MLOps Engineer
CADDi
On-site
Japan
Software Engineer
職務内容
#### 募集背景 私たちCADDiは「モノづくり産業のポテンシャルを解放する」をミッションに、製造業におけるデータプラットフォームプロダクト「CADDi Drawer」を展開しています。 2022 年にローンチした「CADDi Drawer」は、製造業の中でも最重要といわれる図面データを機械学習など様々な技術により構造化し多様な情報と結び付けることで、情報資産としての活用を可能にしました。既に国内の大手製造業から加工会社のお客様にまで活用いただいており、急成長中です。2023 年からは海外（アメリカ・タイ・ベトナム）での販売も開始し、グローバル展開も加速させています。 今後は、図面以外にも製造業の知見をテクノロジーによって再現・集約することで、部門や会社を超えた全体最適の実現を目指しています。 開発としては、データプラットフォームとしての機能強化、プラットフォーム上で動く複数の新規アプリケーション開発、飛躍的に増加するユーザー数・データ量に耐えうる基盤の強化など、取り組みたいテーマが数多くあります。 難易度が高くチャレンジしがいのあるプロダクト開発に一緒に取り組む仲間を募集しています。 ※CADDi の事業やプロダクトについては、下記もご参照ください - [キャディ、製造業AIデータプラットフォームとしての、第二章。（CEO加藤）](https://note.com/yushirodesu/n/n604bcca89964) - [プロダクトが何かを変える瞬間に立ち会うこと（CADDi Drawerプロダクト責任者白井）](https://note.com/yosukeshirai/n/n060824de8982) - [製造業のベテランに倣い、ベテランを超えるプロダクト開発（テクニカルプロダクトマネージャー今井）](https://note.com/imaimai/n/n5b1578e3cf98) - [CADDi Drawer Brand movie「会社も、自分も、変わることができる」](https://www.youtube.com/watch?v=t_kPudq7UW8) #### 業務内容 MLOps Engineerは、Machine Learning Engineerと協業し、機械学習、データサイエンスのモデルを継続的にサービスに対して提供できる、基盤の構築、保守、運用を行います。また、キャディの持つデータを活用すべく、データ収集のためのパイプライン構築、データ活用の促進をリードする働きを期待します。 以下に業務例を示します。実際の業務はこれに限定されるものではありません。入社後の業務内容は、技術や専門知識、経験等を考慮のうえ決定します。 - 機械学習のモデルの推論を行うAPIおよびBatchの動作環境、CI/CDを用いたデプロイ環境の構築 - 本番環境での監視、パフォーマンスチューニングを含むSite Reliability向上のための実装 - VertexやArgo Workflow上での機械学習処理パイプラインの開発、整備、運用 - 推論・学習プラットフォームのコストの最適化 - モデリング担当者、Platform担当者とコミュニケーションし、プロセスを文書化 CADDiのMLOpsエンジニアはMLOpsの実プロダクトで上でのご経験が積めるのはもちろんのこと、ご経験やご興味に応じて、フロントエンドdemoの作成や新しいMLモデルの作成など、新しいチャレンジの許容度が広く、技術の幅を広げていける環境です。 #### 参考資料 - [ML/MLOpsエンジニア向け採用資料](https://recruit.caddi.tech/machinelearning) - [Vertexで3ヶ月で作る運用可能なML API基盤](https://caddi.tech/archives/4123) - [キャディ: 図面データ活用クラウドで Vertex AI を採用、多様で大量の図面を扱う AI 基盤を実現](https://cloud.google.com/blog/ja/topics/customers/caddie-vertex-ai-for-drawing-data-utilization-cloud) - [AI 組織のモノレポ紹介](https://caddi.tech/archives/4187) - [Pantsモノレポの改善~テスト時間短縮・依存の集約管理・pex~](https://caddi.tech/archives/4362) - [CADDi AI Labの進化 