发布于 2026-10-30
日文原文
MLOps工程师
MLOpsエンジニア
タイミー
| 职种 | 工程 |
雇用形态 | 正式员工 |
| 工作地点 | 东京都港区东新桥1-5-2 汐留城市中心35层(可全职远程办公) |
薪资 | 年薪700万日元至1100万日元。上述年薪包含奖金(每年2次)。奖金金额根据个人能力发挥而变动。会考虑前职年薪。每年进行2次人事考核并调整薪资。 |
职位概要
タイミー(Timee)正在招聘MLOps工程师,负责通过ML基础设施放大ML创造的商业价值。公司运营兼职匹配应用「タイミー」,拥有1470万工作者、25万家企业、48.8万个工作据点,正处于第二创业期,推进VISION2030。该岗位隶属于MLOps团队,团队此前已推进CI/CD、ML管道自动化、单体仓库环境及开发实验环境建设、架构设计支持与运维支持,加速各类ML举措的开发与交付并提升可靠性。今后随着ML举措范围扩大及Agentic AI带来的改进自动化,验证与改进次数将增加,因此需要引入Platform Engineering理念,构建支持多团队更快速、安全、持续地验证和生产使用ML的环境。具体工作包括:开发运维可快速试验并连接生产的ML基础设施;设计开发GPU等计算资源、训练评估工作流、批量推理与API部署机制;整备特征量管理与Feature Store、实验管理与模型管理;使用云、容器、CI/CD、IaC构建可复现的开发执行环境;构建默认具备安全性与成本效率的机制(认证授权、Secret管理、审计日志、成本可视化与优化);提供共通功能与标准模式;构建模型安全交付与持续改进的运维体系(评估验证、部署、模型更新与回滚、监控可视化、故障应对、Runbook);与利用团队协作推进标准化与自助服务化,整理职责边界并推动现有基础设施向标准模式迁移与落地。技术栈包括Google Cloud、Python、BigQuery/Fivetran/dbt Cloud、Gemini Enterprise Agent Platform/MLflow/LiteLLM/Datadog LLM Observability、Looker、Terraform、VS Code/Cursor/Claude Code/GitHub Copilot/Devin等。MUST要求:具备支撑ML训练评估部署推理的基础设施开发与生产运维经验;具备使用云与容器的软件团队开发经验及CI/CD、IaC自动化经验;具备质量性能监控、故障应对与持续改进经验,并在负责领域落实可用性、安全性、成本等要求;具备与DS及产品工程师等利用者整理需求并自主推进设计实现运维改善的经验。软技能要求:认同公司使命与价值观并能将行业客户理解用于技术判断;理解利用者制约与困难并能与多职种建设性协作;能推进共通化自动化与易用开发环境建设;能小步验证未知课题并通过文档与评审共享背景与学习。WANT:搜索推荐排序匹配等在线推理或实时数据联动开发运维经验;LLMOps、AI治理/安全经验。雇用形态为正社员,可全职远程办公。
职位描述
事業内容 当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」をミッションに掲げ、深刻化する人手不足という経営課題を解決しながら、一人ひとりが好きな時に働き、人生の可能性を広げられる世界を目指し、スキマバイトアプリ「タイミー」を中心に事業を展開してきました。そして2018年のサービス開始から、タイミーは以下の規模まで成長しました。 ・ワーカー数:1,470万人 ・事業者数:250,000社 ・事業所数:488,000拠点 ※2026年7月末時点 そんな当社はいま、"第二創業期"を迎えています。既存のスポットワーク領域では、業界ごとに深く入り込み、企業にとっても働き手にとっても なくてはならないインフラ としてサービスを広げています。さらに2030年に向けて掲げる 「VISION2030 ― 積み重ねた『信頼』が報われる社会をつくる」 のもと、「信頼」を可視化・循環させる、社会の新たなインフラの構築を進めています。スキマバイトを通じて蓄積してきた、働き手の勤務実績や評価といった他にはない独自の 「信頼データ」 を軸に、長期採用サポートサービスやタイミーキャリアプラス(正社員人材紹介)、Fintechをはじめとする新規事業を多数立ち上げています。 