株式会社タイミー 求人の検索結果一覧

全 7 件中 7 件 を表示しています

• 

  シニアプロダクトデータサイエンティスト（Matching）

  募集背景 タイミーの急激な事業成長に伴い、求人案件とユーザー数が拡大し続ける中で、「自分に合った仕事がすぐに見つかる」「必要な時に必要な働き手が集まる」というマーケットプレイスとしての流動性と質を両立させることは、当社のミッションである「『はたらく』を通じて人生の可能性を広げるインフラ」を維持・発展させるための最重要課題です。 スポットワークのマッチングは、一般的なEC等とは異なり、場所・時間・スキルといった物理的な制約が強く、さらに「現場での体験」そのものがプロダクトの価値に直結します。そのため、単なるマッチング精度の改善に留まらず、マーケットプレイス全体の需給バランスの最適化や、「タイミーを使うほど、働く時間がより豊かになる」ような仕組みのデザインが求められています。 また、LLMなどの基盤モデル技術を活用し、募集内容やレビューといった非構造化データから、ワーカーと事業者の特徴をより深く理解する挑戦も進めています。 「なぜこの指標を改善すべきなのか」「タイミーとしてどのような体験を提供すべきか」というプロダクトおよびマーケティングの視点を持ち、データサイエンスと最新のAI技術を融合させて事業成長を牽引できる、意欲ある仲間を募集しています。 業務内容 現在、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」「ML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションでは、このうち「マッチング体験の向上」を専門的に担当いただき、推薦や検索アルゴリズムの力を用いて、ユーザーへの価値提供を最大化していただきます。 ビジネス課題の特定から、数理最適化や因果推論、基盤モデル等を用いたシステム設計、ビジネスインパクトと連動した評価パイプラインの構築までをフルサイクルで担っていただきます。 1. 理想のマッチングと評価指標の設計 推薦・マッチングアルゴリズムが事業KPI（マッチング率、継続率等）に与える影響を分析し、優先的に改善すべき領域を策定 「タイミーにおける理想のマッチング」を定義し、それを多角的に評価・計測するための指標や、信頼性の高い評価基盤の設計・構築 ワーカーの皆様の継続的な活躍を支え、タイミーを通じた「はたらく」体験がより価値あるものとなるような、データに基づいた価値還元やパーソナライズ体験の構築 2. マッチングのデータサイエンスと最新技術のリサーチ・実装 推薦システム、検索、グラフニューラルネットワーク、数理最適化、マーケットデザイン等の分野における論文の調査および、タイミーのマッチング課題への適応・実装 多種多様なニーズを持つワーカーと事業者の需給バランスを考慮した高度なマッチングアルゴリズムを開発し、因果推論等を用いた施策の効果検証 3. 基盤モデルを活用したユーザー理解の深化 LLM等の基盤モデルを用いて、非構造化データからセマンティックな特徴を抽出し、マッチング精度の向上に繋げる プロンプトエンジニアリングや効率的な追加学習（PEFT等）を駆使し、特定ドメインにおけるモデルの最適化を推進 4. フルサイクルなモデル開発と推論の最適化 ユーザーからの反応やフィードバック（暗黙的・明示的シグナル）を収集・分析し、プロダクトを継続的に進化させる学習ループ（フィードバックループ）の構築 ロードマップ策定からモデリング、A/Bテスト等の検証、本番運用の実施までを一気通貫で担当 推論時のレイテンシー改善やコスト管理を行い、快適なユーザー体験とビジネス効率の両立を追求 技術スタック(主要な部分の抜粋) Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR Mobile（iOS） 開発言語: Swift Mobile（Android） 開発言語: Kotlin Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 Monitoring Datadog, Sentry CI/CD GitHub Actions, Dependabot その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 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。 データエンジニアリング部の特徴 ・データエンジニアリング部全体で頻繁に勉強会を実施しています。部署を跨いでの勉強会も実施されており、興味がある人は参加できる形を取っているので、興味がある分野について学べる機会が多いです。 ・一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。 ・フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。 ※各自の在宅環境をリモートワークに最適化することを支援する制度があります。 ・心理的安全性が高い組織なため、相談しやすい環境が整っています。 ※参考記事「心理的安全性の勉強会を開催しました」 ・データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。 本ポジションの魅力 「スポットワーク」という新しい市場の先駆者として、あらゆる人の人生の可能性を広げるためのインフラづくりに深く関わることができます。 機械学習モデルを作成して終わりではなく、運用/継続学習/精度の監視を大事にしています。 施策の設計から携わることが可能です。 データ基盤の整備は別のチームが担当しているため、データサイエンティストとしての価値創出に集中できます。 考慮する変数が多くモデリングする対象が複雑かつ、アイテムのライフスパンが短いため難易度が高いですが、 高いレベルで「データサイエンス力」「ビジネス力」や「データエンジニア力」を体現しているデータサイエンティストと一緒に働くことができ、アジリティ高く施策や検証を行うことができます。 グループのMission実現のための最適なアルゴリズム、モデル、コード、ツールなどについて、チームメンバーでの議論・提案を歓迎する文化があります。  