【フルリモート／週5】Python機械学習・MLOpsエンジニア（大規模レコメンド・予測アルゴリズムの本番API実装とモデル監視）

お任せしたいこと

自社で展開する高トラフィックなBtoCサービス、またはデータドリブンな意思決定がコアとなるSaaSプロダクトにおいて、Pythonを用いた機械学習（ML）モデルの実装、およびそれを安全かつ低遅延で本番稼働させるための「MLOps基盤」の設計・開発をお任せします。
「Jupyter Notebook上でモデルを作って精度（AUC）に満足して終わり」という研究者的なスタンスを徹底的に排除し、本番環境のミリ秒単位のレイテンシ要件をクリアする推論API（Serving）の実装、特徴量ストア（Feature Store）の構築、およびデータの変化に伴うモデルの劣化（Data/Concept Drift）を検知して自動再学習を回すパイプラインを、泥臭く本番運用へ落とし込んでいくポジションです。

具体的な業務内容

・Python 3.x および FastAPI、Triton Inference Server等を用いた、高スループットかつ低遅延な機械学習推論API（モデルサービング）の設計・開発
・LightGBM、XGBoost、またはPyTorch等を用いた、レコメンド、検索ランキング、需要予測アルゴリズムの本番環境への組み込みと継続的な精度改善
・MLflowやWeights & Biases、Prefect等を用いた、モデルのバージョン管理、実験管理、および自動再学習（Retraining）パイプラインの構築
・Feast等のツールを利用した、リアルタイム/バッチ処理の双方で整合した特徴量を提供する特徴量ストア（Feature Store）の設計・運用
・ONNXやTensorRTを用いたモデルの最適化（軽量化・量子化）、およびCPU/GPUリソースを効率化する推論パフォーマンスのチューニング
・EvidentlyやPrometheus、Datadogを活用した、本番環境における入力データのドリフト（偏り）や、モデルの推論精度の継続的な監視・アラート設計
・データエンジニアと密に連携した、データレイク（S3/GCS）やDWH（Snowflake/BigQuery）からの特徴量抽出（ETL/ELT）プロセスの最適化

必須スキル・経験

・Pythonを用いたバックエンドシステム、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）
・機械学習モデル（Scikit-learn, LightGBM, PyTorch等）を用いた、本番環境での設計・実装・運用経験
・FastAPI、Flask、Django等のWebフレームワークを用いたAPIの開発・運用経験
・SQLを用いたデータ抽出・加工、およびRDBMSやNoSQLに関する基礎的な知識
・Git / GitHubを用いたプルリクエストベースでのチーム開発経験

歓迎スキル・経験

・MLOps（Machine Learning Operations）の実践経験、またはMLflow、Kubeflow等を用いたパイプライン構築経験
・Docker、Kubernetes（Amazon EKS等）を用いたコンテナ環境でのモデルサービング経験
・AWS SageMakerやGoogle Cloud Vertex AI等のマネージドMLプラットフォームの運用経験
・分散処理フレームワーク（PySpark, Dask等）を用いた大規模データの並列処理経験
・Terraform等を用いた、MLOps周辺インフラのコード化（IaC）経験

開発・業務環境

開発言語：Python 3.x
MLフレームワーク：LightGBM, XGBoost, Scikit-learn, PyTorch
API・サービング：FastAPI, Triton Inference Server, Gunicorn
MLOps・データ変換：MLflow, Feast, Prefect (または Airflow)
データベース：PostgreSQL, Redis, Snowflake (または BigQuery)
インフラ・コンテナ：AWS (EKS, ECS, S3 等), Docker, Kubernetes
監視・品質：Datadog, Prometheus, Evidently, pytest
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

データサイエンティストとソフトウェアエンジニアが融合した、ML・データプラットフォームチームへの配属となります。
「データサイエンティストが書いた汚いコードを、バックエンドエンジニアが書き直す」というサイロ化された開発フローを最も嫌い、モデル開発の初期段階から本番運用（コンテナ化、テスト自動化、パフォーマンス検証）を考慮した、共通のエンジニアリング基準を持つ手を手堅いカルチャーです。予測が外れた原因や未知のエラー（Out of Distribution）に対しても、アルゴリズムの理論とアプリケーションのログの両面から泥臭くアプローチし、論理的に原因を特定していく実直なメンバーが集まっています。

求める人物像

・「モデルの精度を1%上げること」と同じくらい、「推論スピードを10ミリ秒縮めること」や「システム全体の安定稼働」にエンジニアとしての執念を持てる方
・データサイエンスの理論に敬意を払いつつも、ビジネス指標（CTR、CVR、売上向上等）の最大化から逆算して、現実的な技術選定（ヒューリスティックなルールとの併用等）ができる方
・不確実性の高いMLプロジェクトにおいて、泥臭いデータのクレンジングやログの分析作業から逃げず、執拗に課題解決に取り組める方

仕事の魅力

高度なデータサイエンスと、スケーラブルなソフトウェアエンジニアリングが交差する「MLOps」の最前線を体感できるポジションです。実社会の巨大なデータとトラフィックを背景に、機械学習の恩恵をダイレクトにビジネスのグロースへ繋げる経験を通じて、単なる「Pythonが書けるエンジニア」や「Notebook上で分析するデータサイエンティスト」を完全に凌駕し、今後のAI時代において最も重宝される「MLOpsアーテキト」としての圧倒的な市場価値を築くことができます。

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。