シニアMLOpsエンジニア

正社員

試用期間：3か月

フレックスタイム制（コアタイム 11:00〜15:30）
標準勤務時間 9:30〜18:30
※1日8時間勤務×月勤務日数分が1ヶ月の勤務時間数となります

• 各種社会保険完備
• 交通費支給 ※上限5万円/月
• 実績に応じて昇給有（年2回）

健康保険/厚生年金/雇用保険/労災保険

屋内原則禁煙（建物内喫煙スペース有）

＜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

＜結婚祝い金＞
結婚した従業員に祝い金を支給

フルリモート勤務可

カジュアル面談
↓
書類選考
↓
一次面接(現場メンバー)
↓
二次面接(GM・部長面接)
↓
最終面接(CTO面接)

※選考中にリファレンスチェック・適性検査をご依頼する場合がございます。

■Timee Tech Blog
https://tech.timee.co.jp/

募集背景

タイミーは「働く」を通じて人生の可能性を広げるインフラをつくるため、スキマバイトのマッチングプラットフォームを日本全国に展開し、急速に成長してきました。既存プロダクトの継続的な改善に加え、隣接領域・新規領域への展開も進めています。今後は、扱うユーザー体験、業務フロー、データ特性、リスクがさらに多様になっていきます。

マッチングや検索、需要予測、不正検知などの分野では、MLの活用が進んでいます。一方、MLをプロダクトや業務に継続的に組み込むには、モデルの精度だけでなく、信頼性、セキュリティ、コスト、レイテンシーなど、本番運用上の要件にも対応する必要があります。

MLOps Teamはこれまで、CI/CDやMLパイプラインの自動化、モノレポ環境や開発・実験環境の整備、アーキテクチャ設計支援や運用支援を通じて、各種ML施策の開発・提供の高速化と信頼性の向上に取り組んできました。

今後はML施策の幅が広がり、Agentic AIを用いた改善の自動化などによって、各施策での検証・改善の回数も増えていくと見込んでいます。

こうした変化に対応するため、ML基盤には、複数チームがMLをより速く、安全に、継続的に検証・本番活用できる環境を支えることが求められます。Platform Engineeringの考え方を取り入れ、ML領域特有の複雑性に向き合いながら、施策の拡大に対応できる状態をつくっていきたいと考えています。

こうした基盤づくりをともに進めるシニアMLOpsエンジニアを募集します。共通プラットフォームの開発に加え、個別のMLシステムが抱えるインフラ・運用上の課題にも向き合い、アーキテクチャの設計から実装・運用まで担っていただきます。

▼これまでの取り組みについてはぜひこちらもご覧ください

• 「タイミーMLOpsエンジニアが描く、LLM基盤の夢妄想」

[https://tech.timee.co.jp/entry/timee-llm-platform-design-2025](https://tech.timee.co.jp/entry/timee-llm-platform-design-2025)

• 「LLMアプリケーション向けProduction Readiness Checklistの作成」

[https://tech.timee.co.jp/entry/2025/11/04/113000](https://tech.timee.co.jp/entry/2025/11/04/113000)

• 「Dev Container Feature で実現する ML 開発環境のガードレール」

[https://tech.timee.co.jp/entry/2026/05/26/120628](https://tech.timee.co.jp/entry/2026/05/26/120628)

• 「Docker Hardened Images から学ぶ、ビルド定義の抽象度」

[https://tech.timee.co.jp/entry/2026/05/26/120826](https://tech.timee.co.jp/entry/2026/05/26/120826)

• 「Renovateの設定」

[https://tech.timee.co.jp/entry/2026/05/22/112812](https://tech.timee.co.jp/entry/2026/05/22/112812)

• 「MLOpsエンジニアがAI Security Conferenceに参加してきたレポート」

[https://tech.timee.co.jp/entry/2026/01/28/134844](https://tech.timee.co.jp/entry/2026/01/28/134844)

業務内容

本ポジションのミッションは、ML基盤を通じて、MLが生み出す事業価値を増幅させることです。

MLの開発・運用に伴う共通の複雑性を基盤側で引き受け、データサイエンティストやプロダクトAI/MLエンジニアが、事業・ドメイン固有の課題解決に集中できる状態を実現します。

個別プロダクトにおけるモデルや機能の設計・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、これらのチームと連携し、学習・評価・デプロイ・推論を支える基盤、開発・運用環境、共通の運用パターンを設計・開発・運用します。

個別案件への技術支援も、共通する課題を理解する機会と捉えています。得られた知見を共通機能・自動化・ドキュメントへ反映し、利用チームが自ら開発・運用を進められる範囲を広げていきます。

上記の業務に加えて、シニアポジションでは、安全性・統制と利用チームの自律性・開発速度を両立させ、LLM/MLOpsチームと関係チームの双方がスケールできる基盤・運用の構築を主導いただくことを期待しています。

プラットフォームとして向き合うべき課題や解くべきイシューの特定、技術方針の策定、関係者との合意形成、設計・実装に加え、価値の伝達、導入・移行支援までを一貫して担っていただきます。

具体的な業務内容

• アイデアをすぐに試し、本番へつなげられるML基盤の開発・運用*

• 利用チームが必要に応じてGPUなどの計算リソース、学習・評価ワークフロー、バッチ推論・APIデプロイを使える仕組みの設計・開発
• 特徴量管理・Feature Store、実験管理・モデル管理など、試行の再現性と成果の再利用を支える仕組みの整備
• クラウド、コンテナ、CI/CD、IaCを用いた再現性のある開発・実行環境の整備

