機械学習エンジニア（性別不問）

モデルとデータ駆動型の手法を信頼できるサービスへ移行します。モデル品質だけでなく、再現可能な処理、安定した推論、リリース後の測定可能な変化も対象です。ソフトウェアおよびデータチームと、どのモデルと運用方式が課題に適するかを評価します。

実験で好成績のモデルでも、実際のアプリケーションでは失敗することがあります。データ分布、前処理、訓練データとテストデータの分離を確認します。モデル、構成、データ状態を追跡可能な形でバージョン管理します。リリース時には品質、リソース需要、応答時間を比較します。監視では入力データの変化や結果品質の低下を検出し、以前のバージョンへの復旧も明確に検証します。

• 訓練、検証、推論パイプラインを再現可能に実装し、データ状態とモデルバージョンを追跡可能にします。
• モデルをサービスとして提供し、負荷テストでリソース需要、スループット、応答時間を評価します。
• 適切な品質指標と比較ベースラインを定義し、データ漏洩を検出し、結果を分かりやすく記録します。
• モデル品質とデータ変化の監視を設計し、制御された更新とロールバックを可能にします。
• データ・モデルバージョンをテスト指標、構成、リリース成果物と関連付けます。
• 変動する負荷で推論を確認し、入力形式を含むモデルのロールバックをテストします。

重視するのは、この役割に関連する、明確に説明できる経験です。関連する職業訓練、大学での学習、実務経験、または十分な基礎を伴うキャリアチェンジを通じて得た経験でも構いません。具体的な責任範囲は、あなたの知識レベルに合わせて決定します。

• Pythonの実務経験と、統計、モデル評価、データ準備の確かな基礎。
• 少なくとも1つのMLフレームワークと、モデルをアプリケーションまたはサービスとして提供した経験。
• 自動テスト、バージョン管理、訓練と評価の厳密な分離への理解。

これらの知識は役立ちますが、すべてを同時に備えている必要はありません。応募時には、すでに実務で携わった分野と、今後さらに深めたいテーマを記載してください。

• MLOps、実験追跡、または特徴量パイプラインの経験。
• GPU推論、量子化、または再現可能なコンテナ環境に関する知識。

文書化された限界と追跡可能な品質推移を持つ、再現可能なモデルサービスを提供します。オフラインスコアが向上しても、運用可能性と業務上の価値を確認して初めてリリースできます。

この役割はケルン勤務とリモート勤務のいずれも可能です。具体的な働き方、プロジェクト要件、必要に応じた顧客との打ち合わせについては、開始前に合意します。

この役割はフルタイムまたはパートタイムの正社員雇用を予定しています。業務内容、勤務時間、開始日、報酬については、役割とあなたの知識レベルに合わせて決定します。

応募書類では、この役割に活かせる経験や関心を示してください。履歴書に加え、関連するプロジェクト事例、証明書、成果物があれば、専門性の評価に役立ちます。顧客の機密データ、認証情報、保護されたソースコードは送付しないでください。

希望する勤務形態、勤務開始可能日、フルタイムとパートタイムのどちらを希望するかをお知らせください。

この役割に関するご質問は、hr@otoko.comまで採用チームにお問い合わせください。応募者プールへの登録は任意で、別途同意を得た場合にのみ行われます。登録は応募審査の条件ではありません。