R&Dから実用プロダクトへの旅路](https://speakerdeck.com/imaimai0/caddi-ai-labnojin-hua-r-and-dkarashi-yong-purodakutohenolu-lu-number-pmconf2023) - [CADDiの機械学習モデル開発の流れと継続的な改善](https://caddi.tech/archives/4370) - [仕組みで品質を作る図面解析](https://speakerdeck.com/imaimai0/caddi-drawer-shi-zu-midepin-zhi-wozuo-rutu-mian-jie-xi) #### 得られる経験 - 熱量の高いメンバーと共に、難易度の高い技術的課題に挑戦する経験 - 機械学習に加え、ソフトウェア領域など幅広い領域に精通したメンバーと共に仕事をする経験 - 技術をどのようにビジネスとして価値展開するかまで踏み込んで課題解決をする経験 - ML Engineerやプロダクトマネジメントのメンバーとも距離が近く、will次第で仕事の幅を広げることができる #### チームについて - 開発組織の全体像は[こちらのスライド](https://speakerdeck.com/caddi_eng/caddi-the-letter-from-cto-to-all-the-engineer-applicants)をご参照ください。 - エンジニア・デザイナー・プロダクトマネージャーがそれぞれ各種機能開発（図面活用・検索・見積等）、データ基盤開発、機械学習/MLOps、R＆D、Enabling（QA・SRE）、Securityなど、1チーム4〜6名程度×10数チームに分かれて活動しています。 - 「各チームの裁量とスピード感の担保」と「チーム横断での標準化による全体最適」の両立を目指し、チームトポロジーの考え方を取り入れた組織設計を行っています。 - 開発メンバーのうち2割は海外（アジア、ヨーロッパ、北米など）出身メンバーです。一部チームでは英語をメインとしたコミュニケーションが行われていたり、重要な会議は日本語/英語両方で開催するなど、多国籍なメンバーが活躍できる組織づくりに挑戦しています。 - CADDi におけるML/MLOpsの役割については、[こちら](https://levtech.jp/media/article/interview/detail_276/)をご参照ください
応募資格（必須）
- ソフトウェアエンジニアとしての実務経験（5年以上） - ソフトウェア開発におけるリード経験 - チームリーダーやプロジェクト推進など、規模を問わず、設計・開発・運用やそれに伴う必要なコミュニケーションをリードした経験を重視 - 以下のうちいずれかの経験（2年以上） - クラウドインフラを用いた共通基盤（インフラまたはバックエンド）の開発経験 - 検索システムまたは推薦システムの開発経験 - SRE等の活動を通じたクラウドインフラの運用経験 - 機械学習システムにおいて、非機能要件や運用面を考慮しながら設計・開発・運用を行った経験 - 日本語での流暢なビジネスコミュニケーション能力 - テキストコミュニケーションやミーティングを含め、日常業務を日本語で完結できること - 例：日本語能力試験N1程度、日本語環境での3年程度の就業経験をお持ちである等
応募資格（歓迎）
- Vertex AI Pipeline、kubeflow、Apache Beam、Sparkなどを用いて機械学習パイプラインを開発した経験 - MLOps、SREに関連した開発経験 - ML Engineerと協業し、機械学習、データサイエンスのモデルを継続的に改善・提供した経験 - Data LakeやFeature Storeなどの構築、運用経験 - Data-centricに機械学習モデルを改善するために、データ品質を高める施策を実施した経験 - BigQueryやRedashを用いた社内外へのデータ活用施策の企画、推進の経験 - 機械学習、統計、線形代数、コンピュータサイエンスに関連したアルゴリズムの基礎知識
求める人物像
- キャディのミッション[「モノづくり産業のポテンシャルを解放する」](https://caddi-inc.com/company/mission/)に共感する方 - 未経験の技術や物事に対して貪欲に学び挑戦する姿勢がある方 - ML/MLOpsに必要な関連技術のキャッチアップに意欲的な方 - 本質的な課題に向き合い、当事者意識をもって解決に向けた行動ができる方 - 変化が早く不確実性の高い状況において、前向きな姿勢と建設な議論を通じて業務を遂行できる方 - 相手のコンテキストや解像度に配慮し、他者をリスペクトする姿勢でコミュニケーションや議論ができる方
給与
- 入社時年俸は700万円～1200万円程度を想定 - 昇給年2回 - 年収を12で割った金額を月額固定給として支給いたします。 - ストックオプション制度あり
