TechGo

ITエンジニア転職ならテックゴー

ITエンジニア転職・求人TOP>

自社内開発メイン MLOpsのITエンジニア求人・転職情報

該当求人数 5

1~5件を表示

株式会社タイミー

株式会社タイミー

シニアMLOpsエンジニア

MLopsエンジニア

900~1,000万円

正社員

東京都(港区)

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 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 ・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 上記のようなデータを扱っております。

MLOps

GitHub

GitLab

Google Cloud Platform(GCP)

Kubernetes

Terraform

Datadog

Python

Snowflake

BigQuery

生成AI・LLM

持ち株会制度あり

フルリモート(出社なし)

生成AI開発ツール導入

カジュアル面談可

リモート可

フレックス勤務

年間休日120日以上

土日祝日休み

自社内開発メイン

機械学習・データ活用

従業員数1000名以上

シニアMLOpsエンジニア

MLopsエンジニア

正社員

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 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 ・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 上記のようなデータを扱っております。

900~1,000万円

東京都(港区)

MLOps

GitHub

GitLab

Google Cloud Platform(GCP)

Kubernetes

Terraform

Datadog

Python

Snowflake

BigQuery

生成AI・LLM

持ち株会制度あり

フルリモート(出社なし)

生成AI開発ツール導入

カジュアル面談可

リモート可

フレックス勤務

年間休日120日以上

土日祝日休み

自社内開発メイン

機械学習・データ活用

従業員数1000名以上

株式会社タイミー

株式会社タイミー

株式会社CARTA HOLDINGS

株式会社CARTA HOLDINGS

テレシー AIエンジニア

AI・機械学習(LLM)エンジニア

1,080~2,000万円

正社員

東京都(港区)

●お任せする業務 まずお任せしたいのは、テレシーのビジネスプロデューサーが顧客に向き合う時間を最大化するための、社内AIエージェント基盤の設計・開発・運用です。 AIエージェント基盤の設計・開発・運用 : LLMプラットフォーム(Bedrock, Vertex AI等)やエージェント基盤(LangGraph, CrewAI等)を活用したシステムの構築 評価・改善サイクルの設計 : AIエージェントの応答品質を測る評価指標、テストデータ、改善プロセスの策定 運用基盤の構築 : MCP(Model Context Protocol)や外部APIを統合し、認証・権限管理・監査ログ・ガードレールを含む、安全かつ再利用性の高い運用基盤の設計 可観測性の確保 : エージェントの判断プロセス、コスト、失敗要因のモニタリングと課題解決 業務ヒアリング・要件定義 : BPや社内メンバーの業務課題を理解し、「何をAI化すべきか」「どこに人の判断を残すべきか」を整理・設計 実業務への組み込み : AIエージェントを実際の情報収集・分析・資料作成・提案準備フローへ組み込み、運用・改善まで推進 標準化・プロダクト化 : 個別案件で得られた解決策を抽象化し、複数業務で再利用可能な標準機能・共通アーキテクチャへ展開 ●直近で取り組んでいること セキュアなAI基盤の構築 : 広告・売上・CRM等の機密データを扱うためのローカルLLM環境、ガードレール、権限管理、監査ログを備えた基盤整備 BP業務へのAI実装 : 情報収集、資料作成、分析、提案準備など、顧客提案前後に発生する業務をAIで支援し、提案のスピードと質を高める仕組みづくり ●将来的に取り組みたいこと ・ライトニングMMMのAIエージェント化 : WebUIによる複雑な設定ではなく、自然言語での問いかけから意思決定サマリや推奨アクションを即時生成するUXの提供 ・マーケティングAIエージェントの提供 : 現在、社内メンバーが行っている情報収集、情報整理、分析、戦略立案等の業務をAIエージェント化 ・Human in the loop設計の高度化 : AIによる自動化と、人間による最終判断・ディレクションが最適に融合する業務プロセスの構築 AI活用の標準化・プロダクト化 : 個別の業務改善に留めず、うまくいった仕組みを共通化し、複数のBP・案件・プロダクトに展開できる状態をつくる ●開発環境 ・LLMエンジニアリング : vLLM, OSS LLM(Llama / Qwen / gpt-oss), LiteLLM, RouteLLM, Semantic Router, LangGraph, CrewAI, NeMo Guardrails, Guardrails AI, Promptfoo, Ragas, PostgreSQL (pgvector), Langfuse (Self-hosted), Prometheus, Grafana, Ray 等 ・MLエンジニアリング : JAX, NumPyro, statsmodels, Dagster, Python, MLflow 等 ・データエンジニアリング : Snowflake, dbt cloud, Adverity, fivetran 等 ・インフラ(AI) : AWS, GCP (Amazon Bedrock, Google Vertex AI) ・共通 : Docker, Terraform, GitHub, Slack 単に特定技術を使うだけではなく、AIエージェントを安全に、継続的に、業務の中で使える状態にするための評価・監視・権限管理・ログ設計・ガードレール設計まで含めて取り組みます。 ●参考記事 (外部リンク) ・[テレシー コーポレートサイト](https://telecy.tv/) ・[脳内で、事業の「正解」を描き切る](https://evolution.cartaholdings.co.jp/article-0087/)  ・オウンドメディア『EVOLUTiON』 テレシー社員紹介記事 ・[データドリブンで実現するテレビCM変革!テレシーの取り組みとは?](https://telecy.tv/column/sendenkaigi-mmm-telecyanalytics/) ・[疲労回復パジャマ「BAKUNE」躍進の裏側](https://telecy.tv/column/crosstalk-sendenkaigi-tential/)

Docker

PostgreSQL

MLOps

Snowflake

GitHub

Google Cloud Platform(GCP)

Python

BigQuery

生成AI・LLM

AWS

Slack

Terraform

育児支援制度あり

401k(確定拠出年金)あり

フルフレックス

土日祝日休み

自社内開発メイン

従業員数1000名以上

テレシー AIエンジニア

AI・機械学習(LLM)エンジニア

正社員

●お任せする業務 まずお任せしたいのは、テレシーのビジネスプロデューサーが顧客に向き合う時間を最大化するための、社内AIエージェント基盤の設計・開発・運用です。 AIエージェント基盤の設計・開発・運用 : LLMプラットフォーム(Bedrock, Vertex AI等)やエージェント基盤(LangGraph, CrewAI等)を活用したシステムの構築 評価・改善サイクルの設計 : AIエージェントの応答品質を測る評価指標、テストデータ、改善プロセスの策定 運用基盤の構築 : MCP(Model Context Protocol)や外部APIを統合し、認証・権限管理・監査ログ・ガードレールを含む、安全かつ再利用性の高い運用基盤の設計 可観測性の確保 : エージェントの判断プロセス、コスト、失敗要因のモニタリングと課題解決 業務ヒアリング・要件定義 : BPや社内メンバーの業務課題を理解し、「何をAI化すべきか」「どこに人の判断を残すべきか」を整理・設計 実業務への組み込み : AIエージェントを実際の情報収集・分析・資料作成・提案準備フローへ組み込み、運用・改善まで推進 標準化・プロダクト化 : 個別案件で得られた解決策を抽象化し、複数業務で再利用可能な標準機能・共通アーキテクチャへ展開 ●直近で取り組んでいること セキュアなAI基盤の構築 : 広告・売上・CRM等の機密データを扱うためのローカルLLM環境、ガードレール、権限管理、監査ログを備えた基盤整備 BP業務へのAI実装 : 情報収集、資料作成、分析、提案準備など、顧客提案前後に発生する業務をAIで支援し、提案のスピードと質を高める仕組みづくり ●将来的に取り組みたいこと ・ライトニングMMMのAIエージェント化 : WebUIによる複雑な設定ではなく、自然言語での問いかけから意思決定サマリや推奨アクションを即時生成するUXの提供 ・マーケティングAIエージェントの提供 : 現在、社内メンバーが行っている情報収集、情報整理、分析、戦略立案等の業務をAIエージェント化 ・Human in the loop設計の高度化 : AIによる自動化と、人間による最終判断・ディレクションが最適に融合する業務プロセスの構築 AI活用の標準化・プロダクト化 : 個別の業務改善に留めず、うまくいった仕組みを共通化し、複数のBP・案件・プロダクトに展開できる状態をつくる ●開発環境 ・LLMエンジニアリング : vLLM, OSS LLM(Llama / Qwen / gpt-oss), LiteLLM, RouteLLM, Semantic Router, LangGraph, CrewAI, NeMo Guardrails, Guardrails AI, Promptfoo, Ragas, PostgreSQL (pgvector), Langfuse (Self-hosted), Prometheus, Grafana, Ray 等 ・MLエンジニアリング : JAX, NumPyro, statsmodels, Dagster, Python, MLflow 等 ・データエンジニアリング : Snowflake, dbt cloud, Adverity, fivetran 等 ・インフラ(AI) : AWS, GCP (Amazon Bedrock, Google Vertex AI) ・共通 : Docker, Terraform, GitHub, Slack 単に特定技術を使うだけではなく、AIエージェントを安全に、継続的に、業務の中で使える状態にするための評価・監視・権限管理・ログ設計・ガードレール設計まで含めて取り組みます。 ●参考記事 (外部リンク) ・[テレシー コーポレートサイト](https://telecy.tv/) ・[脳内で、事業の「正解」を描き切る](https://evolution.cartaholdings.co.jp/article-0087/)  ・オウンドメディア『EVOLUTiON』 テレシー社員紹介記事 ・[データドリブンで実現するテレビCM変革!テレシーの取り組みとは?](https://telecy.tv/column/sendenkaigi-mmm-telecyanalytics/) ・[疲労回復パジャマ「BAKUNE」躍進の裏側](https://telecy.tv/column/crosstalk-sendenkaigi-tential/)

1,080~2,000万円

東京都(港区)

Docker

PostgreSQL

MLOps

Snowflake

GitHub

Google Cloud Platform(GCP)

Python

BigQuery

生成AI・LLM

AWS

Slack

Terraform

育児支援制度あり

401k(確定拠出年金)あり

フルフレックス

土日祝日休み

自社内開発メイン

従業員数1000名以上

三井住友カード株式会社

三井住友カード株式会社

データエンジニア

データエンジニア

600~1,300万円

正社員

東京都( 江東区)

●配属部署 マーケティング本部 マーケティングユニット ●概要 全社横断のデータ利活用を推進するため、キャッシュレス決済データ(取扱高58.9兆円、会員数3893万人、月間数億件のトランザクション)に代表される社内外の膨大なデータを扱う、モダンかつスケーラブルな次世代データ基盤の構築・運用をお任せします。 ●仕事内容 具体的には、以下の業務を通じて、ビジネス部門や顧客向けのデータ利活用をエンジニアリングの側面からリードしていただきます。 ・データ基盤の設計/構築/運用:AWS、Snowflake、Databricksを用いた、スケーラブルで堅牢な全社向けデータプラットフォームのエンジニアリング ・データパイプラインの開発:dbtを用いたデータ変換(モデリング)の高度化、およびGitHub ActionsによるCI/CD環境の構築・自動化 ・データマネジメントの実装:メタデータ管理、データ品質、ガバナンスを担保したデータモデリングの実践 ・データ利活用の支援:Lightdash等のBIツールを用いたデータ可視化や、顧客向けデータ提供サービスのバックエンド実装支援 ・内製開発文化の醸成:技術選定や開発プロセスの改善を通じ、モダンな技術スタックを用いたアジャイルな内製開発チームのリード ●開発チームの環境・カルチャー 内製化を強力に推進するにあたり、エンジニアがパフォーマンスを最大限に発揮し、自律的に改善を行えるモダンな開発環境の整備を進めています。 ・コミュニケーションとナレッジ:Slackを用いたスピーディーなコミュニケーションと、Notionへのドキュメント集約による、透明性の高いナレッジ共有を徹底しています。 ・開発生産性の可視化/継続的改善:Findy Team+を導入してチームの開発パフォーマンス(Four Keysなど)を定量的に計測し、データに基づいた開発プロセス改善に取り組んでいます。 ・AIエージェントによる開発の加速: Claude Codeを活用したエージェントコーディングを導入開始しており、エンジニアがより本質的な設計やデータモデリングに注力できる環境づくりを進めています。

