【グループIT推進本部】(ソフトウェアエンジニア / 機械学習基盤の開発〜運用)機械学習を“裏側から”支えるエンジニアを募集！

機械学習基盤である ML Platformの開発から運用を行い、社内のAI技術者やプロダクトの開発効率化、パフォーマンス向上、コスト削減を支援しています。 当社は技術選定が自由なため、プライベートクラウドのML Platformを選択してもらうため、UXや機能を高いレベルで提供することがミッションとなります。 業務内容 当社の機械学習基盤「ML Platform」の開発・運用を担当していただきます。社内のAI技術者やプロダクトチームが効率的かつ迅速に機械学習モデルの開発・デプロイを行えるよう、プラットフォームの機能強化や最適化を行います。 具体的な業務としては、 物理GPUノードのセットアップ（OSインストールやパラメータチューニング） Kubernetesクラスタの構築・運用 定期的なKubernetesクラスタのバージョンアップデート 最新のKubernetesバージョンへのキャッチアップなど NVIDIA H100 / H200 やRoCEv2/RDMA、NCCLなどの技術検証・導入 GPUインスタンスの提供 機械学習ジョブの管理 モデルのデプロイ機能の開発・運用を などを行い、ユーザーのニーズに応じた新機能の追加やUXの改善にも取り組んでいただきます。 サービスは主にKubernetes上で構築されているため、機械学習の知識に加え、Kubernetesカスタムコントローラー（Go言語）の開発など、kubernetesへの深い理解に基づいた学習サービスの開発・運用を担当します。 加えて、Kubeflowなどの機械学習エコシステムの検証・導入・コントリビュートを通じて、基盤の強化と機能拡充を図ります。 ポジションの魅力 このポジションでは、最先端の技術に挑戦する機会が豊富にあります。最新のGPUハードウェアや機械学習フレームワーク、Kubernetesの新機能など、常に技術の最前線で活躍できます。 ソフトウェア開発からインフラ構築、機械学習の応用まで、多岐にわたる技術領域に携わることで、幅広いスキルを習得・活用することが可能です。 部署について 社内のAI開発を支える機械学習基盤「ML Platform」の開発・運用を専門とするチームです。メンバーは各自が高い専門性と幅広い技術知識を持ち、協力しながらプラットフォームの強化と機能拡充を進めています。 ユーザーであるプロダクトチームやAI技術者との密なコミュニケーションを重視し、ニーズに即したサービス提供を心がけています。 技術スタックと開発環境 ■プログラミング言語 Go言語 Python ■プラットフォーム・オーケストレーション Kubernetes Docker ■機械学習フレームワーク TensorFlow ■分散処理技術 MPI NCCL RoCEv2/RDMA ■機械学習エコシステム Kubeflow Kueue MPI Operator ■ハードウェア NVIDIA GPU（H100など最新モデル） 高性能ネットワークインフラ ■開発手法 アジャイル開発 CI/CDの実践 ■コミュニケーションツール Slack Confluence JIRAなど ■その他の技術要素 パブリッククラウド（GCP、AWS）の知識活用 OSSコミュニティとの連携 求める経験・スキルなど 【必須の経験・スキル】 下記のいずれかに該当する方 機械学習や GPU に対する基本的な知識および理解 Linux 環境における開発および運用経験 Kubernetes などのコンテナオーケストレーションツールを用いた運用経験 プログラミング言語を用いた 3 年以上の開発経験（Go が望ましい） 【歓迎する経験・知識】 下記のいずれかに該当する方 Kubernetes カスタムコントローラーの開発経験 Kubernetes 各種認定資格の取得（CKA/CKAD/CKS/KCNA） 最新の機械学習やフレームワークに対する知識および理解 HPC を目的とした大規模計算クラスタに対する知識および理解 MLOps の知識・実践経験 Kubeflow, Kueue, MPI Operator の知識・運用経験(分散学習の経験) Web API におけるセキュリティ対策の経験 パブリッククラウド（GCP/AWS/etc.）の AI 系サービスを用いた開発経験 フロント（React）の開発経験 OSS コミュニティでの開発経験 【求める人物像】 多岐にわたる技術領域に好奇心を持ち、積極的に学習・挑戦できる方 最新技術を常にキャッチアップしている方 他者との協力を重視し、円滑なプロジェクト推進に貢献できる方