会社説明動画 https://corp.timee.co.jp/vision-2030/(https://corp.timee.co.jp/vision-2030/) 採用特設LP https://corp.timee.co.jp/special-recruit/(https://corp.timee.co.jp/special-recruit/) 募集背景 タイミーは「働く」を通じて人生の可能性を広げるインフラをつくるため、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展開し、急速に成長してきました。既存プロダクトの継続的な改善に加え、隣接領域・新規領域への展開も進めています。今後は、扱うユーザー体験、業務フロー、データ特性、リスクがさらに多様になっていきます。 マッチングや検索、需要予測、不正検知などの分野では、MLの活用が進んでいます。一方、MLをプロダクトや業務に継続的に組み込むには、モデルの精度だけでなく、信頼性、セキュリティ、コスト、レイテンシーなど、本番運用上の要件にも対応する必要があります。 MLOps Teamはこれまで、CI/CDやMLパイプラインの自動化、モノレポ環境や開発・実験環境の整備、アーキテクチャ設計支援や運用支援を通じて、各種ML施策の開発・提供の高速化と信頼性の向上に取り組んできました。 今後はML施策の幅が広がり、Agentic AIを用いた改善の自動化などによって、各施策での検証・改善の回数も増えていくと見込んでいます。 こうした変化に対応するため、ML基盤には、複数チームがMLをより速く、安全に、継続的に検証・本番活用できる環境を支えることが求められます。Platform Engineeringの考え方を取り入れ、ML領域特有の複雑性に向き合いながら、施策の拡大に対応できる状態をつくっていきたいと考えています。 こうした基盤づくりをともに進めるMLOpsエンジニアを募集します。共通プラットフォームの開発に加え、個別のMLシステムが抱えるインフラ・運用上の課題にも向き合い、アーキテクチャの設計から実装・運用まで担っていただきます。 ▼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 ・「タイミーMLOpsエンジニアが描く、LLM基盤の夢妄想」 https://tech.timee.co.jp/entry/timee-llm-platform-design-2025(https://tech.timee.co.jp/entry/timee-llm-platform-design-2025) ・「LLMアプリケーション向けProduction Readiness Checklistの作成」 https://tech.timee.co.jp/entry/2025/11/04/113000(https://tech.timee.co.jp/entry/2025/11/04/113000) ・「Dev Container Feature で実現する ML 開発環境のガードレール」 https://tech.timee.co.jp/entry/2026/05/26/120628(https://tech.timee.co.jp/entry/2026/05/26/120628) ・「Docker Hardened Images から学ぶ、ビルド定義の抽象度」 https://tech.timee.co.jp/entry/2026/05/26/120826(https://tech.timee.co.jp/entry/2026/05/26/120826) ・「Renovateの設定」 https://tech.timee.co.jp/entry/2026/05/22/112812(https://tech.timee.co.jp/entry/2026/05/22/112812) ・「MLOpsエンジニアがAI Security Conferenceに参加してきたレポート」 https://tech.timee.co.jp/entry/2026/01/28/134844(https://tech.timee.co.jp/entry/2026/01/28/134844) 業務内容 本ポジションのミッションは、ML基盤を通じて、MLが生み出す事業価値を増幅させることです。 MLの開発・運用に伴う共通の複雑性を基盤側で引き受け、データサイエンティストやプロダクトAI/MLエンジニアが、事業・ドメイン固有の課題解決に集中できる状態を実現します。 個別プロダクトにおけるモデルや機能の設計・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、これらのチームと連携し、学習・評価・デプロイ・推論を支える基盤、開発・運用環境、共通の運用パターンを設計・開発・運用します。 