テックリード(機械学習/ML)|ML技術方針・モデル開発・MLOpsをリード
機械学習領域の技術方針・技術判断
・事業課題・プロダクト要件を踏まえた機械学習の活用方針の検討
・機械学習を使用する/使用しない判断を含む技術的な実現方法の選定
・モデル・アルゴリズム・特徴量等の選定と技術的な妥当性の検証
・複数の機械学習テーマを見据えた技術方針・開発優先順位の検討
・精度、開発工数、運用負荷、保守性、コストを考慮した技術的な意思決定
大規模LLMとの連携・活用に向けた技術設計・開発
・業務要件やユースケースに応じた大規模MLMの選定・評価および技術的な活用方針の策定
・大規模LLMとのAPI連携や既存システムへの組み込みを見据えたアーキテクチャの設計・実装
・Pythonを用いたモデル連携機能の開発および推論処理・データ連携の最適化
・出力精度・応答速度・コストなどの評価指標の設計および検証結果に基づく継続的な改善
・大規模LLMのプロダクション環境への導入・運用における技術的課題の解決や難易度の高い開発テーマのリード
システム設計・MLOpsの推進
・機械学習モデルをプロダクトに組み込むためのAPI・バッチ処理・推論基盤の設計
・データ処理・学習・推論パイプラインの設計・構築
・モデルの本番環境への導入、監視、運用改善
・精度低下やデータ変化を踏まえた再学習・改善プロセスの設計
・再現性、可観測性、保守性、運用コストを考慮したMLシステムの改善
開発品質・技術基盤の整備
・モデル・コード・実験結果・評価設計に関する技術レビュー
・モデルの評価方法や開発手順の標準化
・技術的負債や運用課題の可視化、改善方針の策定
・実験管理、CI/CD、モデル監視等を含む開発・運用環境の改善
・機械学習領域における技術知見のドキュメント化・共有
関係部門との連携・技術支援
・PdMや事業側と連携した課題整理、技術的な実現可能性の検討
・アプリケーションエンジニア等との連携によるプロダクトへの機械学習機能の実装
・AIデータ品質担当との連携による学習・評価データの品質向上
・開発メンバーへの技術レビューや設計・実装面での支援
・技術選定の理由、評価結果、リスク等の関係者への説明
※人員管理や組織マネジメントはEM等と役割を分け、本ポジションでは機械学習領域の技術的な意思決定と開発・運用品質を中心に担っていただきます。
課題や事業上の優先順位はPdM等と連携し、AIデータ品質担当とはデータ品質に関する役割を分担します。