大手総合インターネット企業のSite Reliability Engineer（ML/AI領域） / データグループの求人

ポジション概要
当社で開発・運用しているMachine Learning Platformに対するSRE業務を担当いただきます。
本ポジションでは、レコメンデーションシステムや機械学習パイプラインなどを安定提供・運用するためのソリューション開発と継続的な改善を通じて、データサイエンスの価値創出を支える役割を担います。
現在、組織のTechnical Director（以下、TD）が主導して開発している機械学習のマイクロサービスを、マネージドサービスとして社内展開を進めています。
そのため、TDをはじめ、機械学習エンジニアやサーバサイドエンジニアと連携しながら、SREの専門知識を生かしてスケーラブルかつ高信頼なサービスの成長に挑戦することができます。

主な業務内容
具体的には以下の業務を想定しています。
- 運用課題（デプロイパイプライン、パフォーマンスボトルネック、監視など）に対するソリューション開発
- キャパシティプランニング・スケーリング戦略の策定と実施
- 信頼性向上のための運用体制の改善
※変更の範囲：会社の定める全ての業務への配置転換の可能性あり

求める人物像
- 業務に情熱と責任感を持ち、必要な場合にはサポートを求めることができる方
- 業界のトレンドを追いながら、新しい技術も自発的に学習できる方
- 複雑な課題に直面した際に、不確実性の中でも最適な判断ができる方
- チーム内外の意見や指摘に耳を傾け、積極的に自己改善を図ることができる方
- 自身の業務だけでなく、必要に応じてリーダーシップを発揮してチーム全体の生産性向上に貢献できる方

必須な経験/スキル
- Go、Rust、Pythonいずれかを利用したプロジェクトにおける、SREまたはDevOpsエンジニアとしての実務経験（3年以上）
- アプリケーションデリバリ・インフラストラクチャのコード化（Argo CD、Terraform、Ansibleなど）の経験
- 監視・アラートシステム（Prometheus、Grafanaなど）の導入・運用経験

あると望ましい経験/スキル
- 機械学習を使ったプロジェクトでのSREリード経験
- サービスメッシュ（Istio、Linkerdなど）の知識・経験
- フロントエンド・デモシステムなどの開発の経験