インタビュー記事 採用要件 MUST ハードスキル マッチング・推薦領域における卓越した知見と実装経験（5年以上） ：推薦システム、検索システム、またはマッチング理論や数理最適化（需給バランスの最適化等）の知見を用いた、実ビジネスにおける高度な設計・開発・運用経験 開発・分析基盤の習熟 ：SQLおよびPythonを用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境でのモデル開発・運用、およびGitを用いたチーム開発の実務経験 データに基づく高度な意思決定支援 ：因果推論やA/Bテストを用いた精緻な効果検証を行い、マーケットプレイス内の複雑な相互作用を考慮した上で、プロダクトの改善を主導した実務経験 継続的な学習サイクルの構築経験 ：本番環境のデータやユーザーからの反応（暗黙的・明示的シグナル）を収集・分析し、モデルを改善し続ける仕組みを設計・運用した経験 評価駆動開発の高度な実践能力 ：ビジネスインパクトから逆算し、2サイドプラットフォーム特有の多角的な評価指標（オフライン評価、セマンティック類似度、マーケットプレイスの健全性指標等）を定義するとともに、信頼性の高い評価基盤を設計・構築できる能力 ソフトスキル 2サイドマッチングプラットフォームにおける深いドメイン知見 ：2サイドマッチングプラットフォームの特性（流動性の確保、マッチングの摩擦、ネットワーク効果など）を深く理解し、抽象的な事業課題をデータサイエンスの課題として構造化・ロードマップ策定できる能力 ビジネス指標と技術指標の高度な接続能力 ：マッチング率、充填率（Fill rate）、リテンションといったマーケットプレイスの重要KPIと、機械学習の技術指標を定量的に紐付け、投資対効果（ROI）に基づいた優先順位付けと戦略的な意思決定を主導できる能力 ステークホルダーを巻き込む推進力 ：他部門のステークホルダーと密に連携し、マッチングアルゴリズムがプロダクトやユーザー体験に与える影響を共通言語（ビジネス価値）で議論し、プロジェクトを完遂させる高い推進力 WANT 多段階ランキングシステムの設計・開発経験 ：大規模な候補集合に対して、効率的かつ高精度に絞り込みを行うリランキングアルゴリズムの実装経験 高度な検索システムの設計・開発経験 ：キーワード検索とベクトル検索を組み合わせた「ハイブリッド検索」や、文脈を考慮した「コンテキスト検索」の設計経験 生成的検索の設計・開発および評価経験 ：従来のキーワード検索の枠組みを超え、RAG（検索拡張生成）、セマンティック検索、クエリ書き換えなどの技術を駆使し、個々のユーザーの文脈に即したコンテンツを提示する検索体験の構築・評価知見 多目的最適化の知見 ：ユーザーの満足度、事業収益、需給バランスといった、複数の相反する目的変数のバランスを考慮した最適化の経験 論文（RecSys, KDD, NeurIPS等）のリサーチと実装 ：既存手法に留まらず、学術的な知見をタイミー独自の制約条件（アイテムの短いライフサイクル、時間・場所の制約等）に適応・再実装できる高い探究心 エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験 求める人物像 当社のミッション、社会貢献性の高い事業に共感していただける方 当社のバリューにフィットする方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方 ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  MLOpsエンジニア

  募集背景 タイミーはスキマバイトのマッチングプラットフォームを日本全国にサービスを展開し、急速に成長しています。 弊社では創業当初よりデータ活用の文化が根付いておりますが、MLを活用し更に事業成長を推進していくためには、より強固なML基盤が求められています。 多方面からのML活用のニーズにスピーディーに応えていくために、これまでは、MLパイプラインやCI/CDパイプラインの自動化／Feature Storeの構築／ML開発環境の整備／モノリポ化／開発効率化のための社内ライブラリ開発　などを進めてきました。今後はより強固な基盤を築くべく、Feature Storeの構築や実験管理、データ監視、やモデル監視、LLMOpsなどにも取り組み、中長期的にはデータサイエンスグループに閉じずML基盤を全社展開し、タイミーにおけるML利用シーンを拡大していきたいと考えています。 これらの実現に向け、既存の枠組みに捉われず、幅広い視野を持ちつつ最適解を探しながら取り組んでいただけるMLOpsエンジニアを募集します。 ▼これまでの取り組みについてはぜひこちらもご覧ください ・「ML基盤を再構築したはなし」（https://tech.timee.co.jp/entry/2023/12/13/114424） ・「Vertex AI Pipelinesを効率的に開発するための取り組み」（https://tech.timee.co.jp/entry/2023/07/21/114309） 業務内容 アプリのUXや、タイミーの様々な業務効率を向上させるための機械学習を用いたソリューションについて、安定した価値提供を実現するためのMLOps基盤の構築・運用をメインで担っていただくポジションです。 機械学習の学習・評価・予測を効率的に実現するためのMLOpsパイプラインの構築・保守・運用 機械学習APIサーバーの設計・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構築 機械学習ワークフローの設計・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開発など 生成AIを実運用していくための切開・開発・運用・ルール整備など 上記を実現するため、最新の技術動向を踏まえたテックスタックの標準化や運用のための仕組みづくり IaCによるインフラ構築・管理 CI/CDによるデプロイ自動化 サービス監視設計・運用 パフォーマンスチューニングを含むSite Reliability向上のための実装など 社内のデータサイエンティスト等への教育・スキルトランスファーや採用に関する業務 ML基盤活用戦略の作成・推進や、全社的な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) Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR Mobile（iOS） 開発言語: Swift Mobile（Android） 開発言語: Kotlin Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 Monitoring Datadog, Sentry CI/CD GitHub Actions, Dependabot その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 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。 データエンジニアリング部の特徴 ・一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。※詳しくはこちらをご確認ください※ ・フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。 　※各自の在宅環境をリモートワークに最適化することを支援する制度があります。 ・心理的安全性が高い組織なため、相談しやすい環境が整っています。 　※参考記事「心理的安全性の勉強会を開催しました」 ・データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。 タイミーのデータサイエンスグループで働く魅力 ・グループのMission実現のための最適なアルゴリズム、モデル、コード、ツールなどについて、チームメンバーでの議論・提案を歓迎する文化があります。 ・データサイエンティストと同じグループに所属しているため、デイリーで直接コミュニケーションを行い、アジリティ高く開発を行なっています。 ・データサイエンティストは、モデルやアルゴリズムだけではなく、システム全体を設計・開発できるフルスタックなメンバーが集まっており、MLOpsへの関心も高いため、MLOps領域に関して仕事が進めやすく、イネイブラーとしての役割を実感できる環境です。 ・メンバーは、「MLOpsエンジニアとして世界的に展開しているアパレル企業での大規模な機械学習の基盤の開発」や「国内最大手のスキルマーケットプレイスでの推薦システム開発、不正検知」「国内ビッグテックでの広告配信の最適化」「ITベンチャーにてR＆D組織の立ち上げ」などを経験した優秀なメンバーが集まっており、お互いに学び合いながら開発に取り組んでいます。 ・機械学習モデルを作成して終わりではなく、運用/継続学習/精度の監視を大事にしています。 ・タイミーの大規模なデータを用いて、様々な観点・知識が求められる分析や、機械学習モデルの構築に携わることが可能です。  インタビュー記事 採用要件 MUST ハードスキル SQL及びPythonなどの言語を利用したデータ抽出・加工を含む、システム開発の経験（3年以上） gitを用いたチーム開発の経験 GitHub/GitLab上でのCI/CDを用いた自動化、及び運用の経験 IaCの開発経験 複数の技術スタックによる機械学習パイプラインの構築・運用経験（直近含め3年以上） 商用環境における機械学習機能の構築・運用経験（直近含め3年以上） クラウドにおける開発経験（特にGoogle Cloud、もしくはAWS）（直近含め3年以上） 保守性や運用まで考慮した技術選定・アーキ設計が出来る ソフトスキル ・当社のミッション、社会貢献性の高い事業に共感していただける方 ・当社のバリューにフィットしている方 ・業界・顧客理解のためにインプットを怠らない方 ・課題解決に向け、自ら考え、手を動かすこともできる方 ・周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方 ・ロジカル一辺倒ではなく、相手に配慮したコミュニケーションが出来る方 WANT VertexAI, kubeflow, SageMaker, TFX, flyte等のMLフレームワークを用いた開発・運用経験 dbt, snowflake, databricksいずれかの開発・運用経験 k8sに関するPod/Serviceの開発・運用経験 チーム内外のメンバーと連携して、円滑に業務遂行を行うためのコミュニケーション能力 プログラミング言語によるweb系開発、及び運用の実務経験 VPC構成、Cloud間の認証設定等のインフラレベル、及びアプリケーションレベルでの脆弱性対策等のセキュリティに関する実務経験

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  シニアMLOpsエンジニア

  募集背景 タイミーはスキマバイトのマッチングプラットフォームを日本全国にサービスを展開し、急速に成長しています。 弊社では創業当初よりデータ活用の文化が根付いておりますが、MLを活用し更に事業成長を推進していくためには、より強固なML基盤が求められています。 多方面からのML活用のニーズにスピーディーに応えていくために、これまでは、MLパイプラインやCI/CDパイプラインの自動化／Feature Storeの構築／ML開発環境の整備／モノリポ化／開発効率化のための社内ライブラリ開発　などを進めてきました。今後はより強固な基盤を築くべく、Feature Storeの構築や実験管理、データ監視、やモデル監視、LLMOpsなどにも取り組み、中長期的にはデータサイエンスグループに閉じずML基盤を全社展開し、タイミーにおけるML利用シーンを拡大していきたいと考えています。 これらの実現に向け、既存の枠組みに捉われず、幅広い視野を持ちつつ最適解を探しながら取り組んでいただけるMLOpsエンジニアを募集します。 ▼これまでの取り組みについてはぜひこちらもご覧ください ・「ML基盤を再構築したはなし」（https://tech.timee.co.jp/entry/2023/12/13/114424） ・「Vertex AI Pipelinesを効率的に開発するための取り組み」（https://tech.timee.co.jp/entry/2023/07/21/114309） 業務内容 アプリのUXや、タイミーの様々な業務効率を向上させるための機械学習を用いたソリューションについて、安定した価値提供を実現するためのMLOps基盤の構築・運用をメインで担っていただくポジションです。 機械学習の学習・評価・予測を効率的に実現するためのMLOpsパイプラインの構築・保守・運用 機械学習APIサーバーの設計・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構築 機械学習ワークフローの設計・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開発など 生成AIを実運用していくための切開・開発・運用・ルール整備など 上記を実現するため、最新の技術動向を踏まえたテックスタックの標準化や運用のための仕組みづくり IaCによるインフラ構築・管理 CI/CDによるデプロイ自動化 サービス監視設計・運用 パフォーマンスチューニングを含むSite Reliability向上のための実装など 社内のデータサイエンティスト等への教育・スキルトランスファーや採用に関する業務 ML基盤活用戦略の作成・推進や、全社的な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) Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR Mobile（iOS） 開発言語: Swift Mobile（Android） 開発言語: Kotlin Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 Monitoring Datadog, Sentry CI/CD GitHub Actions, Dependabot その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 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。 