【フルリモート／週5】機械学習基盤・MLOpsエンジニア（AIモデルの本番運用・継続的デリバリー基盤の構築）

お任せしたいこと

自社プロダクトに組み込まれた機械学習モデル（推薦システム、予測モデル、LLM等）を、単なる「PoC（概念実証）」で終わらせず、本番環境で安定的かつスケーラブルに稼働させ続けるためのMLOps（Machine Learning Operations）基盤の設計・構築をお任せします。
データサイエンティストがJupyter Notebookで作った手動のコードをそのままデプロイするような属人的な運用を廃止し、ソフトウェアエンジニアリングとSREの知見を駆使して「学習パイプラインの自動化」「推論APIのコンテナ化」「精度監視と再学習サイクル」を泥臭くシステム化し、AIのビジネス価値を持続的に提供し続けるための根幹をチームで作り上げていただきます。

具体的な業務内容

・MLflow、Kubeflow、またはVertex AI Pipelines等を利用した、機械学習モデルの実験管理からデプロイまでのパイプライン（CI/CD/CT）の設計・構築
・データサイエンティストが開発したモデルの、DockerおよびKubernetes（EKSやGKE）を利用したコンテナ化、およびFastAPI等による推論APIの実装
・推論環境におけるレイテンシ（応答速度）の極限のチューニング、およびトラフィック急増に備えたオートスケール機構の設計
・本番環境で稼働するモデルの精度モニタリング基盤の構築、およびデータドリフト（入力データの傾向変化）やコンセプトドリフトの自動検知
・Apache AirflowやArgo Workflows等を利用した、大規模なデータ前処理・バッチ推論ジョブのワークフロー管理と自動化
・Terraformを利用した機械学習インフラのコード化（IaC）、および権限管理を含むセキュアなAI開発環境の整備
・モデルの安全な本番導入に向けた、シャドウデプロイメントやカナリアリリース、A/Bテスト等のデプロイメント戦略の実行支援

必須スキル・経験

・Pythonを用いたバックエンドAPI、またはデータパイプラインの開発実務経験（目安として3年以上）
・AWS、またはGCPにおけるクラウドインフラの構築・運用経験
・Docker等のコンテナ技術、およびCI/CDパイプライン（GitHub Actions等）の実務経験
・機械学習の基本的な概念（学習・評価・推論のプロセス）に関する理解
・Git / GitHubを用いた構成管理、およびチーム開発経験

歓迎スキル・経験

・MLOpsエンジニア、またはデータエンジニアとしての実務開発経験
・Kubernetes（EKS, GKE等）を用いた本番環境の構築・運用経験
・MLflow、Kubeflow、Airflow等のML/データオーケストレーションツールの運用経験
・SREとしての知見、およびDatadog等を用いたシステムの監視・トラブルシューティング経験
・大規模なデータウェアハウス（BigQuery, Snowflake等）を利用したデータ基盤の構築経験

開発・業務環境

開発言語：Python 3.x, SQL, Go (一部インフラツール周り)
MLOpsツール：MLflow, Kubeflow, Apache Airflow (または Argo Workflows)
クラウド・インフラ：AWS (SageMaker, EKS等) または GCP (Vertex AI, GKE等)
コンテナ・IaC：Docker, Kubernetes, Terraform
監視・CI/CD：Datadog, GitHub Actions
コミュニケーション・管理：GitHub, Jira, Slack, Zoom

プロジェクトチームについて

データプラットフォーム・MLOps推進チームへの配属となります。
「最新のアルゴリズムで精度を0.1%上げること」よりも、「精度はそこそこでも、エラーなく毎日確実に推論結果を返し続けるシステムを作ること」を実務において高く評価する、エンジニアリングマインドの強いカルチャーです。「モデルの精度が落ちた」というアラートに対しても、場当たり的に手動で再学習を回すのではなく、「どうすればこの再学習とデプロイのプロセス自体を自動化できるか」を常に仕組みの観点から泥臭く議論しています。

求める人物像

・データサイエンスとソフトウェアエンジニアリング（インフラ）の境界線に立ち、異なる言語を話す両者の橋渡し役になることを楽しめる方
・「同じ作業を2回繰り返すくらいなら自動化のスクリプトを書きたい」という、システム運用に対する良い意味での怠惰さを持っている方
・機械学習モデル特有の「振る舞いの不確実性（バグなのかデータの仕様なのか判別しづらい問題）」に対して、ログと事実に基づいて論理的に原因を特定できる方

仕事の魅力

AIモデルがどれほど優秀でも、それを本番環境で安全に運用する「基盤」がなければビジネス価値は生まれません。データサイエンティストと連携しながら、予測モデルからLLM（大規模言語モデル）まで多様なAI技術をプロダクションレベルの堅牢なシステムへと昇華させる経験を通じて、AI活用時代においてあらゆるテック企業が最も喉から手が出るほど欲している「MLOpsのスペシャリスト」としての極めて希少な市場価値を着実に磨くことができます。

働き方

リモート環境

[フルリモート] 基本的にフルリモートで働いていただけます。