個別案件への技術支援も、共通する課題を理解する機会と捉えています。得られた知見を共通機能・自動化・ドキュメントへ反映し、利用チームが自ら開発・運用を進められる範囲を広げていきます。 具体的な業務内容 アイデアをすぐに試し、本番へつなげられるML基盤の開発・運用 利用チームが必要に応じてGPUなどの計算リソース、学習・評価ワークフロー、バッチ推論・APIデプロイを使える仕組みの設計・開発 特徴量管理・Feature Store、実験管理・モデル管理など、試行の再現性と成果の再利用を支える仕組みの整備 クラウド、コンテナ、CI/CD、IaCを用いた再現性のある開発・実行環境の整備 安全性とコスト効率を標準で備えた仕組みづくり 認証・認可、Secret管理、監査ログなどを組み込み、標準の利用方法でセキュリティ要件を満たせる環境の整備 リソースの利用状況・コストの可視化と、用途に応じたリソース選択、スケーリング、不要リソースの停止などによるコスト最適化 利用チームが個別に設計・実装する負担を減らす共通機能・標準パターンの提供 モデルを安全に届け、継続的に改善できる運用づくり 利用チームと連携した、評価・検証、デプロイ、モデル更新・切り戻しの仕組みの整備 データ品質・モデル品質の変化、応答時間、エラー率などを把握する監視・可視化基盤の開発 障害対応、アラート、Runbookの整備と、信頼性・性能の継続的な改善 利用チームとの協働と、標準化・セルフサービス化の推進 個別のMLシステムが抱えるインフラ・運用上の課題に対するアーキテクチャの設計・実装・改善 個別案件で得た知見を、共通ライブラリ、テンプレート、ドキュメント、自動化へ反映 共通化する範囲とユースケースごとに柔軟性を残す範囲、利用チームと基盤チームの責務分界の整理 既存基盤の見直しと、標準パターンへの段階的な移行・オンボーディング・利用の定着 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 Gemini Enterprise Agent Platform / 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。 タイミーのMLOpsエンジニアとして働く魅力 基盤の改善が、事業の成果に直結する タイミーのML施策では、一つの施策を形にするまでに多くの試行が必要です。試行をどれだけ速く、安全に進められるかが成果を左右するため、基盤の改善が複数の施策の成果に直接つながります。 これまでの土台を活かし、次の基盤を設計できる CI/CD、MLパイプライン、開発・実験環境など、これまで整備してきた基盤があります。ゼロから作るのではありません。実際の利用・運用で得た知見をもとに、標準化・セルフサービス化に向けて次の基盤を設計し、移行まで進めるフェーズです。 試行が増え続ける前提で、ML基盤のあり方を考えられる Agentic AIによる改善の自動化が進むと、試行回数はさらに増えていきます。試行の増加を前提にML基盤がどうあるべきか、まだ答えの定まっていない問いに取り組めます。 共通基盤から個別システムまで、幅広く関われる 共通基盤の開発に加え、個別のMLシステムのアーキテクチャ設計から実装・運用までを担います。マッチングやTrust & Safetyなど、ユースケースを担うチームと近い距離で、課題の発見から解決まで関われます。 インタビュー記事 (https://productpr.timee.co.jp/n/nbb4697d46c9c?magazine_key=m7cddc85ce764) (https://productpr.timee.co.jp/n/n640fa2169211?magazine_key=m76879b08ba60) (https://productpr.timee.co.jp/n/nf9971361770e) 採用要件 MUST ハードスキル 機械学習の学習・評価・デプロイ・推論などを支える基盤の開発・本番運用経験 クラウド・コンテナを用いたソフトウェアのチーム開発経験、およびCI/CD・IaCを用いた開発・運用の自動化経験 品質・性能の監視、障害対応・継続改善に関わり、可用性・セキュリティ・コストなどの要件を担当領域の実装・運用に反映した経験 DSやプロダクトエンジニアなどの利用者と要件を整理し、必要に応じて関係者に相談・連携しながら、担当領域の設計・実装・運用改善を自律的に進めた経験 ソフトスキル 当社のミッション・バリューに共感し、業界・顧客への理解を技術的な判断に活かせる方 利用者の制約や困りごとを理解し、複数職種と建設的に協働できる方 個別対応で終わらせず、共通化・自動化や使いやすい開発環境づくりに取り組める方 未知の課題を小さく検証し、設計・運用の背景や学びをドキュメント・レビューを通じて共有できる方 WANT 以下のいずれかの経験を歓迎します。