年俸制（12分割） MLopsエンジニアの求人・転職情報

【具体的なプロジェクト例】 ●大規模レコメンドエンジンの刷新: 数十万〜数百万ユーザー規模のEC・HRアプリにおいて、機械学習モデルをAPI化し、AWS/GCP環境でのバッチ処理・リアルタイム推論基盤を構築。 ●次世代AIエージェントの企画・開発: 総合商社のDXプロジェクトにて、LLM(ChatGPT/Claude等)を活用した意思決定支援ツールのプロトタイピングから本実装まで。 ●技術的意思決定のリード: アルゴリズムの選定から、MLOps(継続的学習・デプロイ)の体制構築、ビジネスサイドへの技術的フィードバックまでを主導。

「AIエンジニア=数学やプログラミングの天才」だと思っていませんか? 実際、AIをビジネスで動かすために今最も求められているのは、安定したサーバーを立て、データを安全に運び、クラウドを最適に設定できる「インフラのプロ」です。既存のインフラ・クラウドスキルを活かせる業務からスタートし、徐々にAI特有の基盤構築へステップアップしていただきます。 ●具体的なプロジェクト例 ・AI実行環境の構築: AWSやAzure上に、ChatGPTなどのAIアプリが動くためのサーバー(EC2/Container)やネットワーク(VPC)を構築。 ・データ連携の仕組み作り: 分析に必要なデータをS3などのストレージからAI(SageMaker等)へ安全に届けるための設定。 ・運用監視と自動化: AIが止まらないための監視設定や、Terraformを用いた環境構築の自動化。 ・最新ツールの導入補助: ベクトルデータベースやDifyなど、AI開発に欠かせない新しいミドルウェアのインストールと設定。

どれだけ優れたAIモデルも、安定したインフラと高品質なデータ基盤がなければ「ただの箱」です。 あなたには、生成AIや機械学習が24時間365日、高速かつ安全に動き続けるためのインフラ・プラットフォーム構築をお任せします。 【具体的なプロジェクト例】 ●MLOps基盤の構築(Amazon SageMaker / Vertex AI): モデルの学習からデプロイ、監視までを自動化するCI/CDパイプラインの構築。 ●大規模データレイク・DWHの設計(Snowflake / BigQuery / Databricks): 数億レコード規模の非構造化データをAIが即座に読み込めるよう、パーティショニングやクラスタリングを最適化。 ●GPUリソースの最適化とスケーリング: LLM(大規模言語モデル)の推論環境における負荷分散、オートスケーリング、コストマネジメント。 ●データガバナンス・セキュリティ設計: 企業の機密データをAIに学習させる際のアクセス制御(IAM)、PII(個人情報)保護、暗号化の実装。 あなたらしい働き方をサポート

業務概要 顧客企業と伴走しながら、生成AIや機械学習を組み込んだアプリケーション/システムの設計〜開発〜運用までを担当します。 <主な業務例> ・生成AIを組み込んだAIエージェントアプリケーションの開発 ・生成AIアプリケーション/システムのLLMOps/AgentOps設計・開発 ・機械学習PoCプロジェクトの本番化/製品化に向けての開発 ・機械学習アプリケーション/システムのMLOps設計・開発 ・機械学習アプリケーション/システムの新規技術・サービス調査検証 ※詳細は面接時に説明します。 プロジェクト事例 AI自動発注システム 未来型無人化店舗「SECURE AI STORE LAB」開発 技術スタック 言語:Python、SQL、Scala、Java DWH:Snowflake、BigQuery、Redshift データ基盤:Databricks、Spark、Presto、Hadoop BIツール:Tableau、Looker、PowerBI、Datorama、DOMOなど クラウド:AWS、GCP、Azure ETL/ELTツール: dbt、Fivetran、trocco、Airbyte、Talend、AWS Glue AIフレームワーク:VertexAI、SageMaker、AzureML IaCツール:Terraform、CloudFormation、Ansible

●業務内容 AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ▽AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ▽AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する ●期待する役割 グループ責任者やチーム責任者のサポートのもと、AI技術導入の企画立案・AI開発運用からAIガバナンスまで、チームの中心メンバーとしてAIドリブンな事業基盤の構築に一緒に挑戦していただける方を募集しています。 ▽AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ▽部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ▽AIリスク管理の実施: AI導入時のリスクを認識し、リーダーやチームメンバーとともにリスク管理策の策定と運営に貢献する。 ▽データ分析に基づく実行と評価: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、貢献度の高い施策を探求する。 ▽技術向上とナレッジシェア: 最新のAI技術について継続的に学び、チーム内での知識共有を行い、組織全体の技術力向上に寄与する。 ●技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API ●オンボーディングおよび育成計画 下記を想定しながら適宜チームでフォローします。 ▽1年目: ・ゴール:AIプロジェクトでのスキル向上 ・内容:プロジェクト参加(サポートを得ながら推進) ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価 ▽2年目以降: ・ゴール:プロジェクトリーダーへの成長 ・内容:リード役経験、戦略会議参加 ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価

