募集内容

業務内容	データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。【業務詳細】：1.マッチング体験の向上 2. プラットフォームの信頼性・安全性向上 3. 共通基盤を活用した実装・改善データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。 MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。【業務詳細】： 1. マッチング体験の向上 2. プラットフォームの信頼性・安全性向上 3. 共通基盤を活用した実装・改善変更の範囲：有会社の定める業務
必要な経験	【必須要件】 - データ活用による課題解決経験：データ分析・機械学習を用いて具体的なビジネス課題を解決した実務経験（3年以上） - 開発・分析基盤の習熟：SQLおよびPythonを用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境でのモデル開発・運用、およびGitを用いたチーム開発の実務経験 - 機械学習・統計学の知識：確率論、学習手法、評価指標、および非構造化データの処理に関する理解 - 基盤モデルを用いたAIアプリケーションの開発経験：コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 - MLOps/AIインフラの知識：モデルの学習・評価・デプロイを自動化するパイプラインの構築経験	【必須要件】 - データ活用による課題解決経験：データ分析・機械学習を用いて具体的なビジネス課題を解決した実務経験（3年以上） - 開発・分析基盤の習熟： SQLおよびPythonを用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境でのモデル開発・運用、およびGitを用いたチーム開発の実務経験 - 機械学習・統計学の知識：確率論、学習手法、評価指標、および非構造化データの処理に関する理解 - 基盤モデルを用いたAIアプリケーションの開発経験：コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 - MLOps/AIインフラの知識：モデルの学習・評価・デプロイを自動化するパイプラインの構築経験
必要な免許・資格	特になし
学歴	不問
求人の特色	★ポジションの補足【業務内容】 1.マッチング体験の向上マッチングロジックの実装・運用：ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担うマッチングに必要なデータ・特徴量の設計と実装：マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ML基盤上での機能実装・運用：Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う LLMを活用した自律的な改善ループの構築：LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 AI機能の安全性実装：LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する運用を踏まえたリスク制御の設計：AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用するリスク予測・異常検知モデルの開発：構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリングデータセット設計・品質改善：多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 LLMOps/評価基盤の活用と改善提案：実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善品質・コスト・レイテンシーの継続的な可視化：モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す【業務内容】 1. マッチング体験の向上マッチングロジックの実装・運用：ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担うマッチングに必要なデータ・特徴量の設計と実装：マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ML基盤上での機能実装・運用：Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う LLMを活用した自律的な改善ループの構築：LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 AI機能の安全性実装：LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する運用を踏まえたリスク制御の設計：AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用するリスク予測・異常検知モデルの開発：構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリングデータセット設計・品質改善：多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 LLMOps/評価基盤の活用と改善提案：実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善品質・コスト・レイテンシーの継続的な可視化：モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す入社後の期待イメージ入社後3ヶ月：担当ユースケースの1つで、モデル・AI機能・業務ロジックの改善を本番に反映し、評価・監視・運用まで含めた改善サイクルを回し始めている状態入社後6ヶ月：マッチングまたはTrust & Safety領域において、課題設定、評価設計、改善方針の検討、実装、運用までを主体的にリードし、継続的な改善ループの高度化に貢献している状態入社後12ヶ月：マッチングまたはTrust & Safety領域で複数の関係者を巻き込みながら改善テーマを継続的に推進し、改善ループの高度化や技術的な意思決定の質向上に明確に貢献している状態 ◆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 Vertex AI / 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 ◆扱っているデータ以下のようなデータを扱っています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入社後3ヶ月：担当ユースケースの1つで、モデル・AI機能・業務ロジックの改善を本番に反映し、評価・監視・運用まで含めた改善サイクルを回し始めている状態入社後6ヶ月：マッチングまたはTrust & Safety領域において、課題設定、評価設計、改善方針の検討、実装、運用までを主体的にリードし、継続的な改善ループの高度化に貢献している状態入社後12ヶ月：マッチングまたはTrust & Safety領域で複数の関係者を巻き込みながら改善テーマを継続的に推進し、改善ループの高度化や技術的な意思決定の質向上に明確に貢献している状態 ◆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 Vertex AI / 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 ◆扱っているデータ以下のようなデータを扱っています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データエンジニアリング部の特徴・データエンジニアリング部全体で頻繁に勉強会を実施しています。部署を跨いでの勉強会も実施されており、興味がある人は参加できる形を取っているので、興味がある分野について学べる機会が多いです。・一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。・フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。 ※各自の在宅環境をリモートワークに最適化することを支援する制度があります。・心理的安全性が高い組織なため、相談しやすい環境が整っています。 ※参考記事「心理的安全性の勉強会を開催しました」・データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。・データエンジニアリング部全体で頻繁に勉強会を実施しています。部署を跨いでの勉強会も実施されており、興味がある人は参加できる形を取っているので、興味がある分野について学べる機会が多いです。・一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。・フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。 ※各自の在宅環境をリモートワークに最適化することを支援する制度があります。・心理的安全性が高い組織なため、相談しやすい環境が整っています。 ※参考記事「心理的安全性の勉強会を開催しました」・データを利活用する土壌が整っております。また、経営陣含め、データの大切さを理解している社員が多いです。

