【フルリモート／週5】Python MLOpsエンジニア・MLアーキテクト（機械学習パイプラインの実用化と大規模推論基盤構築）

お任せしたいこと

自社で展開するAI活用型プロダクト、またはレコメンド・検索エンジン等のコア機能において、データサイエンティストが開発した機械学習モデルを「PoC（概念実証）」で終わらせず、スケーラブルかつ安定した本番環境へと最速でデプロイするためのMLOps基盤の設計・構築をお任せします。
「Jupyter Notebookに書かれたスクリプトをそのままエンジニアに投げ渡す」といった属人的で再現性のないサイロ化された開発フローを徹底的に排除し、モデルの学習から推論、監視、そして再学習（Continuous Training）に至るまでのエンドツーエンドのパイプラインを泥臭く自動化することで、AIのビジネス価値を最大化する中核的なポジションです。

具体的な業務内容

・PythonおよびFastAPI、BentoML、Triton Inference Server等を利用した、ミリ秒単位の低レイテンシが求められる大規模な推論API（オンライン・バッチ・ストリーミング）の設計と実装
・Kubeflow、Vertex AI Pipelines、またはAmazon SageMaker Pipelinesを活用した、機械学習モデルの学習・評価・デプロイメントのパイプライン（CI/CD/CT）構築
・MLflowやWeights & Biases (W&B)を用いた、モデルのハイパーパラメータ、学習メトリクス、およびアーティファクトの厳密なバージョン管理機構の導入
・本番環境におけるデータドリフト（入力データの傾向変化）やコンセプトドリフト（予測精度の低下）の継続的なモニタリングと、自動アラート・再学習トリガーの泥臭い仕組み化
・Feast等のFeature Storeを活用した、学習時と推論時における特徴量（Feature）の不整合（Training-Serving Skew）の徹底排除と一元管理
・Docker / Kubernetes（EKS, GKE等）を用いたコンテナベースの推論インフラ構築と、GPUリソース（NVIDIA A100等）のコスト効率を極限まで高めるオーケストレーション
・Terraformを利用したMLインフラのコード化（IaC）、およびデータサイエンティストが自律的に実験を行えるサンドボックス環境の提供

必須スキル・経験

・Pythonを用いたWebバックエンド開発、またはデータパイプライン構築の実務経験（目安として3年以上）
・DockerおよびKubernetesを利用した本番環境でのコンテナ運用経験
・機械学習モデルの本番環境へのデプロイ（API化）、および運用監視の実務経験
・AWS、またはGCPにおけるクラウドインフラの構築経験
・Git / GitHubを用いたプルリクエストベースでのチーム開発、およびCI/CDの構築経験

歓迎スキル・経験

・MLOpsの成熟度モデルに対する深い理解と、ゼロからのMLOps基盤構築・推進経験
・PyTorchやTensorFlow等のディープラーニングフレームワークを用いたモデル開発の基礎知識
・Kubeflow、MLflow、Vertex AI、SageMaker等のMLエコシステムを活用した実務経験
・NVIDIA GPUインフラのパフォーマンスチューニング（TensorRT等の利用）、または大規模言語モデル（LLM）のサービング経験
・データエンジニアリング（dbt, Airflow等）に関する実務経験

開発・業務環境

開発言語：Python 3.x
MLOpsフレームワーク：MLflow, Kubeflow, W&B, DVC
サービング：FastAPI, BentoML, Triton Inference Server, Ray Serve
インフラ・コンテナ：AWS (SageMaker, EKS) または GCP (Vertex AI, GKE), Kubernetes, Docker
オーケストレーション・IaC：Apache Airflow, Terraform
監視・可観測性：Prometheus, Grafana, Datadog
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

データサイエンスの高度なアルゴリズムを、ソフトウェアエンジニアリングの堅牢性で包み込み、実社会のサービスとして稼働させるMLプラットフォームチームへの配属となります。
「モデルの精度は高いが本番では重すぎて動かない」「誰がどのデータで学習したモデルか分からない」といった機械学習プロジェクト特有の技術的負債を極めて嫌い、再現性と可観測性（Observability）をインフラレベルで担保する手堅いカルチャーです。予測精度の低下アラートが鳴った際にも、単にモデルを作り直すのではなく、前処理ロジックのバグや上流のデータパイプラインの欠損まで泥臭くトレースし、根本原因を論理的に突き止める実直なメンバーが集まっています。

求める人物像

・「機械学習のアルゴリズムを研究すること」以上に、「そのモデルが24時間365日、数百万人のユーザーに価値を届け続けるための仕組み作り」にエンジニアとしての喜びを感じる方
・データサイエンティストとバックエンドエンジニアの境界領域で発生する「責任の押し付け合い」を嫌い、両者の架け橋となって複雑な運用課題をパズルとして楽しめる方
・AIの進化スピード（新しいフレームワークやサービング技術の登場）を前向きにキャッチアップし、既存のレガシーなパイプラインを大胆にリファクタリングできる推進力を持った方

仕事の魅力

世界中で「AIのPoC死（本番運用に乗らずに終わること）」が社会課題となる中、最先端のMLOps技術を駆使して、機械学習モデルを確実にビジネスの心臓部へと組み込む極めて難易度が高く価値のあるポジションです。複雑なGPUインフラの制御やデータパイプラインの泥臭い自動化経験を通じて、単なる「Pythonエンジニア」や「データサイエンティスト」を完全に凌駕し、これからのAI時代においてすべてのテック企業が喉から手が出るほど欲しがる「シニアMLOpsエンジニア（AIプラットフォームアーキテクト）」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。