• 安全性とコスト効率を標準で備えた仕組みづくり*

• 認証・認可、Secret管理、監査ログなどを組み込み、標準の利用方法でセキュリティ要件を満たせる環境の整備
• リソースの利用状況・コストの可視化と、用途に応じたリソース選択、スケーリング、不要リソースの停止などによるコスト最適化
• 利用チームが個別に設計・実装する負担を減らす共通機能・標準パターンの提供

• モデルを安全に届け、継続的に改善できる運用づくり*

• 利用チームと連携した、評価・検証、デプロイ、モデル更新・切り戻しの仕組みの整備
• データ品質・モデル品質の変化、応答時間、エラー率などを把握する監視・可視化基盤の開発
• 障害対応、アラート、Runbookの整備と、信頼性・性能の継続的な改善 **

• 利用チームとの協働と、標準化・セルフサービス化の推進*

• 個別のMLシステムが抱えるインフラ・運用上の課題に対するアーキテクチャの設計・実装・改善
• 個別案件で得た知見を、共通ライブラリ、テンプレート、ドキュメント、自動化へ反映
• 共通化する範囲とユースケースごとに柔軟性を残す範囲、利用チームと基盤チームの責務分界の整理
• 既存基盤の見直しと、標準パターンへの段階的な移行・オンボーディング・利用の定着 **

これらを一度にすべて整備するのではなく、既存の基盤・運用知見と利用チームの課題を踏まえ、優先順位をつけて進めています。共通化によって開発を進めやすくする一方、ユースケースごとに必要な柔軟性を残すことも大切にしています。

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
• Gemini Enterprise Agent Platform / 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

• 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

上記のようなデータを扱っております。

タイミーのMLOpsエンジニアとして働く魅力

• *基盤の改善が、事業の成果に直結する*

タイミーのML施策では、一つの施策を形にするまでに多くの試行が必要です。試行をどれだけ速く、安全に進められるかが成果を左右するため、基盤の改善が複数の施策の成果に直接つながります。

• *これまでの土台を活かし、次の基盤を設計できる*

CI/CD、MLパイプライン、開発・実験環境など、これまで整備してきた基盤があります。ゼロから作るのではありません。実際の利用・運用で得た知見をもとに、標準化・セルフサービス化に向けて次の基盤を設計し、移行まで進めるフェーズです。

• *試行が増え続ける前提で、ML基盤のあり方を考えられる*

Agentic AIによる改善の自動化が進むと、試行回数はさらに増えていきます。試行の増加を前提にML基盤がどうあるべきか、まだ答えの定まっていない問いに取り組めます。

• *共通基盤から個別システムまで、幅広く関われる*

共通基盤の開発に加え、個別のMLシステムのアーキテクチャ設計から実装・運用までを担います。マッチングやTrust & Safetyなど、ユースケースを担うチームと近い距離で、課題の発見から解決まで関われます。

インタビュー記事

[](https://productpr.timee.co.jp/n/nbb4697d46c9c?magazine_key=m7cddc85ce764)

[](https://productpr.timee.co.jp/n/n640fa2169211?magazine_key=m76879b08ba60)

[](https://productpr.timee.co.jp/n/nf9971361770e)

採用要件

MUST

• ハードスキル*

• 機械学習の学習・評価・デプロイ・推論などを支える基盤の設計・実装・本番運用経験
• クラウド・コンテナを用いたソフトウェアのチーム開発経験、およびCI/CD・IaCを用いた再現性のある開発・運用環境の構築・改善経験
• 可用性・セキュリティ・コスト・運用負荷のトレードオフを踏まえ、品質・性能の監視、障害対応、モデル更新・切り戻しを含む運用設計・改善を主導した経験
• VPC構成、クラウド権限管理、Secret管理、監査ログ、脆弱性対応など、インフラ・アプリケーション双方のセキュリティに関する実務経験
• 既存システムや運用の背景を踏まえ、利用者・事業の課題に応じて技術方針と改善の優先順位を定め、関係者と合意を形成して実装・移行まで推進した経験
• 利用者の課題に応じて共通機能・テンプレート・自動化の仕組みなどを設計・実装し、開発者が自ら安全に利用できる状態に整え、定着させた経験

• ソフトスキル*

• 当社のミッション・バリューに共感し、業界・顧客への理解を技術的な判断に活かせる方
• 利用者の制約や優先順位を理解し、複数職種と建設的に対話して合意を形成できる方
• 標準化する部分と、個別の事情に応じて柔軟性を残す部分を見極められる方。小さく検証し、その学びを継続的な改善に活かせる方
• 設計・運用・意思決定の背景をドキュメントやレビューで共有し、個人の成果をチームで再現できる仕組みに変えられる方
• ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

WANT

以下のいずれかの経験を歓迎します。特定の製品・ツールの経験や、全領域の経験は求めません。

• 検索・推薦・ランキング・マッチングなどにおける、オンライン推論やリアルタイムデータ連携の開発・運用経験
• LLMOps・AIガバナンス/セキュリティの経験

【安心して選考にご参加いただくために】
株式会社タイミーは、求職者等の皆様が安心して就職活動・採用選考に臨めるよう、「求職者等対応ルール」を定め、社内に周知して遵守しています。
取り組みの詳細はこちらをご確認ください。
 ［健全で公正な採用・選考活動に関する取り組み］
 https://corp.timee.co.jp/recruit/fair-recruitment