雇用形態	正社員試用期間：有/3ヶ月
勤務地	勤務地1 東京都港区東新橋1-5-2 汐留シティセンター35階 [変更の範囲] 有会社の定める勤務地受動喫煙対策屋内禁煙(屋内喫煙可能場所有)
給与	想定年収 700 ～ 1100 万円
勤務時間	[勤務時間] 9:30 ～ 18:30（実働：8時間00分）フレックス有休憩時間：60分 [平均残業時間] 30時間/月 [みなし残業] 確認中 [フレックスタイム] 有（コアタイム：11:00～15:30）
休日・休暇	[年間休日] 120日 [年次有給休暇] 10日土曜日日曜日祝日年末年始慶弔産休育児完全週休2日制（土・日）、国民の祝日、リラックス休暇（年次有休とは別に、入社初日に年5日分、その後1年ごとに5日分付与される有給休暇）、年次有給休暇、年末年始休暇、慶弔休暇、産前産後休暇　等完全週休2日制（土・日）、国民の祝日、リラックス休暇（年次有休とは別に、入社初日に年5日分、その後1年ごとに5日分付与される有給休暇）、年次有給休暇、年末年始休暇、慶弔休暇、産前産後休暇　等
手当・福利厚生	通勤手当残業手当従業員持株会（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※1人当たり5,000円/月）、結婚祝い金（結婚した従業員に祝い金を支給）　等従業員持株会（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※1人当たり5,000円/月）、結婚祝い金（結婚した従業員に祝い金を支給）　等
昇給・賞与	[昇給]年2回 [賞与]年2回
保険	健康厚生年金雇用労災

勤務条件

雇用形態	正社員試用期間：有/3ヶ月
勤務地	勤務地1 東京都港区東新橋1-5-2 汐留シティセンター35階 [変更の範囲] 有会社の定める勤務地受動喫煙対策屋内禁煙(屋内喫煙可能場所有)
給与	想定年収 700 ～ 1100 万円
勤務時間	[勤務時間] 9:30 ～ 18:30（実働：8時間00分）フレックス有休憩時間：60分 [平均残業時間] 30時間/月 [みなし残業] 確認中 [フレックスタイム] 有（コアタイム：11:00～15:30）
休日・休暇	[年間休日] 120日 [年次有給休暇] 10日土曜日日曜日祝日年末年始慶弔産休育児完全週休2日制（土・日）、国民の祝日、リラックス休暇（年次有休とは別に、入社初日に年5日分、その後1年ごとに5日分付与される有給休暇）、年次有給休暇、年末年始休暇、慶弔休暇、産前産後休暇　等完全週休2日制（土・日）、国民の祝日、リラックス休暇（年次有休とは別に、入社初日に年5日分、その後1年ごとに5日分付与される有給休暇）、年次有給休暇、年末年始休暇、慶弔休暇、産前産後休暇　等
手当・福利厚生	通勤手当残業手当従業員持株会（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※1人当たり5,000円/月）、結婚祝い金（結婚した従業員に祝い金を支給）　等従業員持株会（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※1人当たり5,000円/月）、結婚祝い金（結婚した従業員に祝い金を支給）　等
昇給・賞与	[昇給]年2回 [賞与]年2回
保険	健康厚生年金雇用労災

企業情報

企業名	株式会社タイミー
企業HP	https://corp.timee.co.jp/
本社所在地	〒1057135 東京都港区東新橋 1丁目5-2 汐留シティセンター35階
事業内容	インターネットメディア及びアプリケーションの企画・開発・運営、マーケティング、ブランディング、各種コンテンツの企画・制作	インターネットメディア及びアプリケーションの企画・開発・運営、マーケティング、ブランディング、各種コンテンツの企画・制作
設立年月日	2017年 8月 1日
代表者	小川嶺
資本金	2億2174万1000円
従業員数	1,240名（平均年齢：28歳）
株式公開	東証グロース