データエンジニアリング部の特徴 ・一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。※詳しくはこちらをご確認ください※ ・フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。 　※各自の在宅環境をリモートワークに最適化することを支援する制度があります。 ・心理的安全性が高い組織なため、相談しやすい環境が整っています。 　※参考記事「心理的安全性の勉強会を開催しました」 ・データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。 タイミーのデータサイエンスグループで働く魅力 ・グループのMission実現のための最適なアルゴリズム、モデル、コード、ツールなどについて、チームメンバーでの議論・提案を歓迎する文化があります。 ・データサイエンティストと同じグループに所属しているため、デイリーで直接コミュニケーションを行い、アジリティ高く開発を行なっています。 ・データサイエンティストは、モデルやアルゴリズムだけではなく、システム全体を設計・開発できるフルスタックなメンバーが集まっており、MLOpsへの関心も高いため、MLOps領域に関して仕事が進めやすく、イネイブラーとしての役割を実感できる環境です。 ・メンバーは、「MLOpsエンジニアとして世界的に展開しているアパレル企業での大規模な機械学習の基盤の開発」や「国内最大手のスキルマーケットプレイスでの推薦システム開発、不正検知」「国内ビッグテックでの広告配信の最適化」「ITベンチャーにてR＆D組織の立ち上げ」などを経験した優秀なメンバーが集まっており、お互いに学び合いながら開発に取り組んでいます。 ・機械学習モデルを作成して終わりではなく、運用/継続学習/精度の監視を大事にしています。 ・タイミーの大規模なデータを用いて、様々な観点・知識が求められる分析や、機械学習モデルの構築に携わることが可能です。  インタビュー記事 採用要件 MUST ハードスキル SQL及びPythonなどの言語を利用したデータ抽出・加工を含む、システム開発の経験（5年以上） VertexAI, kubeflow, SageMaker, TFX, flyte等のMLフレームワークを用いた開発・運用経験 dbt, snowflake, databricksいずれかの開発・運用経験 gitを用いたチーム開発の経験 GitHub/GitLab上でのCI/CDを用いた自動化、及び運用の経験 IaCの開発経験 複数の技術スタックによる機械学習パイプラインの構築・運用経験（直近含め3年以上） 商用環境における機械学習機能の構築・運用経験（直近含め3年以上） クラウドにおける開発経験（特にGoogle Cloud、もしくはAWS）（直近含め3年以上） 保守性や運用まで考慮した技術選定・アーキ設計が出来る VPC構成、Cloud間の認証設定等のインフラレベル、及びアプリケーションレベルでの脆弱性対策等のセキュリティに関する実務経験 ソフトスキル チーム内外のメンバーと連携して、円滑に業務遂行を行うためのコミュニケーション能力 当社のミッション、社会貢献性の高い事業に共感していただける方 当社のバリューにフィットする方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方 ロジカル一辺倒ではなく、相手に配慮したコミュニケーションが出来る方 WANT k8sに関するPod/Serviceの開発・運用経験 web系開発、及び運用の実務経験

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  データプログラムマネージャー

  募集背景 急速な事業成長に伴い、現在、組織としては今後の事業基盤を作るための組織化を推進するタイミングを迎えており、積極的な技術投資を通して事業成長スピードに応える開発体制を組成することに取り組んでいます。 タイミーでは、創業初期よりデータに基づいた意思決定を重視し事業運営を行っており、「データを使うのは当たり前」という文化が強く根付いています。 その中で、タイミーのミッション達成に向け、データ活用によるUX向上や営業生産性の向上への期待が一層高まっており、適切に仮説検証を行いビジネスに展開していくためには、データ活用におけるプロジェクトをリードいただける方の存在が不可欠です。 システムの活用に留まらず、「お客様が抱える『人』に関する経営課題の解決」や「個人の人生の可能性を広げるためのインフラをづくり」に情熱を持ち、タイミーだからこそ持ち得るデータを基盤としながら課題の特定〜仮説立て、必要な検証の把握を行い、プロジェクトの立ち上げからビジネスへの展開を推進いただける方を探しております。 業務内容 タイミーにおけるデータ利活用の価値最大化のための戦略策定・企画運用 戦略・企画の実行支援として社内の様々な組織に対するデータ活用PJの組成・進行管理 ビジネスサイドとエンジニアリングとデータの結節点となり、タイミーの事業を前に進める ▼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 本ポジションの魅力 「スポットワーク」という新しい市場の先駆者として蓄積してきたデータを活用し、労働市場における社会的課題解決を通じて日本の活性化に貢献するやりがいを得られます。 データ活用が当然というカルチャーが既に存在しているので、活用促進のような煩わしさは存在せず、データPjMとしての価値創出に集中できます。 サービス・組織が急成長しているフェーズであるため、多岐にわたり、数多くのテーマが存在しています。 インタビュー記事 技術スタック(主要な部分の抜粋) 開発言語 Python データ基盤 BigQuery / Fivetran / dbt Cloud AI / LLM Vertex AI / Gemini / Langfuse BIツール Looker / Looker Studio IaC Terraform 開発環境・ツール Cursor / Claude Code / Devin / GAS etc ▼データパイプラインの全体図 データエンジニアリング部の特徴 データエンジニアリング部全体で週に約3回の勉強会を実施しています。事業部を跨いでの勉強会も実施されており、興味がある人は参加できる形を取っているので、興味がある分野について学べる機会が多いです。 一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。（※詳しくは  こちら を参照ください） フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。 （※各自の在宅環境を リモートワークに最適化することを支援する制度 があります。） 