データアナリスト(Kotlin)の求人・転職情報

株式会社タイミー

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 技術スタック(主要な部分の抜粋) ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

株式会社BuySell Technologies

【ご入社後に期待する成果】 ～6か月後:特定の事業領域・既存ユースケースを中心に、業務プロセスやデータ構造、現在の機械学習・生成AIの取り組みを理解し、課題の全体像を把握している状態を期待しています。その上で、PdMやエンジニアと議論を重ねながら、新たなAI活用テーマについて仮説立案や技術選定を行い、検証を開始していることを想定しています。また、モデル設計・改善・運用の一連のプロセスを理解し、自律的に改善サイクルを回し始めている状態を目指していただきます。 ～1年後:複数の事業・業務領域にまたがるAI活用テーマをリードし、実運用を見据えた形での設計・改善・展開を担っていただくことを期待しています。課題特性に応じて、従来の機械学習手法や生成AI、その他のアプローチを適切に使い分けながら、技術的な判断や設計方針を示せる状態を目指していただきます。加えて、全社的なAI活用の取り組みにおいて、技術面からの意思決定や方向づけに関与し、事業やプロダクトの成長を支える存在として活躍していただくことを想定しています。 【職務内容】 ・事業・業務課題の整理を踏まえた、機械学習・生成AIの活用テーマの検討および企画 ・課題特性に応じたモデル・アルゴリズム・アプローチの選定および設計 ・検証から実運用を見据えたモデル開発・改善・評価の推進 ・既存ユースケースの継続的な改善および新たなユースケースへの展開 ・モデルの運用・改善を継続的に行うための開発・運用プロセスの設計および改善 【組織/配属先の特徴】 ・CTOや本部長(プロダクト責任者)と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 【あなたに提供できる価値】 ・事業・業務に根差した多様な課題に対し、機械学習・最適化・生成AIを組み合わせた設計判断を行う経験 ・既存ユースケースを起点に、新たなAI活用テーマの検討から実運用までに関わり、取り組みを広げていける環境 ・特定技術に閉じず、「何にどの技術を使うか」を考える立場として、全社的なAI活用に関われる機会 【キャリアパス】 ・機械学習・統計・最適化・生成AIを横断して活用できる、AI/データ領域のシニアエンジニア ・複数の業務領域にまたがるAI活用プロジェクトを担う、横断型のテクニカルリード ・データ戦略責任者/プロダクト・事業統括ポジション 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic