ユーザーと企業の理想のマッチングを支える MLOps エンジニア募集

仕事内容

■ 募集の背景 ウォンテッドリーのデータサイエンス組織は、「データの力で理想的なマッチングを」というミッションのもと、Wantedly Visit を中心に、人と企業の出会いを最適化してきました。多種多様な性質や嗜好を持つ個人と企業の間でいかにして理想的なマッチングを実現するか──その挑戦の中核を担うのが推薦システムです。 また、プロダクトや機能が拡張されるにつれて、社内外のさまざまなデータを活用できる機会は増えています。しかしその一方で、モデルやロジックを実際のプロダクトに落とし込み、改善サイクルを高速に回していくための技術的な基盤や運用プロセスは、まだ発展途上です。 こうした背景から、推薦・検索まわりの共通ロジックの整備や、モデルのデプロイ・運用を安定して回すための仕組みづくり（MLOps）、そして検索体験を支えるインフラの改善など、データ活用とプロダクト開発の橋渡しを担うエンジニアの存在がますます重要になっています。 本ポジションでは、データサイエンティストと協働しながら、推薦・検索ロジックのプロダクト実装やそのための基盤整備に取り組んでいただきます。ユーザーと企業の最適なマッチングを技術面から支える、重要かつチャレンジングな役割です。 ■ 具体的な仕事内容（雇入れ直後） このポジションでは、データサイエンティストと密に連携しながら、推薦システムやマッチングロジックを実際のプロダクトに落とし込み、継続的に進化させていく役割を担っていただきます。具体的には以下のような業務を想定しています。 ・推薦・検索ロジックの実装と共通化 　・複数プロダクト・機能にまたがる推薦・検索ロジックを再利用可能な形で整備し、精度と保守性を両立する ・モデル運用・MLOps環境の構築 　・データサイエンティストが開発した機械学習モデルやスコアリングロジックを、プロダクト上で安定稼働させるためのデプロイ・監視・再学習フローの設計・整備 ・データ処理・ログ基盤の整備 　・ログ収集やデータパイプライン設計、分析用データマートの整備を通じた施策評価・アルゴリズム改善の支援 ・実験環境・社内ツールの開発 　・推薦・検索施策の効果検証を効率化する実験環境や、運用補助のためのCLIツール等の開発 （変更の範囲）会社の定める業務 ■ 働く環境 ・生成AI活用の推進 開発組織だけでなく全社的に生成AIの活用に取り組んでおり、社員一人ひとりがAIを使いこなし、業務効率化や新たな価値を創造できる組織を目指しています。 それぞれのポジションや業務内容に応じて、 GitHub Copilot、Devin、Cursor、ChatGPT、Gemini、Perplexityなど、複数のAIツールを適材適所で使い分けています。 AI活用に関する知見共有も活発に行っており、実践的なノウハウが組織全体に蓄積されています。 ・集中できる環境 インフラ基盤が揃った上で、本質的なシステム開発に集中できる環境を整えています。例えば 5分でマイクロサービスの開発に必要な環境を作成できるツールがそろっています。 ・"つくるひと"の裁量を重視する環境 ウォンテッドリーでは、PdMを中心に、エンジニア・デザイナーとともにチームで仕様を決めています。企画専門部門はなく、PdM・エンジニアとデザイナーが主体となり企画から開発まで担当しているため、言われたものを作るというシゴトはありません。プロダクト開発のチームのメンバーが主体的にプロダクトの課題、ユーザーが抱える課題を発見し、それを改善するためのアクションを自分たちで判断していくため、無駄な工数を削減し必要なことだけに集中し開発できる環境です。 ■ 技術スタック ・バックエンド：Python, Go, gRPC, Redis, Elasticsearch ・データ処理・基盤：BigQuery, Looker, dbt ・インフラ：Docker, Kubernetes, AWS ・コミュニケーション：GitHub, Slack, Google Workspace, Miro