心理的安全性が高い組織を目指しており、意見の言いやすい環境が整っています。(※参考記事「 心理的安全性の勉強会を開催しました 」) データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。 採用要件 MUST SQL/Pythonを用いたデータ抽出・分析のご経験 経営意思決定に繋がる分析を遂行した経験 下記のうちいずれかの専門知識がある 基本的なデータ分析・データサイエンスの知識 (自身が経験した領域のビジネスモデル及びデータの特徴や、分析事例・実績を説明できる) 基本的なデータエンジニアリングの知識（data lake, data warehouse, data mart, ETLとはどのようなもので、どのような技術で実現できるか説明できる） WANT 自らシステム・ソフトウェアを開発したご経験 コンサルティングのご経験 エンジニアとビジネス職をまとめたプロジェクト推進のご経験 HR領域を始めとする、タイミー関連領域のドメイン知識 AI/LLM に関する知見 (エージェント構築など) 基礎能力・スタンス 心理的安全性を重視する方 ビジネスセンスがありながら、エンジニアのカルチャーにフィット出来る方 データの価値最大化に向けて、ビジネス要件とデータ・AI技術を接合出来る方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  インフラアーキテクト（データ基盤）

  募集背景 当社では、GCP上に構築されたデータ基盤を活用し、データドリブンな意思決定やサービス改善を推進しています。 事業の成長に伴いデータ活用領域が拡大し、さらにLLM（大規模言語モデル）の本格導入も視野に入る中、既存のインフラ運用に加えて、攻め（データ活用推進）と守り（セキュリティ・ガバナンス）を両立させるアーキテクチャへの進化が急務となりました。 本ポジションは、こうした変革期の中核を担うエキスパートです。事業部門と共にリスク管理を行う「第一線（1st Line of Defense）」として大きな裁量権を持ち、全社のデータ活用を足元から支え、加速させる重要な役割を担っていただきます。 業務内容 GCPデータ基盤のインフラ設計・運用・改善 BigQuery, Dataflow, GKE, Cloud Composer等を用いたデータ基盤の安定稼働とパフォーマンス最適化 Terraform等を利用したIaC（Infrastructure as Code）によるインフラ構成管理とプロビジョニング自動化 CI/CDパイプラインの構築・改善による、迅速で信頼性の高いデプロイメントの実現 データ基盤およびLLM活用におけるセキュリティ体制の強化 事業部門と共にリスクを管理する第一線として、セキュリティ要件の定義、アーキテクチャ設計、実装をリード IAM、VPC、暗号化、監査ログ等のセキュリティ統制の設計と運用 LLM活用におけるデータプライバシーやセキュリティリスクの評価と対策の推進 データガバナンス体制の構築と推進 外部ベンダーと安全に協業するためのセキュリティガイドライン策定や、開発・運用プロセスの標準化 第二線（リスク管理部門）や監査部門と連携し、セキュリティポリシーや運用ルールの策定、監査対応を主導 全社的なデータガバナンスの浸透と、開発者向けドキュメントの整備 参考記事 事業に貢献できるから楽しい。データドリブンな意思決定に欠かせないデータ基盤をつくる仕事 Google Cloud × タイミー インタビュー記事 技術スタック(主要な部分の抜粋) Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR Mobile（iOS） 開発言語: Swift Mobile（Android） 開発言語: Kotlin Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 Monitoring Datadog, Sentry CI/CD GitHub Actions, Dependabot その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code このポジションの魅力 日本の労働市場における大きな社会課題に真摯に向き合い続けるためには、これまで以上に戦略的な事業のスケールと、組織・システムが持続可能な状態になることが求められます。 本ポジションの魅力は、その実現に不可欠な役割を担える点にあります。 事業と組織の成長に貢献 会社の次の飛躍に向けたシステム・プロセス・組織づくりに、データ基盤を支える当事者として深く関わることができます。自らの仕事が、社会課題解決という大きなミッションに繋がっている実感を得られるポジションです。 最先端技術領域への挑戦 急速に進化するモダンデータスタック、LLMや生成AI領域のインフラ・セキュリティに、事業のコアメンバーとして携わることができます。前例のない課題解決に挑戦できる、技術的な刺激に満ちた環境です。 市場価値の高いキャリア形成 需要の高い「データエンジニアリング」と「クラウドセキュリティ」の専門性を掛け合わせ、市場価値の高いキャリアを築けます。主体的にガバナンス体制を構築・改善していく経験は、ご自身の専門性をさらに高めることに繋がります。 データエンジニアリング部の特徴 データエンジニアリング部全体で週に約3回の勉強会を実施しています。事業部を跨いでの勉強会も実施されており、興味がある人は参加できる形を取っているので、興味がある分野について学べる機会が多いです。 一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。※詳しくはこちらをご確認ください※ フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。 　※各自の在宅環境をリモートワークに最適化することを支援する制度があります。 心理的安全性が高い組織なため、相談しやすい環境が整っています。 　※参考記事「心理的安全性の勉強会を開催しました」 データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです インタビュー記事 必須要件 データエンジニアまたはSREとしての実務経験（いずれか3年以上） クラウド（特にGCP）環境で、IaC（Terraform等）を用いたシステムの構築・運用経験 上流工程（要件定義、運用設計、ガバナンス）のリード経験 インフラ全体の運用設計をリードし、セキュリティやコストガバナンスを含む運用ルールを策定・改善した経験 設計思想、アーキテクチャ、運用手順などを論理的かつ分かりやすくドキュメント化する能力 経営層、開発チーム、外部ベンダーなど、多様なステークホルダーを巻き込み、合意形成をしながらプロジェクトを推進した経験 ** 歓迎要件 下記のいずれかのご経験をお持ちの方は、特に歓迎いたします。 