MLOpsエンジニア

必須

• Pythonを用いた機械学習パイプライン、基盤ツール、バッチ処理等の開発経験（3年以上）
• Gitを用いたチーム開発の経験
• GitHub Actions / GitLab CI等を用いたCI/CDの設計・実装・運用経験
• Terraform等のIaCツールを用いたクラウドインフラの構築・運用経験
• Google CloudまたはAWS等のクラウド環境における開発・運用経験（直近含め3年以上）
• Docker / Kubernetes をはじめとしたクラウドネイティブな基盤に関わる開発・運用経験
• 商用環境または業務システムにおいて、機械学習パイプライン、推論基盤、Feature Store・モデル管理・実験管理・モデル監視などのMLOps基盤を設計・開発・運用した経験
• 監視、アラート、ログ、メトリクス、Runbook、障害対応など、本番運用を前提としたシステム運用の基礎的な経験
• VPC構成、クラウド権限管理、Secret管理、監査ログ、脆弱性対応など、インフラ・アプリケーション双方のセキュリティに関する実務経験
• Platform as a Product、Internal Developer Platform、Golden Path、セルフサービス基盤などの考え方を踏まえた基盤・開発環境の改善経験
• 社内ライブラリ、テンプレート、開発者向けドキュメント、オンボーディング資料などを整備し、開発者体験を改善した経験
• ADR、Design Doc、Runbook、レビュー観点、チェックリスト等を用いて、技術的意思決定や運用知見をチームに共有・蓄積した経験
• 保守性、可用性、セキュリティ、コスト、運用負荷を考慮しながら、技術選定・アーキテクチャ設計・改善提案ができること

歓迎

• dbt、Snowflake、Databricks、BigQuery等を用いたデータ基盤・分析基盤の開発・運用経験
• LLMOps、プロンプト管理、評価基盤、LLM as a Judge、LLM Observability、コスト管理、ガードレール設計等に関する経験
• AIガバナンス、AI利用ポリシー、モデル・プロンプトのレビュー、リスク分類、Human-in-the-loop設計等に関する経験
• リアルタイム推論、オンラインFeature Store、検索・推薦・ランキング・マッチング基盤などの開発・運用経験
• 基盤の利用率、開発リードタイム、問い合わせ件数、障害件数、コストなどの指標を用いて、基盤や開発者体験を改善した経験
• 技術ブログ、登壇、社内外の勉強会などを通じて、MLOps / Platform Engineering領域の知見を発信した経験

求める人物像

• 当社のミッション、社会貢献性の高い事業に共感していただける方
• 当社のバリューにフィットしている方
• 業界・顧客理解のためにインプットを怠らない方
• 課題解決に向け、自ら考え、手を動かすこともできる方
• データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアなど、複数職種と連携しながら業務を進められる方
• 利用者視点で、基盤・開発環境・ドキュメント・運用フローをより使いやすく改善していける方
• ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

使用ツール

募集背景

• タイミーは「働く」を通じて人生の可能性を広げるインフラをつくるべく、スキマバイトのマッチングプラットフォームを日本全国に展開し、急速に成長してきました。今後は既存プロダクトの継続的な改善に加え、隣接領域・新規領域への展開も進めており、扱うユーザー体験、業務フロー、データ特性、リスクはより多様になっていきます。
• その中で、AI/MLの活用は、マッチング品質の向上、検索・推薦・ランキング、需要予測、審査・不正検知、業務効率化、生成AI/LLMを用いたプロダクト体験・社内業務の改善など、事業成長を支える重要なケイパビリティになりつつあります。一方で、AI/MLをプロダクトや業務に継続的に組み込んでいくためには、モデル精度だけでなく、信頼性、セキュリティ、コスト、レイテンシー、データガバナンス、監視、継続改善といった本番運用上の論点を同時に扱う必要があります。
• これまでもMLOps Teamでは、多方面からのML活用ニーズにスピーディーに応えるため、MLパイプラインやCI/CDパイプラインの自動化、Feature Storeの構築、ML開発環境の整備、モノレポ化、開発効率化のための社内ライブラリ開発などを進めてきました。
• 今後はこれらの取り組みをさらに発展させ、実験管理、データ監視、モデル監視、LLMOpsなどの基盤整備や既存のML基盤の改善・標準化に取り組むとともに、AI/MLワークロードのさらなる自動化や、LLM/Agentic AIを活用した新しいプロダクト体験・業務体験を支える基盤づくりにも挑戦していきます。まだ正解が定まっていない領域にも技術的な探索・先行投資として向き合いながら、複数チームがAI/MLをより速く、安全に、継続的に検証・本番活用できる状態をつくっていきたいと考えています。
• こうした挑戦を、プロダクト組織全体のAI/ML活用を加速するプラットフォームづくりとして捉え、既存の仕組みや運用知見を活かしながら、標準化・セルフサービス化・ガバナンス・Developer Experienceを引き上げていけるMLOpsエンジニアを募集します。

業務内容

• マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。
• ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。
• 機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用
• 機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用
• 機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用
• 機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用
• ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備
• プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備
• モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり
• モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化
• 個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理
• 生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用
• プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり
• LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備
• 個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備
• データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備
• CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用
• テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備
• 個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華
• 上記を実現するための非機能要件・運用品質の継続的な改善
• IaCによるインフラ構築・管理
• CI/CDによるテスト・デプロイ自動化
• サービス監視、ログ、メトリクス、トレース、アラートの設計・運用
• パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善
• 社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援
• ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動

技術スタック(主要な部分の抜粋)

• クラウド
• Google Cloud
• 開発言語
• Python
• データ基盤
• BigQuery / Fivetran / dbt Cloud
• ML / LLM基盤
• Vertex AI / MLflow / LiteLLM / Datadog LLM Observability
• BIツール
• Looker / Looker Studio
• IaC
• Terraform
• 開発環境・ツール
• Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc

扱っているデータ

• アプリユーザーのアクセスログ、募集内容に関する情報
• マッチングに関する情報
• レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ
• 問い合わせに関するデータ
• 営業活動情報のデータ
• 上記のようなデータを扱っております。

タイミーのMLOpsエンジニアとして働く魅力

• タイミーのMLOpsエンジニアとして働く魅力は、「働く」インフラを支えるAI/MLを、速く・安全に・継続的にプロダクトへ届けるための基盤づくりに携われることです。マッチング品質、Trust & Safety、業務効率化、生成AI活用など、複数の領域でAI/ML活用が進む中で、個別案件の実装に閉じず、共通する課題を見つけて仕組み化し、プロダクト組織全体の開発速度と品質に影響を与えられます。
• データサイエンティストやプロダクトAI/MLエンジニアと近い距離で、実際のユースケースや運用課題を踏まえながら、ML/LLM基盤・推論基盤・開発運用環境を改善できます。
• Feature Store、MLパイプライン、モデル監視、LLMOps、CI/CD、インフラ、セキュリティなどを横断し、AI/MLを本番活用するための標準化・自動化・Developer Experience改善に取り組めます。
• 大規模なユーザー・求人・稼働データを扱いながら、モデルを作って終わりではなく、精度・品質・信頼性・コストまで含めて継続的に価値提供する文化があります。
• 多様なバックグラウンドを持つメンバーと学び合いながら、タイミーにおけるAI/ML基盤のあり方を議論し、プロダクト組織全体のAI/ML活用を支えるプラットフォームを育てていくことができます。