機械学習エンジニア

必須

• 機械学習を用いた開発の実務経験
• Python、SQLを用いたデータ分析・モデル開発経験
• 検索、推薦、ランキング、分類、回帰、行動予測、Embedding活用など、いずれかのML領域での実装経験
• モデル開発だけでなく、評価・運用・改善まで見据えて設計できる問題解決力
• チームや関係者と円滑に連携できるコミュニケーション力

歓迎

• 協調フィルタリング、Two-Tower、Retrieval / Ranker、画像類似検索などの設計・運用経験
• EC領域における検索、並び替え、パーソナライズ施策の実務経験
• 顧客行動ログ、商品マスタ、画像・テキスト特徴量を用いたモデル改善経験
• Offline評価指標設計、およびオンラインA/Bテストの設計・分析経験
• BigQuery、dbtなどを用いたデータ基盤活用経験
• PyTorch、Hugging Face、Vertex AI、BQML等の利用経験
• pgvector / Bigtable / Cloud SQL 等を用いたサービング・近傍検索基盤の設計経験
• MLOps、artifact管理、推論基盤、モデル監視、データ品質管理の経験
• フロントエンドやバックエンドを含む本番実装経験
• 生成AI（Cursor, Claude, GPT等）を活用した開発経験

求める人物像

• 「精度」の追求を超え、「事業と顧客の成果」に執着できる方
• モデルの美しさを目的化せず、「この1行の実装が顧客体験をどう変え、事業をどう伸ばすか」を問い続けられる方
• 仮説検証のサイクルを爆速で自走できる方
• データから筋の良い仮説を導き出し、試行・検証・改善のループを圧倒的なスピード感で自律的に回せる方
• Notebookを飛び出し、本番プロダクトの実装までやり切れる方
• ローカル環境での検証（PoC）で満足せず、本番環境でユーザーに価値を届けるところまで責任を持てる方
• 「フルスタックな視点」で領域横断のバリューを出せる方
• アルゴリズム開発に閉じこもらず、データ整備からサービング、事業KPIの接続まで一気通貫でコミットできる方
• 生成AIを相棒にし、自身の生産性を複利で高められる方
• 最新のAIツールを貪欲に使い倒し、開発のスピードと品質を次元上昇させたい方
• 異能のメンバーと、リスペクトを持って共創できる方
• 職種の壁を超え、異なる専門性を持つプロフェッショナルたちと敬意を持って1つのゴールへ突き進める方

使用ツール

募集背景と開発課題

• 直近で総額8億円の資金調達を行い、日本を代表するような大手企業様への導入が随時進んでおり、今後もこの成長をさらに加速させるため、プロダクトは今、機械学習の観点で大きな転換点を迎えています。

[1] 分析で終わらず、顧客体験を動かすアルゴリズム実装

• ECにおけるデータ活用では、分析結果が示唆に留まり、本番環境の体験改善につながらないことが少なくありません。
• 私たちが求めているのは、顧客行動・商品属性・コンテンツ・在庫や価格などの多様な情報をもとに仮説を構造化し、アルゴリズムとして実装し、実際のユーザー行動や事業KPIの変化までつなげられる力です。

[2] 個社最適に閉じない、横展開可能なML基盤づくり

• クライアントごとにデータ品質や粒度、業務制約は異なります。
• 一方で、その都度ゼロから作るのではなく、特徴量設計、前処理、学習・推論、評価、監視までを共通化し、複数社へ横展開できる形へ昇華させることが重要です。

[3] GenAI-NativeなML開発プロセスの確立

• 私たちは、Cursor、Claude Code、GPT等を前提とした開発プロセスを確立しています。
• 仕様理解、SQL作成、評価レポート生成、実装補助、QA、自動化などに生成AIを活用しながら、ML開発・分析・本番運用の反復速度を高めています。
• AIを補助的に使うのではなく、AIと協働して仮説検証密度を上げることが前提となる環境です。

推薦・検索アルゴリズムの設計・改善

• 協調フィルタリング、ランキング、画像類似検索、Two-Tower、Retrieval / Rankerモデルなどを活用した推薦・検索ロジックの設計・改善
• 商品シェルフ、メール、検索、ランキング、コーデ、記事、気温連動施策など、多様なユースケースへのML適用
• 精度だけでなく、多様性、鮮度、人気度、在庫、カテゴリ/ブランド制約などを考慮した実運用向けスコアリング設計

顧客データを用いた特徴量設計・データ整備

• 顧客行動ログ、商品マスタ、画像、テキスト、コンテンツ、在庫・価格・セール情報などを活用した特徴量設計
• クライアントごとに異なるデータ品質・粒度・制約を踏まえた前処理、評価データセット作成、データパイプライン整備
• 新商品、ログ薄商品、ロングテール商品など、EC特有のコールドスタート課題への対応

学習・評価・推論パイプラインの構築

• Offline評価基盤の整備、および Recall@K / NDCG / MRR / coverage / long-tail coverage などの指標設計
• 学習済みEmbeddingやRankerを本番環境に組み込むためのバッチ処理、artifact管理、差分更新、サービング設計
• pgvector / Bigtable などを用いた低レイテンシな基盤の設計・運用

オンラインA/Bテストと事業KPI改善

• オフライン指標だけでなく、CTR、CVR、売上、RPM、回遊率、離脱率などのオンライン指標で施策を評価
• 顧客ごとの施策仮説をA/Bテストに落とし込み、結果を分析し、次のアルゴリズム改善へ接続
• 他社ツールとの比較・リプレイスを見据えた評価設計と改善

個社施策の共通化・プラットフォーム化

• 1社向けに作ったロジックや分析手法を、複数クライアントに横展開できる共通機能へ昇華
• 顧客固有要件と、プロダクトとしての汎用性のバランスを取りながら設計

顧客現場に近いML開発

• ビジネスサイドやプロダクトチームと連携し、顧客MTGで出た課題や仮説を、数日〜数週間で動くデモ・本番実装に落とし込む
• 「ニーズ発掘 → デモ作成 → 実装 → 効果検証」のサイクルを高速に回す
• 論文・技術検証で終わらせず、本番環境でユーザー行動と売上を変えるところまで責任を持つ

生成AIを活用した開発・分析プロセスの高度化

• 仕様理解、SQL作成、評価レポート生成、実装補助、QA、自動化などへの生成AI活用
• ML開発・分析・本番運用の反復速度を高めるための社内ツール化、ナレッジ化、ワークフロー整備

開発環境

• 【開発言語】Go, Python, TypeScript, JavaScript (Vanilla JS)
• 【フレームワーク】Gin, Flask, Hono, React, Next.js, Svelte
• 【インフラ】Google Cloud Platform (GKE, Cloud Run, Cloud Pub/Sub), AWS CloudFront
• 【DB / データ基盤】BigQuery, Cloud SQL (PostgreSQL), Cloud Datastore, Cloud Bigtable
• 【ML】Vertex AI, PyTorch, Hugging Face, BQML
• 【DevOps / CI/CD】Terraform, GitHub Actions, Helm, Kustomization
• 【ツール】dbt, Redash, Slack
• 【AIツール】Cursor, Claude Code, Codex