シニアMLOpsエンジニア

業務内容

1. 1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
2. 2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
3. 3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
4. 4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
5. 5ML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
6. 6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
7. 7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
8. 8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
9. 9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
10. 10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
11. 11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
12. 12LLM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
13. 13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
14. 14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
15. 15CI/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
16. 16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
17. 17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
18. 18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
19. 19IaCによるインフラ構築・管理
20. 20CI/CDによるテスト・デプロイ自動化
21. 21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
22. 22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
23. 23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
24. 24ML/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)

1. 1クラウド: Google Cloud
2. 2開発言語: Python
3. 3データ基盤: BigQuery / Fivetran / dbt Cloud
4. 4ML / LLM基盤: Vertex AI / MLflow / LiteLLM / Datadog LLM Observability
5. 5BIツール: Looker / Looker Studio
6. 6IaC: Terraform
7. 7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

1. 1アプリユーザーのアクセスログ、募集内容に関する情報
2. 2マッチングに関する情報
3. 3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
4. 4問い合わせに関するデータ
5. 5営業活動情報のデータ

タイミーのMLOpsエンジニアとして働く魅力

1. 1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る
2. 2Feature 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改善に取り組める
3. 3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る
4. 4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ける

応募資格（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（5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を用いたクラウドインフラの設計・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5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、インシデント対応など、本番運用を前提としたシステム運用設計の経験
• 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設計・運用経験
• 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・改善方針をリードできること
• 既存基盤の制約や組織ケイパビリティを踏まえ、短期の事業要請と中長期の基盤整備のトレードオフを判断できること
• 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
• 曖昧な課題を構造化し、技術・運用・組織の論点を整理しながら前に進められる方
• 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、SRE、セキュリティ担当など、複数職種・複数チームと連携しながら横断的に業務を推進できる方
• 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、標準化・セルフサービス化をリードできる方
• 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、開発者体験を改善できる方
• 技術方針、優先順位、責務分界について、関係者と合意形成しながら意思決定できる方
• 小規模チームまたは横断プロジェクトにおいて、技術リード、設計レビュー、タスク分解、リリース推進を担える方
• ADR、Design Doc、Runbook、レビュー観点、チェックリスト等を整備し、技術的意思決定や運用知見を組織に残せる方
• 自身で手を動かすだけでなく、レビュー、メンタリング、ナレッジ共有を通じてチーム全体の技術力・運用品質を引き上げられる方
• 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

歓迎する経験

• dbt、Snowflake、Databricks、BigQuery等を用いたデータ基盤・分析基盤の設計・開発・運用経験
• LLMOps、プロンプト管理、評価基盤、AI 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、高頻度データ連携、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設計・運用経験
• ML/LLM基盤、推論基盤、データ基盤などの大規模な移行・刷新・技術負債解消をリードした経験
• 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Platform Productを継続改善した経験
• OSS活動、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

待遇・福利厚生

• クラブ活動支援
• 入社特別休暇
• 国民の祝日
• 完全週休2日制
• 年末年始休暇
• 年次有給休暇
• 年間休日120日
• 従業員持株会
• 慶弔休暇
• 産前産後休業
• 社会保険完備
• 結婚お祝い金

求めるスキル・経験