Staff Machine Learning Engineer
Staff Machine Learning Engineerは、機械学習・データサイエンス領域における技術戦略の策定と、モデルの開発およびそれらを継続的にサービスへ提供できる基盤の構築・保守・運用を主導します。
プロダクトに価値を提供できる高い精度でのモデリング技術と安定したシステム開発力を前提としたうえで、事業・プロダクトの課題を機械学習が解くべき課題として定義し、複数のプロジェクトやチームを横断して技術的な意思決定を行い、チームを成果に導くリーダーシップを期待します。
【本ポジションに期待する役割】
機械学習領域における技術戦略・技術ロードマップの策定と、プロダクトロードマップとの接続
不確実性の高い課題を機械学習の課題として定義し、実現可能なアプローチとアーキテクチャを設計する
複数のプロジェクト・チームを横断するテクニカルリードとしての技術選定、設計レビュー、意思決定
モデル/システムの品質基準や実験・評価の仕組みを整備し、再現性と継続的な改善を担保する
技術指導やレビューを通じたメンバーの育成と、チーム全体の技術力の底上げ、および採用活動への貢献
●得られる経験
熱量の高いメンバーと共に、難易度の高い技術的課題に挑戦する経験
事業インパクトの大きい領域において、技術戦略の策定から実行までを一貫して主導する経験
機械学習に加え、ソフトウェア領域など幅広い領域に精通したメンバーと共に仕事をする経験
技術をどのようにビジネスとして価値展開するかまで踏み込んで課題解決をする経験
経営陣やプロダクト責任者と近い距離で、技術的な意思決定に関与する経験
チームや組織の技術力・開発プロセスを設計し、スケールさせる経験
MLOpsやプロダクトマネジメントのメンバーとも距離が近く、will次第で仕事の幅を広げることができる
●チームについて
開発組織の全体像は[こちらのスライド](https://speakerdeck.com/caddi_eng/enziniaxiang-kehui-she-shao-jie-zi-liao)をご参照ください。
開発組織全体では、エンジニア・デザイナー・プロダクトマネージャーが機能開発(図面活用・検索・見積等)、データ基盤、機械学習/MLOps、Enablingなどのチームに分かれて活動しています。チームトポロジーの考え方を取り入れ、「各チームの裁量とスピード感」と「全体最適」の両立を目指しています。
●開発環境
言語
フロントエンド: TypeScript
バックエンド: Rust, TypeScript, Python
フレームワーク・ライブラリ
フロントエンド: React, Next.js, WebGL, WebAssembly
バックエンド: Rust (axum), Node.js (Express, Fastify, NestJS), PyTorch
インフラ: Google Cloud, Google Kubernetes Engine, Anthos Service Mesh
データベース・データウェアハウス: CloudSQL(PostgreSQL), AlloyDB, Firestore, BigQuery
API: GraphQL, REST, gRPC
監視・モニタリング: Datadog, Sentry, Cloud Monitoring
環境構築:Terraform
CI/CD:Github Actions
認証: Auth0
開発ツール: GitHub, Claude Code, Figma, Storybook
コミュニケーションツール: Slack, Discord, JIRA, Miro, Confluence