ML Lead Engineer

必須

• 平日日中の週4以上（できれば週5）の稼働

• ビジネス・リーダーシップ

  • ビジネス指標（CTR、CVR、LTVなど）を目標として持ち、改善するためのロードマップの策定と実行経験、そのためのモデル開発や各種実装経験
  • チームまたはプロジェクトのリード経験

• 技術

  • レコメンデーション分野（コンテンツ推薦、商品推薦、パーソナライズド、ランキングなど）におけるプロダクト開発の実務経験
  • 目安直近5年で最低2年以上
  • MAUが最低数十万以上の規模、もしくはそれに近いトラフィックやデータ量での経験
  • PoC経験はNG
  • レコメンデーション分野における、モデルを用いた実装、特徴量エンジニアリングや前処理、実運用・モニタリング（MLOps）、精度改善、効果検証の経験
  • CF（Collaborative Filtering: 協調フィルタリング）
  • MF（Matrix Factorization: 行列分解）
  • DNN（Deep Neural Network: ニューラルネット、深層学習）
  • Transformer系（BERTなど）
  • Two-Tower
  • Wide & Deep
  • GNN（グラフニューラルネット）
  • DeepFM

歓迎

• ECやソーシャルメディア領域でのレコメンド実務経験
• リアルタイム推論環境の開発・運用経験
• データエンジニアリング・インフラ構築の知見（AWS、GCP、Databricks、BigQueryなど）
• MLプロジェクトにおけるビジネスサイド・プロダクトサイドとの協業経験

求める人物像

• 「日常に楽しさを」「新しい生活圏のカタチをつくる」への共感
• 「変化を愛す」「追い風をおこせ」「成果でつなげ」「好きを大事に」への共感
• ECの体験には可能性があると少しでも感じる方
• 0→1, 1→10, 10➝100,1000 の目まぐるしく変化する環境で挑戦したい方
• 10兆円を超える、他に類を見ない巨大市場にてチャレンジしたい方
• ソフトウェアを軸に大きなチャレンジを行いたい方

使用ツール

募集背景

• カウシェは累計700万ダウンロードを突破しました。2023年の事業転換以降、約3年でGMV35倍、売上総利益411倍、DAU81倍を達成して急成長しています。この成長を支えるコア技術がレコメンデーションです。Vertex AI上でTwo-Towerモデルをはじめとした複数のMLモデルが本番稼働しており、導入以来KPIを大きく改善してきました。
• 一方で、モデルの実装・改善・プロダクション化を専任でリードできるMLエンジニアが不在です。現在はData Science / ML領域を業務委託1名体制で運用しており、仮説構築から実装・効果検証まで分業できる体制が整っていません。
• これまでの主な成果は商品レコメンドですが、今後はUGC（口コミ投稿）とお客様とのマッチング、商品出品者への改善提案、広告配信の最適化、ダイナミックプライシングなど、MLを活用できる領域は大きく広がっています。モデルの設計・実装からプロダクション化・効果検証まで、一気通貫でリードいただけるMLエンジニアを募集します。

業務内容

• MLモデルの設計・実装・改善を通じて、プロダクトの体験と事業成長を直接動かしていただきます。分析や基盤整備だけで終わらず、モデルそのものをプロダクションレベルで動かすことに責任を持つポジションです。
• レコメンドモデルの設計・実装・チューニング（Two-Tower / LightGBM等）
• 特徴量エンジニアリングの実装と、オフライン/オンライン評価の設計
• A/Bテストの設計・実施・効果検証を通じたモデル改善のPDCA
• モデルのプロダクション化（Cloud Run等への実装・最適化）
• ML施策の技術的意思決定とPdM等との連携

レコメンドモデルのアーキテクチャ進化

• 現在稼働中のTwo-Towerモデルをベースに、精度・速度・スケーラビリティをどう高めるかを設計・実装します。次世代のアーキテクチャを自ら提案し、プロダクションで検証できる環境があります。

コールドスタート問題

• 新規お客様の初期利用期間は購買データが基本的にありません。ファーム内行動やアプリ内行動など、カウシェ固有のシグナルから嗜好を推定するモデルを設計・実装します。