特定の製品・ツールの経験や、全領域の経験は求めません。 検索・推薦・ランキング・マッチングなどにおける、オンライン推論やリアルタイムデータ連携の開発・運用経験 LLMOps・AIガバナンス/セキュリティの経験 【職種 / 募集ポジション】 MLOpsエンジニア 【雇用形態】 正社員 【給与】 年収 7,000,000円 〜 11,000,000円 ※上記年収には賞与(年2回)が含まれます ※個人の能力発揮によって賞与の金額は変動します。 ※前職年収考慮いたします ※年2回の人事考課にて給与改定があります 【勤務地】 105-7135 東京都港区東新橋1-5-2 汐留シティセンター35階 株式会社タイミー 東京本社 ※フルリモート勤務可 【社内制度】 <従業員持株会> 従業員が自社株を購入できる制度(※持株会への加入が必要) <ダブルタイミーデイ> 社員がタイミーアプリを利用して働いた場合、報酬額を上乗せ(上限有り) <書籍購入> 業界知識を深めるに必要な書籍を会社が購入 <セミナー費用補助> 業務に必要なセミナー参加費を補助 <部活動> 趣味などを通じて交流できるよう、活動に応じて費用を補助 <チームビルディング> チームのコミュニケーションの活性化に向け、一定の予算を好きに利用できる <結婚祝い金> 結婚した従業員に祝い金を支給 【働き方】 フルリモート勤務可 【選考フロー】 カジュアル面談 ↓ 書類選考 ↓ 一次面接(現場メンバー) ↓ 二次面接(GM・部長面接) ↓ 最終面接(CTO面接) ※選考中にリファレンスチェック・適性検査をご依頼する場合がございます。 【参考リンク】 ■Timee Tech Blog https://tech.timee.co.jp/ 会社情報 【会社名】 株式会社タイミー 【代表者】 小川 嶺 【設立】 2017年8月 【従業員数】 1628名(うち正社員1322名)[2026年11月時点] 【本社所在地】 東京都港区東新橋1-5-2 汐留シティセンター35階 【北海道支社所在地】 北海道札幌市中央区北三条西4-1-4 D-LIFEPLACE札幌3階 【東北支社所在地】 宮城県仙台市宮城野区榴岡1丁目1−1 JRイーストゲートビル2F 【北信越支社所在地】 石川県金沢市広岡3-1-1 金沢パークビル 8階 リージャス金沢パークビルビジネスセンター 【東海支社所在地】 愛知県名古屋市中区丸の内1-9-16 丸の内Oneビルディング8階 【関西支社所在地】 大阪府大阪市北区曽根崎新地1-13-22 御堂筋フロントタワー1F 【中四国支社所在地】 広島県広島市中区紙屋町一丁目2番27号 大同生命広島ビル 7階 【九州支社所在地】 福岡県福岡市中央区天神2-8-35 天神住友生命FJビジネスセンター 7階 【参考記事】 ■Newspicks 代表インタビュー記事 https://youtu.be/4fL2hIYfxac?si=jlA4uvjD0hb_XiY5 https://youtu.be/sTCQT2MwD6M?si=F-Nj3O-AUSvxCZWQ ■タイミーは日本の「はたらく」をどう変えるのか AI時代に必要な「信頼」という財産(日経ビジネス電子版 Special) https://special.nikkeibp.co.jp/atclh/ONB/26/timee0220/ ■日本の働き方を変えたタイミーは、次に何を変えるのか|小川嶺代表が語る"第2章"(日興フロッギー) https://note.com/froggy_smbcnikko/n/nf459bac56bbe ■スポットワーク研究所|社会課題に真正面から向き合うタイミーの調査・事例メディア https://spotwork.timee.co.jp/ 【健全で公正な採用・選考活動に関する取り組みについて】 【安心して選考にご参加いただくために】 株式会社タイミーは、求職者等の皆様が安心して就職活動・採用選考に臨めるよう、「求職者等対応ルール」を定め、社内に周知して遵守しています。 取り組みの詳細はこちらをご確認ください。 [健全で公正な採用・選考活動に関する取り組み] https://corp.timee.co.jp/recruit/fair-recruitment