データ基盤におけるセキュリティ設計・実装経験 クラウド環境におけるセキュリティ（IAM, ネットワーク, 暗号化, 監査ログ等）に関する深い知識と実務経験。特にDWHやETL/ELTパイプラインなど、大規模データ基盤の特性を理解した上でのセキュリティ設計・運用経験をお持ちの方。 LLM/生成AIなど先進技術領域に関する知見 Gemini APIやAzure OpenAI Service等を活用した開発・PoCの経験など、LLMや生成AIの技術動向に対する理解と、それを実用につなげるスキル。 ITガバナンスやグローバルな協業に関する経験 ISO27001, SOC2, GDPRといった国内外の規格・法規制に関する基本的な理解や監査対応の経験。また、海外ベンダーとの技術的な交渉や最新情報の収集に活かせる英語力。 ** 求める人物像 高い当事者意識を持ち、前例のない課題にも「大胆にチャレンジ」できる方 既成概念にとらわれず、LLMのような先進技術がもたらす複雑な課題に対しても、当事者としてリスクを取り、スピード感を持って解決策を探求できる方を求めています。 自身の専門性を活かし、変革を牽引したい方 データエンジニアリングやSREとしての深い知見を土台に、常に理想を追求し、質の高いアーキテクチャ設計や戦略を立案・遂行することで、事業や組織に変革を起こしたいという意欲をお持ちの方 領域を超えて組織に貢献できる方 部門間の障壁を取り除き、周囲を巻き込みながら協働できる方。個人の成果だけでなく、成功の再現性を高め、知識を共有し次に繋げて、チームと組織全体の発展に寄与したい方を歓迎します。

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  プロダクトAIエンジニア（Trust & Safety）

  募集背景 タイミーの急激な事業成長に伴い、ワーカー様と事業者様が安心してサービスを利用できる「高信頼なプラットフォーム」の維持・向上は、当社の事業継続における最優先課題です。 現在、この領域の課題解決に向けたデータサイエンス的な観点から、私たちは2つの側面からのアプローチを行っています。1つは、LLM等の基盤モデルを活用し、非構造化データや曖昧なコンテンツに対しても柔軟かつ高度な解釈・制御を行う「AIエンジニアリング」のアプローチです。もう1つは、従来の機械学習を用いた高精度なパターン認識や統計的異常検知によって、プラットフォームの健全性を守る「MLエンジニアリング」のアプローチです。 私たちはこれらの技術を適切に組み合わせ、システム全体の安全性と信頼性をAI/MLエンジニアリングの力で底上げできる「プロダクトAIエンジニア」を募集しています 業務内容 現在、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」「ML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションでは、このうち「プラットフォームの信頼性・安全性向上」を専門的に担当いただき、ML/LLMを駆使して、安心安全なプラットフォームの構築をリードしていただきます。 1. 基盤モデルを用いた高度な安全性制御 コンテキストエンジニアリングによる事実整合性の確保 ：内部ドキュメントやガイドラインの内容をモデルに正確に参照させ、事実に基づいた安全な情報提供を行うためのコンテキスト構築の最適化 防御的プロンプトエンジニアリング ：モデルの脆弱性を突く悪意ある入力（ジェイルブレイク等）からシステムを保護する堅牢なプロンプト設計 多角的ガードレールの実装 ：サービス規約やポリシーに基づき、不適切な情報の入出力を制御するガードレールシステムの構築 2. LLMOpsツール等を活用した継続的な品質改善サイクルの確立 実験の追跡と管理 ：採用するモデル、プロンプト、パラメータといった多様な変数の組み合わせをログに記録し、再現可能な形での管理 プロンプトのバージョン管理 ：複雑化するプロンプトをコードから分離し、体系的にテスト・更新できるバージョン管理フローの構築 自動評価パイプラインの運用 ：「AI as a Judge」等の手法を用い、モデルの出力品質（一貫性、安全性、事実整合性等）を定量的かつ客観的に評価する仕組みの構築 3. 戦略的データセットエンジニアリング データキュレーション ：プラットフォーム上の多様なリスクを網羅するため、データの品質、カバレッジ、量を考慮したデータセットの設計と収集 高度なアノテーション管理 ：曖昧な安全性基準を定義し、一貫性のあるアノテーションガイドラインの策定、および品質管理プロセスを構築 合成データの生成 ：AIモデルを活用して、実データだけでは不足するエッジケースや希少な異常パターンのデータを合成し、モデルの堅牢性を強化 4. 統計的アプローチによる高度な安全性制御 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特異なパターンを特定する高精度な分類・回帰モデルの構築 特徴量エンジニアリング ：リスク識別に有効な特徴量を抽出・加工するデータパイプラインの設計 5. 体系的な評価とオブザーバビリティの構築 システムの監視とドリフト検知 ：パフォーマンス（レイテンシー・コスト）の監視に加え、ユーザー行動やモデル挙動の変化を検知する環境の整備 定量的な改善サイクルの推進 ：定義された評価指標（メトリクス）に基づき、モデルの品質を客観的にモニタリング・改善するフィードバックループの構築 技術スタック(主要な部分の抜粋) Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR Mobile（iOS） 開発言語: Swift Mobile（Android） 開発言語: Kotlin Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 Monitoring Datadog, Sentry CI/CD GitHub Actions, Dependabot その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 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。 データエンジニアリング部の特徴 ・データエンジニアリング部全体で頻繁に勉強会を実施しています。部署を跨いでの勉強会も実施されており、興味がある人は参加できる形を取っているので、興味がある分野について学べる機会が多いです。 ・一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。 ・フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。 ※各自の在宅環境をリモートワークに最適化することを支援する制度があります。 ・心理的安全性が高い組織なため、相談しやすい環境が整っています。 ※参考記事「心理的安全性の勉強会を開催しました」 ・データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。 本ポジションの魅力 「スポットワーク」という新しい市場の先駆者として、あらゆる人の人生の可能性を広げるためのインフラづくりに深く関わることができます。 機械学習モデルを作成して終わりではなく、運用/継続学習/精度の監視を大事にしています。 施策の設計から携わることが可能です。 データ基盤の整備は別のチームが担当しているため、データサイエンティストとしての価値創出に集中できます。 考慮する変数が多くモデリングする対象が複雑かつ、アイテムのライフスパンが短いため難易度が高いですが、 高いレベルで「データサイエンス力」「ビジネス力」や「データエンジニア力」を体現しているデータサイエンティストと一緒に働くことができ、アジリティ高く施策や検証を行うことができます。 グループのMission実現のための最適なアルゴリズム、モデル、コード、ツールなどについて、チームメンバーでの議論・提案を歓迎する文化があります。  インタビュー記事 採用要件 MUST ハードスキル データ活用による課題解決経験 ：データ分析・機械学習を用いて具体的なビジネス課題を解決した実務経験（3年以上） 開発・分析基盤の習熟 ：SQLおよびPythonを用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境でのモデル開発・運用、およびGitを用いたチーム開発の実務経験 機械学習・統計学の知識 ：確率論、学習手法、評価指標、および非構造化データの処理に関する理解 基盤モデルを用いたAIアプリケーションの開発経験 ：コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 MLOps/AIインフラの知識 ：モデルの学習・評価・デプロイを自動化するパイプラインの構築経験 ソフトスキル 技術とビジネスの翻訳能力 ：AIの能力（事実整合性、安全性等）と限界を、非エンジニアに分かりやすく説明し、合意形成を行う能力 不確実性の高い中での意思決定能力 ：コスト、レイテンシー、安全性、モデルの品質といった相反する要件（トレードオフ）を論理的に整理し、優先順位を判断する能力 評価駆動の論理的思考 ：標準化された指標やデータに基づいて客観的にシステムのパフォーマンスを評価し、改善を提案する能力 ステークホルダーを巻き込む推進力 ：複雑な安全性基準の策定などにおいて、周囲の専門性を大胆に巻き込み、プロジェクトを完遂させるファシリテーション能力 WANT データセットエンジニアリングの実務経験 ：大規模なデータの収集、クリーニング、重複排除、およびアノテーションプロセスの設計・管理経験 AIを活用したデータ生成・評価経験 ：AIを用いた合成データ生成や、AI as a Judgeによる自動データ検証システムの構築経験 高度なデータセット設計スキル ：複雑なタスクにおける体系的なアノテーションガイドラインの設計および品質検証の経験 エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験 求める人物像 当社のミッション、社会貢献性の高い事業に共感していただける方 当社のバリューにフィットする方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方 ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  シニアプロダクトAIエンジニア（Trust & Safety）

  募集背景 タイミーの急激な事業成長に伴い、ワーカー様と事業者様が安心してサービスを利用できる「高信頼なプラットフォーム」の維持・向上は、当社の事業継続における最優先課題です。 現在、この領域の課題解決に向けたデータサイエンス的な観点から、私たちは2つの側面からのアプローチを行っています。1つは、LLM等の基盤モデルを活用し、非構造化データや曖昧なコンテンツに対しても柔軟かつ高度な解釈・制御を行う「AIエンジニアリング」のアプローチです。もう1つは、従来の機械学習を用いた高精度なパターン認識や統計的異常検知によって、プラットフォームの健全性を守る「MLエンジニアリング」のアプローチです。 私たちはこれらの技術を適切に組み合わせ、システム全体の安全性と信頼性をAI/MLエンジニアリングの力で底上げできる「プロダクトAIエンジニア」を募集しています 業務内容 現在、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」「ML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションでは、このうち「プラットフォームの信頼性・安全性向上」を専門的に担当いただき、ML/LLMを駆使して、安心安全なプラットフォームの構築をリードしていただきます。 1. 基盤モデルを用いた高度な安全性制御 コンテキストエンジニアリングによる事実整合性の確保 ：内部ドキュメントやガイドラインの内容をモデルに正確に参照させ、事実に基づいた安全な情報提供を行うためのコンテキスト構築の最適化 防御的プロンプトエンジニアリング ：モデルの脆弱性を突く悪意ある入力（ジェイルブレイク等）からシステムを保護する堅牢なプロンプト設計 多角的ガードレールの実装 ：サービス規約やポリシーに基づき、不適切な情報の入出力を制御するガードレールシステムの構築 2. LLMOpsツール等を活用した継続的な品質改善サイクルの確立 実験の追跡と管理 ：採用するモデル、プロンプト、パラメータといった多様な変数の組み合わせをログに記録し、再現可能な形での管理 プロンプトのバージョン管理 ：複雑化するプロンプトをコードから分離し、体系的にテスト・更新できるバージョン管理フローの構築 自動評価パイプラインの運用 ：「AI as a Judge」等の手法を用い、モデルの出力品質（一貫性、安全性、事実整合性等）を定量的かつ客観的に評価する仕組みの構築 3. 戦略的データセットエンジニアリング データキュレーション ：プラットフォーム上の多様なリスクを網羅するため、データの品質、カバレッジ、量を考慮したデータセットの設計と収集 高度なアノテーション管理 ：曖昧な安全性基準を定義し、一貫性のあるアノテーションガイドラインの策定、および品質管理プロセスを構築 合成データの生成 ：AIモデルを活用して、実データだけでは不足するエッジケースや希少な異常パターンのデータを合成し、モデルの堅牢性を強化 4. 統計的アプローチによる高度な安全性制御 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特異なパターンを特定する高精度な分類・回帰モデルの構築 特徴量エンジニアリング ：リスク識別に有効な特徴量を抽出・加工するデータパイプラインの設計 5. 