株式会社LayerX
生成AI活用企業
【バクラク事業部｜MLOps】半年に1回のペースでプロダクトリリース！データを軸に経済活動のデジタル化に携わりたいMLOpsエンジニア募集 #OCR #NLP #データ基盤 #フルリモート可
最終更新日:
企業情報をみる職種
機械学習エンジニア年収
700万円 〜利用技術
こだわり条件
生成AIの活用状況
最終更新日:2025-04-24最新の情報についてはカジュアル面談や選考の中で確認ください。
生成AI技術/ツールの導入・活用状況
プロダクト/サービスへの組み込みを実施・推進している社内活用による業務効率化を目的に導入・活用している
開発組織において公式に導入・活用されているAIツール・機能・技術
仕事内容
■事業概要
LayerXのバクラク事業は「働くをラクに。ラクをもっと創造的に。」をビジョンに、AIやFintechを活用した AI SaaSを提供しています。請求書受取・発行、経費精算、法人カード、勤
.jpg&w=3840&q=75)
.jpg&w=3840&q=75)
.jpg&w=3840&q=75)
開発環境
・バックエンド: Go, TypeScript, Python
・データベース: MySQL, DynamoDB
・ミドルウェア: OpenSearch, etc
・機械学習: Python, PyTorch, etc.
・データ周り: dbt, BigQuery, redash, etc
・インフラ: AWS, GCP, Docker
・モニタリング: Datadog
・プロビジョニングツール: Terraform, AWS CDK
・バックログ管理・ドキュメント管理: notion
・コミュニケーション: Zoom, Google Meet, Slack, miro, etc
■開発環境
MacBook Pro (M1 Pro or M1 Max)
自由なエディタ、IDEを利用可能
その他なんでも相談可能
求めるスキル
必須スキル/経験
・機械学習に関連するオペレーションを継続的に改善し、ビジネス価値を創出した経験
・データ基盤およびデータパイプラインの開発経験
・Webアプリケーションの開発・運用経験
・DB やその他ミドルウェアのトラブルシュートの経験
・AWS等クラウド環境での開発経験
・日本語にてコミュニケーションが可能なこと / Native-like fluency in Japanese
歓迎スキル/経験
・サービス全体の技術選択やアーキテクチャ設計・構築を行った経験
・プロダクト全体設計 / オペレーション構築をリードし、チームを率いてプロジェクトを推進した経験
・一定規模における商用サービスのバックエンドAPIの設計 / DB設計の経験
・大規模サービスのインフラ設計、運用、構築経験
・機械学習プロジェクトにおいて、タスク定義、初期設計から実装、検証までを自ら行い、技術で事業課題を解決した経験
・機械学習プロジェクトにおいて、継続的な効果検証および精度改善に取り組んだ経験
・OSSや技術コミュニティへの貢献活動の経験
求める人物像
・LayerXのミッション「すべての経済活動を、デジタル化する。」に共感する方
・行動指針「徳 , Trustful Team , Bet Technology , Fact Base ,Be Animal」に共感する方
・業部のビジョン「圧倒的に使いやすいプロダクトを届け、わくわくする働き方を。」に共感する方
・「One Product, One Team」の精神でチーム間で垣根を作らず、顧客に価値を届けるために自チームのみならずプロダクト、マーケ、セールス、CSチームと共に結果責任を共有できる方
・他責にしたり、できない理由を探すのではなく、どうやったら実現できるかを常に考え続けられる方
・チームとのコミュニケーションを大切にし、情報共有できる方
・積極的に技術や知識を身につけられる、学習意欲が高い方
・顧客の声を聴き、フィードバックを積極的に行う・真摯に受け止める姿勢をお持ちの方
・スピード感や大きな変化を楽しみながら働ける方
仕事の魅力
■チームの特徴
・スピードと品質の両立を意識し、少しでも速く、持続的にお客様に良い体験を届けることを意識しているチームです。
・データや顧客の声といったFactを集め判断・行動し、不確実性が高い場面においては勇気を持って大胆に行動するチームです。
・行動指針「Trustful Team」をもとに背中を預けあって、各位がオーナーシップを持って開発します。
・PMからトップダウンで作るのではなく、顧客の生の声をもとに仕様や挙動の「あるべき姿」「一番良い体験」を自ら考え、開発していくメンバーが多いです。
■やりたいけれど、できていないこと
再現性を担保できないことがある実験環境、作成手順が固まりきっていない学習・テストデータセット作成フロー、とある後処理の検証で本番環境アクセスが必要、等々オペレーション周りに課題がたくさんあります