スマホアプリケーション上で展開されるコンテンツを出力するAIモデルの運用保守および改善開発をご担当いただきます。 当該のAIモデルはGCP上に展開されており、これらに関して運用をご担当いただきます。 AIモデルにエラーが発生した場合にはその保守対応についてもご担当いただきます。 AIモデルの実行結果について、効果測定を定期的に実施してデータの取りまとめをご担当いただきます。 またクライアントから要望のあった場合に、モデル改善の実装をご担当いただきます。

●業務概要 顧客企業と伴走しながら、生成AIや機械学習を組み込んだアプリケーションの設計〜開発〜運用までを担当します。 ●<主な業務例> ・生成AIを組み込んだAIエージェントアプリケーションの開発 ・生成AIアプリケーション/システムのLLMOps/AgentOps設計・開発 ・機械学習アプリケーション/システムのMLOps設計・開発 ・機械学習アプリケーション/システムの新規技術・サービス調査検証 ※詳細は面接時に説明します。 ●プロジェクト事例 AI自動発注システム 未来型無人化店舗「SECURE AI STORE LAB」開発　 ●技術スタック 言語:Python、SQL、Scala、Java DWH:Snowflake、BigQuery、Redshift データ基盤:Databricks、Spark、Presto、Hadoop BIツール:Tableau、Looker、PowerBI、Datorama、DOMOなど クラウド:AWS、GCP、Azure ETL/ELTツール: dbt、Fivetran、trocco、Airbyte、Talend、AWS Glue AIフレームワーク:VertexAI、SageMaker、AzureML IaCツール:Terraform、CloudFormation、Ansible

・情報セキュリティポリシーの策定、実施、アセスメント ・新規IT ツールの調査、評価、導入プロジェクトのリード ・社内簡易ツールの開発、改善、運用 ・社内セキュリティ教育プログラムの企画・実施 一緒に働くチームの特徴 ・プライム上場企業でIT 部門を統括経験があり、IT 戦略・プロジェクト管理に長けたメンバー(40 代後半・男性) ・前職でも部長級でシステム管理、DX ツール導入に取り組んでいるメンバー(30 代後半・男性)

Data&Analysis部 AI for Applicationチームに所属。 プロダクト戦略に基づいた戦略策定・開発計画の策定や実行のリード、メンバーの採用・評価・育成などのマネジメント業務を担っていただくことを想定しています。 ●プロダクトに蓄積された様々なデータをアプリケーションで活用することで、アプリケーション自体の価値を高めることに責任を持つ。 ●既存プロダクトの価値向上、新規プロダクトの立ち上げ両方の可能性があります。 ●現在若干名で組織の立ち上げフェーズです。 本ポジションの方に、チームの定義づけや立ち上げを含めて担っていただくことを想定しています。 ※Data&Analysis部は30名程度の組織です。 上記以外にも、データの解析を担うAnalysisチーム、解析基盤の開発を担うAnalysis Platformチーム、データ基盤の開発やデータの利活用を担うData Managementチームがあります。 (2025年4月時点) キャディにおけるエンジニアリングマネージャーとは ●担当する部やグループの成果を最大化することがミッションです。 ●向かう先を示すために OKR を設定したり、将来のあるべき姿から逆算して、必要なマネジメント業務を行います。 ●EMの役割は画一的には決まっておらず、成果の出し方はその人の得意なやり方で良いと考えています。 例えば、他者を動かして成果を出すエンパワーメントが得意な人もいれば、現場で自ら設計や方針決定をリードする人もいます。 テクノロジーマネジメント、プロジェクトマネジメント、プロダクトマネジメント、ピープルマネジメントの割合も各EMの担当領域や注力課題により異なります。 ●開発環境 フロントエンド: TypeScript, React, Next.js バックエンド: Rust(axum), TypeScript, Node.js(Express, Fastify, NestJS) 機械学習・アルゴリズム: Rust, Python, OpenCV, PyTorch, TorchServe, Elasticsearch, Vertex AI インフラ: Google Cloud, Google Kubernetes Engine, Anthos Service Mesh, Istio, Cloudflare, Argo Workflows Event Bus: Cloud Pub/Sub DevOps: GitHub, GitHub Actions, ArgoCD, Kustomize, Helm, Terraform, Datadog, MixPanel, Sentry Data: CloudSQL(PostgreSQL), AlloyDB, BigQuery, dbt, trocco API: GraphQL, REST, gRPC 認証: Auth0 開発ツール: GitHub Copilot, Figma, Storybook コミュニケーションツール: Slack, Discord, JIRA, Miro, Confluence