AWS

Notion

生成AI・LLM

Python

GitHub Actions

Snowflake

MLOps

Docker

社宅・家賃補助制度あり

401k(確定拠出年金)あり

退職金制度あり

生成AI開発ツール導入

フレックス勤務

土日祝日休み

自社内開発メイン

大規模トラフィック環境

機械学習・データ活用

アジャイル・スクラム開発環境

従業員数1000名以上

データエンジニア

データエンジニア

正社員

●配属部署 マーケティング本部 マーケティングユニット ●概要 全社横断のデータ利活用を推進するため、キャッシュレス決済データ(取扱高58.9兆円、会員数3893万人、月間数億件のトランザクション)に代表される社内外の膨大なデータを扱う、モダンかつスケーラブルな次世代データ基盤の構築・運用をお任せします。 ●仕事内容 具体的には、以下の業務を通じて、ビジネス部門や顧客向けのデータ利活用をエンジニアリングの側面からリードしていただきます。 ・データ基盤の設計/構築/運用:AWS、Snowflake、Databricksを用いた、スケーラブルで堅牢な全社向けデータプラットフォームのエンジニアリング ・データパイプラインの開発:dbtを用いたデータ変換(モデリング)の高度化、およびGitHub ActionsによるCI/CD環境の構築・自動化 ・データマネジメントの実装:メタデータ管理、データ品質、ガバナンスを担保したデータモデリングの実践 ・データ利活用の支援:Lightdash等のBIツールを用いたデータ可視化や、顧客向けデータ提供サービスのバックエンド実装支援 ・内製開発文化の醸成:技術選定や開発プロセスの改善を通じ、モダンな技術スタックを用いたアジャイルな内製開発チームのリード ●開発チームの環境・カルチャー 内製化を強力に推進するにあたり、エンジニアがパフォーマンスを最大限に発揮し、自律的に改善を行えるモダンな開発環境の整備を進めています。 ・コミュニケーションとナレッジ:Slackを用いたスピーディーなコミュニケーションと、Notionへのドキュメント集約による、透明性の高いナレッジ共有を徹底しています。 ・開発生産性の可視化/継続的改善:Findy Team+を導入してチームの開発パフォーマンス(Four Keysなど)を定量的に計測し、データに基づいた開発プロセス改善に取り組んでいます。 ・AIエージェントによる開発の加速: Claude Codeを活用したエージェントコーディングを導入開始しており、エンジニアがより本質的な設計やデータモデリングに注力できる環境づくりを進めています。

600~1,300万円

東京都( 江東区)

AWS

Notion

生成AI・LLM

Python

GitHub Actions

Snowflake

MLOps

Docker

社宅・家賃補助制度あり

401k(確定拠出年金)あり

退職金制度あり

生成AI開発ツール導入

フレックス勤務

土日祝日休み

自社内開発メイン

大規模トラフィック環境

機械学習・データ活用

アジャイル・スクラム開発環境

従業員数1000名以上

株式会社ラクス

株式会社ラクス

[L020] 情報システム・社内SE|<オープンポジション>

ネットワークエンジニア

567~1,000万円

正社員

東京都(渋谷区)

1.AI・DX推進 【ミッション】 生成AI・データ活用による社内業務の変革 ・AIプラットフォーム構築:MLOps/LLMOpsを用いた機械学習モデルの設計・運用 ・データパイプライン:Google Cloud上でのデータ処理基盤の開発 ・ビジネス実装:社内各部門へのヒアリングから生成AI導入、効果検証まで一貫した推進 2.営業DX 【ミッション】 営業・カスタマーサクセス組織の変革を支えるシステム基盤の構築 ・基盤刷新: Salesforce等のCRM/SFA導入、データ移行、運用フロー構築 ・AX推進: 現場課題を吸い上げ、iPaaSやDWHを用いた自動化を実機検証・実装 ・伴走型支援: 現場と連携し、システムを実運用に落とし込む実行リード 3.基幹システム刷新 【ミッション】自社サービス「楽楽販売」 で構築された販売管理システムのリプレイス ・大規模リプレイス: 50人月規模の刷新プロジェクトにおけるPM業務 ・内製開発のリード: 要件定義から参画し、進捗・品質管理、意思決定を支援 ・継続改善: 現行システムの運用・改修を通じた業務プロセスの最適化 4.ITインフラ・デバイス統制 【ミッション】 3,000人規模のデバイス/インフラ基盤の安定運用と進化 ・インフラ設計・構築: ネットワーク(LAN/WAN/VPN)、サーバーの設計・運用 ・モダンマネジメント: Entra ID / Intune / Jamf を活用したPC・デバイス管理 ・グループ統制: グループ全体の機器選定、運用ルールの再構築、ユーザーサポート ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。

Salesforce

機械学習

Google Cloud Platform(GCP)