体系的な評価とオブザーバビリティの構築 システムの監視とドリフト検知 ：パフォーマンス（レイテンシー・コスト）の監視に加え、ユーザー行動やモデル挙動の変化を検知する環境の整備 定量的な改善サイクルの推進 ：定義された評価指標（メトリクス）に基づき、モデルの品質を客観的にモニタリング・改善するフィードバックループの構築 技術スタック(主要な部分の抜粋) Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR Mobile（iOS） 開発言語: Swift Mobile（Android） 開発言語: Kotlin Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 Monitoring Datadog, Sentry CI/CD GitHub Actions, Dependabot その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 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。 データエンジニアリング部の特徴 ・データエンジニアリング部全体で頻繁に勉強会を実施しています。部署を跨いでの勉強会も実施されており、興味がある人は参加できる形を取っているので、興味がある分野について学べる機会が多いです。 ・一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。 ・フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。 ※各自の在宅環境をリモートワークに最適化することを支援する制度があります。 ・心理的安全性が高い組織なため、相談しやすい環境が整っています。 ※参考記事「心理的安全性の勉強会を開催しました」 ・データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。 本ポジションの魅力 「スポットワーク」という新しい市場の先駆者として、あらゆる人の人生の可能性を広げるためのインフラづくりに深く関わることができます。 機械学習モデルを作成して終わりではなく、運用/継続学習/精度の監視を大事にしています。 施策の設計から携わることが可能です。 データ基盤の整備は別のチームが担当しているため、データサイエンティストとしての価値創出に集中できます。 考慮する変数が多くモデリングする対象が複雑かつ、アイテムのライフスパンが短いため難易度が高いですが、 高いレベルで「データサイエンス力」「ビジネス力」や「データエンジニア力」を体現しているデータサイエンティストと一緒に働くことができ、アジリティ高く施策や検証を行うことができます。 グループのMission実現のための最適なアルゴリズム、モデル、コード、ツールなどについて、チームメンバーでの議論・提案を歓迎する文化があります。  インタビュー記事 採用要件 MUST ハードスキル 高度な技術的リーダーシップ ：機械学習・データ分析を用いた複雑なビジネス課題において、技術選定から実装、本番運用までの全工程をリードし、成果を創出した実務経験（5年以上） 開発・分析基盤の習熟 ：SQLおよびPythonを用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境でのモデル開発・運用、およびGitを用いたチーム開発の実務経験 機械学習・統計学の知識 ：確率論、学習手法、評価指標、および非構造化データの処理に関する深い理解 スケーラブルなインフラ運用の知見 ：クラウド（Google Cloud/AWS等）において求められるサービス要件の特性を理解した上での、高可用かつコスト効率の良いインフラ構成を検討・推進できる能力 戦略的データセットエンジニアリング ：データの枯渇や品質劣化を防ぐため、戦略的なデータキュレーション、高品質なアノテーションプロセスの構築、および検証済みの合成データ生成パイプラインを指揮・遂行できる能力 実験・評価プロセスの標準化 ：チーム全体が再現性を保ち、迅速に改善を回せるよう、実験管理の仕組みや、AI評価（AI as a Judge）を含む多角的な評価メトリクスの標準化を導入した経験 基盤モデルを用いたAIアプリケーションの開発経験 ：コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 MLOps/AIインフラの知識 ：モデルの学習・評価・デプロイを自動化するパイプラインの構築経験 エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験 ソフトスキル 不確実性下での戦略的合意形成 ：安全性基準が曖昧な領域において、法的・倫理的リスクとプロダクト価値のトレードオフを論理的に整理し、経営層や他部門のステークホルダーと高度な合意形成ができる能力 技術的なメンタリング ：コード・設計レビューや勉強会を通じて、チーム全体のエンジニアリング品質を底上げし、シニアレベルの後進を育成できる能力 Timeeのミッションへの強いコミットメント ：社会的責任の極めて大きい「プラットフォームの信頼性」を守り抜くというミッションに対し、技術的な卓越性をもって誠実に向き合える方 WANT 基盤モデルの適応・最適化における深い専門性 ：構造化出力の厳密な制御、プロンプト攻撃に対する多層的な防御策の実装、モデルレベル・推論サービスレベル双方での高度な最適化（量子化、並列化、プロンプトキャッシュ等）を通じて、劇的なコスト・レイテンシー改善を実現できる能力 インフラおよび計算リソースの効率的活用 ：ワークロードの特性に応じて、最適なハードウェアアクセラレータ（GPU/TPU）やサービング基盤（Managed vs Self-hosted）を選定し、パフォーマンスとコストのトレードオフを最適化するインフラ構成を設計・運用できる能力 AIセキュリティ ：レッドチーミング（攻撃的シミュレーション）による脆弱性診断や、最新の脱獄手法（ジェイルブレイク）に対する先回りした防御システムの開発経験 ドメイン固有モデルの構築知見 ：必要に応じてモデルマージや高度なファインチューニング（PEFT等）の技術を選定し、汎用モデルでは達成困難な領域特化のパフォーマンスを引き出した経験 高度なビジネスインパクトの定量的測定 ：異常検知や安全性向上が、どの程度サービス継続性や事業収益（ROI）に寄与しているかを、因果推論や実験計画法を用いて科学的に証明した実務経験 求める人物像 当社のミッション、社会貢献性の高い事業に共感していただける方 当社のバリューにフィットする方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方 ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

全 7 件中 7 件 を表示しています