【MLOps Engineer】Machine Learning Engineerと協業し、機械学習、データサイエンスのモデルを継続的に サービスに対して提供できる、基盤の構築、保守、運用を行います。

【仕事内容】 MLOps Engineerは、Machine Learning Engineerと協業し、機械学習、データサイエンスのモデルを継続的に サービスに対して提供できる、基盤の構築、保守、運用を行います。 また、キャディの持つデータを活用すべく、データ収集のためのパイプライン構築、データ活用の促進を リードする働きを期待します。 以下に業務例を示します。実際の業務はこれに限定されるものではありません。 入社後の業務内容は、技術や専門知識、経験等を考慮のうえ決定します。 ・機械学習のモデルの推論を行うAPIおよびBatchの動作環境、CI/CDを用いたデプロイ環境の構築 ・本番環境での監視、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 ・VertexやArgo Workflow上での機械学習処理パイプラインの開発、整備、運用 ・推論・学習プラットフォームのコストの最適化 ・モデリング担当者、Platform担当者とコミュニケーションし、プロセスを文書化 CADDiのMLOpsエンジニアはMLOpsの実プロダクトで上でのご経験が積めるのはもちろんのこと、 ご経験やご興味に応じて、フロントエンドdemoの作成や新しいMLモデルの作成など、 新しいチャレンジの許容度が広く、技術の幅を広げていける環境です。 【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, GitHub Copilot, Figma, Storybook ・コミュニケーションツール: Slack, Discord, JIRA, Miro, Confluence