React

MLOps

生成AI・LLM

育児支援制度あり

研修・勉強会あり

持ち株会制度あり

リモート可

時短勤務可

土日祝日休み

自社内開発メイン

機械学習・データ活用

従業員数1000名以上

[L020] 情報システム・社内SE|<オープンポジション>

ネットワークエンジニア

正社員

1.AI・DX推進 【ミッション】 生成AI・データ活用による社内業務の変革 ・AIプラットフォーム構築:MLOps/LLMOpsを用いた機械学習モデルの設計・運用 ・データパイプライン:Google Cloud上でのデータ処理基盤の開発 ・ビジネス実装:社内各部門へのヒアリングから生成AI導入、効果検証まで一貫した推進 2.営業DX 【ミッション】 営業・カスタマーサクセス組織の変革を支えるシステム基盤の構築 ・基盤刷新: Salesforce等のCRM/SFA導入、データ移行、運用フロー構築 ・AX推進: 現場課題を吸い上げ、iPaaSやDWHを用いた自動化を実機検証・実装 ・伴走型支援: 現場と連携し、システムを実運用に落とし込む実行リード 3.基幹システム刷新 【ミッション】自社サービス「楽楽販売」 で構築された販売管理システムのリプレイス ・大規模リプレイス: 50人月規模の刷新プロジェクトにおけるPM業務 ・内製開発のリード: 要件定義から参画し、進捗・品質管理、意思決定を支援 ・継続改善: 現行システムの運用・改修を通じた業務プロセスの最適化 4.ITインフラ・デバイス統制 【ミッション】 3,000人規模のデバイス/インフラ基盤の安定運用と進化 ・インフラ設計・構築: ネットワーク(LAN/WAN/VPN)、サーバーの設計・運用 ・モダンマネジメント: Entra ID / Intune / Jamf を活用したPC・デバイス管理 ・グループ統制: グループ全体の機器選定、運用ルールの再構築、ユーザーサポート ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。

567~1,000万円

東京都(渋谷区)

Salesforce

機械学習

Google Cloud Platform(GCP)

React

MLOps

生成AI・LLM

育児支援制度あり

研修・勉強会あり

持ち株会制度あり

リモート可

時短勤務可

土日祝日休み

自社内開発メイン

機械学習・データ活用

従業員数1000名以上

株式会社サイバーエージェント

株式会社サイバーエージェント

【メディア事業部】画像認識エンジニア/ WINTICKET

AI・機械学習(LLM)エンジニア

-

正社員

東京都(渋谷区宇田川町)

●スポーツ映像における新たな体験を可能にするCV技術の開発を担当します。 機械学習モデルの開発にとどまらず、弊社サービスへの出口を想定した企画への画像認識観点からの技術アドバイスや、データセット構築、ML Ops観点からのモデルサービングまで自身の得意なスキルを活かしつつ周辺領域にも取り組んでいただきます。 ●技術応用例は以下の通りです。 └ レース映像における選手の3D座標認識、選手の姿勢推定、動画要約など ●想定する画像認識技術は以下の通りです。 └ 物体認識、マルチオブジェクトトラッキング、物体姿勢推定、三次元再構成、シーン理解、動画要約、センサーキャリブレーションなど ●会社概要 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています!

機械学習

画像認識

MLOps

GitHub

AWS

Google Cloud Platform(GCP)

Docker

C++

Python

社宅・家賃補助制度あり

持ち株会制度あり

英語活用

リモート可

土日祝日休み

自社プロダクト・サービス開発

自社内開発メイン

機械学習・データ活用

上場企業

メガベンチャー

【メディア事業部】画像認識エンジニア/ WINTICKET

AI・機械学習(LLM)エンジニア

正社員

●スポーツ映像における新たな体験を可能にするCV技術の開発を担当します。 機械学習モデルの開発にとどまらず、弊社サービスへの出口を想定した企画への画像認識観点からの技術アドバイスや、データセット構築、ML Ops観点からのモデルサービングまで自身の得意なスキルを活かしつつ周辺領域にも取り組んでいただきます。 ●技術応用例は以下の通りです。 └ レース映像における選手の3D座標認識、選手の姿勢推定、動画要約など ●想定する画像認識技術は以下の通りです。 └ 物体認識、マルチオブジェクトトラッキング、物体姿勢推定、三次元再構成、シーン理解、動画要約、センサーキャリブレーションなど ●会社概要 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています!

-

東京都(渋谷区宇田川町)

機械学習

画像認識

MLOps

GitHub

AWS

Google Cloud Platform(GCP)

Docker

C++

Python

社宅・家賃補助制度あり

持ち株会制度あり

英語活用

リモート可

土日祝日休み

自社プロダクト・サービス開発

自社内開発メイン

機械学習・データ活用

上場企業

メガベンチャー

株式会社サイバーエージェント

株式会社サイバーエージェント

MLOps×詳しい条件で求人を探してみる

ソフトウェア開発

条件を変えて求人を探してみる