機械学習エンジニア条件を変える閉じる
シニア機械学習エンジニア（金融事業領域）
給与
記載なし※ 募集要項に金額の記載がありません
- 勤務地
- 記載なし
- 雇用形態
- 正社員
- 働き方
- ハイブリッド勤務
- 年間休日
- 記載なし
在宅勤務あり
要約求人票をもとにAIがまとめたものです
PayPayの金融事業領域において、与信・リスク管理・マーケティングモデルの開発と、AI活用のためのシステムアーキテクチャ設計をリードするポジションです。ビジネス要件定義からモデルやシステムの設計・実装、本番運用、MLOpsの運用改善までを担います。
応募資格
必須
- 機械学習、データマイニング、統計学等の分野において、数理的理論からアルゴリズムを深く理解し、ゼロからアプローチを設計できる知見をお持ちの方（ML/AI分野でのトップカンファレンスやトップジャーナルへの論文採択/発表実績がある、もしくは同等の高度な数理バックグラウンド）
- 与信（クレジットスコアリング）、リスク管理、不正検知、マーケティング最適化、ユーザー行動予測などのドメインにおいて、実データを用いた機械学習モデルの開発・運用経験。
3. 機械学習システムにおけるアーキテクチャ設計・プロダクト組み込み経験
- ビジネス要件に基づき、システムの品質要件（予測精度、説明可能性、安定性、コスト等）を定義した経験。
- モデルを実際のプロダクトや業務プロセスに安全に組み込むための、システム全体の構造設計（MLパイプライン/MLOpsの構想・設計など）を主導した経験。
- パッケージ管理、テストツール、Linter等を活用し、コードレビューや品質向上を自ら推進した経験。
歓迎
- 金融・決済領域における実務経験（フィンテック、銀行、証券、クレジットカード等における与信やリスク管理モデルの開発経験）
- 数理工学、統計学、コンピュータサイエンスなどの分野における博士号（Ph.D.）
- Kaggle等のデータ分析コンペティションにおける上位入賞実績（Kaggle Master / Grandmasterなど）
- 大規模なデータセット（数千万〜億件規模）を扱うためのクラウド環境（GCP, AWS等）を用いたデータ処理パイプラインの構築・運用経験
- 機械学習システムを安定的かつ効率的に運用するためのMLOps基盤（Kubeflow, MLflow等）の導入・運用経験
- 5〜10名程度のチームリード、またはテックリードとしてのプロジェクトマネジメント経験
- OSSコミュニティへのコントリビューションや、国内外の主要学会における論文査読（Reviewer）等の実績
- ビジネス英語力（TOEIC 800点以上、または英語での技術的なディスカッション経験）
求める人物像
- 研究やPoCに閉じず、ビジネス課題を理解し、機械学習を実際のプロダクト価値として社会に届けたい方を歓迎します。
- PayPay 5 sensesに当てはまる方
応募について
- 金融ドメインの経験は必須ではありません。
募集要項最終確認 10/2
- 職種
- 機械学習エンジニア
- 雇用形態
- 正社員
- 役職
- テックリードとしての役割
- 給与
- 記載なし
- 給与の詳細
- 年俸制（一部固定残業代含む）経験、スキル、業績、貢献度に応じ当社規定により決定毎年1回見直し時間外勤務手当、深夜勤務手当※給与支給について、一部をPayPayアカウントで受け取ることが可能です（給与デジタル支払いに対応）
- 手当
- 時間外勤務手当深夜勤務手当
- 勤務地
- 記載なし
- 働き方
- Hybrid Workstyle※所属組織のルールおよび業務指示に応じて出社対応頂きます。
- 勤務時間
- スーパーフレックス制（コアタイム無し）原則：午前9時～午後5時45分（実働7時間45分＋休憩時間 1時間）
- 休日・休暇
- 土日祝日、年末年始および会社指定日年次有給休暇(初年度14日間、入社月に応じて按分付与。入社日から使用可）パーソナル休暇（毎年度５日間付与/初年度入社月により3日間もしくは5日間付与）※PayPay独自の特別有給休暇制度で、本人/家族/ペットなどの病気/ケガ/通院付き添い等にご使用頂けます。
- 福利厚生
- 企業型確定拠出年金制度
- 社会保険
- 社会保険（健康保険、厚生年金、雇用保険、労災保険）
- 経験年数
- 3年以上
- 掲載日
- 2026/07/07 21:47（87日前）
- 最終確認
- 2026/10/02 04:48（今日）
仕事内容
募集の背景
- PayPayはNo.1のFintech企業を目指し、新しい金融の在り方を世の中に発信していきます。