リアルタイム性の向上

• カウシェにおけるレコメンドユースケースではリアルタイム性の向上が事業インパクトに大きな影響を与えるものが多数あります。そのためのモデル側の最適化に取り組みます。

短期CVR vs 長期LTV

• レコメンドが短期的な購入率に最適化されすぎていないか、長期的なお客様価値との両立をどうモデルに組み込むかという構造的な問いに、実装レベルで向き合います。

新たなML活用領域への展開

• UGC（口コミ）のパーソナライズ、広告配信の最適化、ダイナミックプライシングなど、「何のデータをインプットに、何をアウトプットするか」の新しいモデルを事業インパクトの大きい順に設計・実装していきます。

開発環境・技術スタック

• データ基盤・分析: BigQuery, Dataform, Python, Looker Studio
• ML基盤: Google Cloud (Vertex AI, Vertex AI Experiments, Cloud Spanner, etc)
• AI/LLMツール: Claude Code, Cursor, Codex, GitHub Copilot（全員分予算あり）
• その他: GitHub, Slack, Notion

書いたモデルが、翌日のKPIに直結する

• カウシェのレコメンドはプロダクトの中核です。実装したモデルの改善が売上・滞在時間・継続率に直接反映される、解像度の高いフィードバックループの中で開発できます。

現行モデルの次を自分で設計できる

• 既存モデルはすでに本番稼働中ですが、アーキテクチャの進化余地は大きく残っています。「次世代のレコメンドエンジンをどう設計するか」を自分の技術判断でリードできる環境です。

月20日以上・1日38分という、ECとしては異例の高密度データが武器になる

• 一般的なECアプリの滞在時間は数分程度です。カウシェはゲーム要素を持つ独自の設計により、お客様が日常的に開くアプリになっています。この高頻度・高密度な行動ログは、精度の高いモデル設計と実験を可能にする、他社にはないデータ資産です。

レコメンドにとどまらず、ML活用の今後を自分で描ける

• 現在の主戦場は商品レコメンデーションですが、UGCパーソナライズ・広告配信最適化・ダイナミックプライシング・UI出し分けなど、カウシェにおけるデータ・ML活用の余白は広大です。「次に何をデータで解くか、モデル実装していくか」の優先順位から自分で設計できる、一人目ならではの裁量があります。

AIフル活用が前提の職場

• DS含む全エンジニアにAIフル活用を義務化しており、個人の利用予算も会社が負担します。Claude Code・Cursor・Codexを使い、コードの大半をAI経由で生成。少人数でスピードと品質を両立するスタイルです。

開発スタイル

• 1チームあたり4〜10名のPM、デザイナー、エンジニア、QAなどの職能混合チームで開発を行います。
• 要件定義からリリースまで、チーム全員が主体的に関わるスタイルです。
• 「品質を上げるからこそ速く作れる」という哲学のもと、品質を重視した開発を徹底しています。

キャリアパス

• カウシェのML Engineerポジションは、モデルの設計から実装・プロダクション化まで一気通貫で担う希少な経験を積める環境です。実績を積んだ後は、ML領域の技術的意思決定をリードするML Lead Engineer、さらにはData Science・MLチーム全体を率いるHead of ML / CDO（Chief Data Officer）などへのキャリアパスを想定しています。
• レコメンド・パーソナライズ・広告最適化という複数ドメインを横断した実装経験は、市場における希少価値に直結します。

入社後3ヶ月のマイルストーン

• 入社直後から「放置」することはありません。明確なマイルストーンと共に、チーム全体で立ち上がりをサポートします。

1ヶ月目：プロダクトとコードベースの理解

• 既存のレコメンドモデルのアーキテクチャ・特徴量・評価指標の構成を理解する
• ユーザー行動データ・購買データを探索し、データの全体像や顧客像を把握する

2ヶ月目：最初のモデル改善

• 特徴量の改善提案やモデルのチューニングに着手する
• モデルの改善仮説を立てる

3ヶ月目：アーキテクチャ提案とロードマップ策定

• ML施策の優先順位づけとロードマップを策定する
• 効果検証の仕組みを整え、施策のPDCAを自走で回す
• 今後のアーキテクチャ検討・提案や実行を行う