学会への論文投稿とあわせて、本番環境で実ユーザーへの提供まで実現しました。今後はEmbeddingモデル、ランキングモデル、SLMをHR領域に適した形にしていくとともに、AIエージェントのツールとしても、これらのモデルを組み込んでいきます。このポジションでは、モデルの研究開発を中心に、この流れを加速し、主導していただける方を求めています。

どんな人がいるチームか

• 全員が検索・推薦・自然言語処理のいずれかの領域に専門性を持っています。そのうえで、研究開発やモデリングに軸足を置くメンバーから、アプリケーション開発に軸足を置くメンバーまで、得意領域はそれぞれ異なります。
• 一人で研究から実装、運用までのすべてを背負うのではなく、それぞれの強みを軸にしながら、チームとして研究開発から本番デリバリーまでを担っています。

チームの特徴

• 私たちのチームは以下のことを大切にしながら業務に取り組んでいます。
• 技術による事業成長への貢献 単なる技術の実装に留まらず、それが事業の成長にどう貢献するのかを常に意識し、戦略的な視点を持って開発に取り組んでいます。
• 技術革新への意欲とそれを実現する力 新しい技術トレンドを積極的に学び、現状に満足することなく、常に最適な技術の探求と適用による課題解決を目指しています。
• プロジェクトに応じた柔軟なチーム編成 検索グロースとプラットフォーム構築を主な活動領域としており、プロジェクトや課題に応じて必要なスキルを持つメンバーが集まり、小規模チームを組成して取り組みます。チーム間の情報共有と連携は密に行っています。

チームの課題とジョインいただいて解決に力を貸して欲しいこと

• 双方向のリランキング、Embeddingモデル・SLMのドメイン適応、エージェントが利用する検索など、取り組みたいテーマは多い一方で、モデルの研究開発を課題設定から評価まで担えるメンバーが限られており、複数のテーマを並行して進められていません。

双方の観点を織り込んだモデル設計

• 求職者にとって良い候補と、企業にとって良い候補は一致しません。片側の関連度を最適化するだけでは解けないため、双方の観点を織り込んだリランキングモデルを設計し、評価する必要があります。

ドメイン特化モデルの継続的な研究開発

• SPLADEで取り組んだドメイン特化モデルの研究開発を、EmbeddingモデルやSLMにも広げていきます。一度作って終わりではなく、データとモデルの更新を継続し、汎用モデルに対する優位性を維持できる形にする必要があります。

実データを用いた評価の設計

• 応募・面談といった、求職者と企業それぞれの選択は、モデル評価に使える強い信号です。一方でオフライン指標との対応は自明ではなく、両者の関係を明らかにして、研究開発の判断を実データに基づいて行える状態にする必要があります。

業務内容

• 検索・推薦に関するモデルおよびアルゴリズムの調査、設計、実装、評価
• Embeddingモデル（BERT系等）およびSLMのファインチューニングと、検索・推薦・AI Agentへの適用
• 評価設計、実験計画の立案と結果の解釈
• 本番環境への実装、実ユーザーへの提供、効果検証

API開発

• Python,FastAPI

ML・データ分析

• Python, Jupyter Notebook, PyTorch, BigQuery

クラウド

• AWS(ECS, Lambda, Kinesis 等), Docker

プロビジョニング

• Terraform

DB

• MySQL

検索エンジン

• Elasticsearch(Elastic Cloud) /OpenSearch

ソースコード管理

• GitHub

IDE

• IntelliJ / Visual Studio Code

AI Coding Tools

• Claude Code, Gemini

モニタリング

• Datadog

コミュニケーション

• Slack, Zoom, Miro