- その実現に向けて、AI・データ活用は事業成長とプロダクト進化の中核を担うテーマです。PayPayでは、決済・金融サービスに関わる大規模なデータを活用し、ユーザーや加盟店にとってより便利で安心な金融体験を提供するため、AI・機械学習技術の社会実装を進めています。
- 私たちのチームは、ユーザー・加盟店向け金融サービスの領域において、データを活用したリスク評価・プロダクト改善に取り組んでいます。これまでに、「PayPay資金調達」や「PayPay店舗専用ローン」など、加盟店向け金融サービスの中核を支えるデータ活用・機械学習システムの設計・開発を担ってきました。今後もさまざまな金融サービスにおいて、AI・データ関連技術を活用した新しい金融体験の創出を進めていきます。
- 一方で、PayPayが扱うのは「お金」や「ユーザーデータ」に直結するミッションクリティカルな領域です。機械学習モデルには、ビジネス要件を満たし、高い性能を発揮することに加えて、信頼性、説明可能性、安定性、セキュリティ、継続的な改善が求められます。特に、不確実性を持つAIシステムを金融サービスの中で安心して利用できる品質に引き上げることは、非常にチャレンジングな課題です。
- 私たちのチームは、ビジネスチームと密に連携し、課題定義からMLシステムの設計・実装、本番運用までを一気通貫で担います。単にモデルを開発するだけでなく、プロダクトや業務に組み込まれる仕組みとして成立させるために、アーキテクチャ、データ品質、モニタリング、運用改善まで自チームで責任を持って推進します。
- 研究やPoCに閉じず、ビジネス課題を理解し、機械学習を実際のプロダクト価値として社会に届けたい方を歓迎します。金融ドメインの経験は必須ではありません。機械学習モデルをプロダクトに組み込み、継続的に改善していくことに関心のある方をお待ちしています。
具体的な業務内容
- PayPayの金融事業領域（クレジット、銀行、保険、資産運用など）において、与信（クレジットスコアリング）モデル、リスク管理モデル、マーケティングモデル等の開発、およびAI活用のためのシステムアーキテクチャ設計をリードしていただきます。
- 単に既存のアルゴリズムやディープラーニングのモデルを回すだけでなく、数理工学・統計学的な深い専門性を背景に、ビジネス要求（説明可能性、安定性、コスト等）を満たす最適な機械学習システム全体の構造を構想・設計し、社内のエンジニアやデータサイエンティストとともに社会実装を牽引するテックリードとしての役割です。
具体的な業務内容
- 金融領域における主要モデル（与信、リスク管理、マーケティング等）の設計・開発
- プロジェクト初期のビジネス要件定義から参画し、データのバイアスやビジネスの制約を考慮した最適な予測モデル（与信スコアリング、不正・リスク検知、ユーザー行動予測・マーケティング最適化等）の選定・設計。
- AI・ML活用のためのシステムアーキテクチャ設計と品質要件定義
- 機械学習システム特有の品質要件（予測精度、説明可能性、安定性、セキュリティ、運用コスト等）を定義。
- モデルを実際のプロダクトや業務プロセスに安全かつ効率的に組み込むための、最適なシステムアーキテクチャの構想・設計。
- プロジェクトの推進とテックリード業務
- 社内のエンジニア、データサイエンティスト、データアナリストのチームと協働し、製品化に向けた開発方針の決定、コードレビュー、テスト戦略の推進などの開発文化の牽引。
- MLOps（機械学習基盤）の成熟度向上
- 単一のプロジェクトにとどまらず、PayPayの金融事業全体におけるモデルの学習・評価・モニタリング・継続的改善の仕組み（MLOps）のアーキテクチャをアップデートし、主体的に運用改善を推進。
本ポジションの魅力
- 7000万人を超えるユーザー、全国の加盟店により良い金融体験を提供するためのサービス開発を経験できる
- 自分しか持っていないデータ、自分たちしか経験できないビジネス課題に関わることができる
- AI活用組織のグロースに中心的立場で携わることができる
- ビジネス開発部門に所属しながら、ビジネス、データサイエンティスト、データアナリスト等多様な専門性をもつメンバーや他部署のメンバーと密に連携するため、コミュニケーションスキルや視野の広がりが得られる
この求人はPayPay株式会社の採用ページの掲載内容をもとに構成しています。応募条件の最新情報は募集元をご確認ください。
募集元の採用ページから応募できます
応募はPayPay株式会社の採用ページで受け付けています。このページは採用ページの掲載内容をもとに構成しているため、最新の応募条件は募集元でご確認ください。