開発環境
- 言語 - フロントエンド: TypeScript - バックエンド: Rust, TypeScript, **Python** - フレームワーク・ライブラリ - フロントエンド: React, Next.js, WebGL, WebAssembly - バックエンド: Rust (axum), Node.js (Express, Fastify, NestJS), **PyTorch** - インフラ: **Google Cloud**, Google Kubernetes Engine, Anthos Service Mesh - データベース・データウェアハウス: CloudSQL(PostgreSQL), AlloyDB, Firestore, **BigQuery** - API: GraphQL, **REST**, gRPC - 監視・モニタリング： Datadog, Sentry, **Cloud Monitoring** - 環境構築：**Terraform** - CI/CD：**Github Actions** - 認証: Auth0 - 開発ツール: **GitHub**, **GitHub Copilot**, Figma, Storybook - コミュニケーションツール: **Slack**, Discord, **JIRA**, **Miro**, **Confluence** ※特に関係するものを太字にしています
採用フロー
基本のフローは下記となります。 - カジュアル面談（希望された場合） - 書類選考 - 技術課題（オンラインのコーディングテスト） - アルゴリズムの知識や回答のスピードよりも、コードを通して「一緒に開発をすすめていくイメージが持てそうか」を重視しています。 - 詳細は[こちらのページ](https://recruit.caddi.tech/codingtest)をご覧ください。 - 人事面談 - 選考要素はなく、条件面等のすり合わせや選考を受けるにあたっての疑問解消の場となります - 技術面接（エンジニア） - 最終面接（CTO小橋） - オファー面談 ※状況により、追加の面接・面談をご相談する場合もございます。 ※ご希望に応じて、選考途中でも社員とのカジュアル面談をセットいたします。ご相談ください。 ※応募～内定は1カ月程度が平均的ですが、お急ぎの場合はご相談ください。極力ご転職活動のスケジュールに間に合うよう調整いたします。
#### 募集背景 私たちCADDiは「モノづくり産業のポテンシャルを解放する」をミッションに、製造業におけるデータプラットフォームプロダクト「CADDi Drawer」を展開しています。 2022 年にローンチした「CADDi Drawer」は、製造業の中でも最重要といわれる図面データを機械学習など様々な技術により構造化し多様な情報と結び付けることで、情報資産としての活用を可能にしました。既に国内の大手製造業から加工会社のお客様にまで活用いただいており、急成長中です。2023 年からは海外（アメリカ・タイ・ベトナム）での販売も開始し、グローバル展開も加速させています。 今後は、図面以外にも製造業の知見をテクノロジーによって再現・集約することで、部門や会社を超えた全体最適の実現を目指しています。 開発としては、データプラットフォームとしての機能強化、プラットフォーム上で動く複数の新規アプリケーション開発、飛躍的に増加するユーザー数・データ量に耐えうる基盤の強化など、取り組みたいテーマが数多くあります。 難易度が高くチャレンジしがいのあるプロダクト開発に一緒に取り組む仲間を募集しています。 ※CADDi の事業やプロダクトについては、下記もご参照ください - [キャディ、製造業AIデータプラットフォームとしての、第二章。（CEO加藤）](https://note.com/yushirodesu/n/n604bcca89964) - [プロダクトが何かを変える瞬間に立ち会うこと（CADDi Drawerプロダクト責任者白井）](https://note.com/yosukeshirai/n/n060824de8982) - [製造業のベテランに倣い、ベテランを超えるプロダクト開発（テクニカルプロダクトマネージャー今井）](https://note.com/imaimai/n/n5b1578e3cf98) - [CADDi Drawer Brand movie「会社も、自分も、変わることができる」](https://www.youtube.com/watch?v=t_kPudq7UW8) #### 業務内容 MLOps Engineerは、Machine Learning Engineerと協業し、機械学習、データサイエンスのモデルを継続的にサービスに対して提供できる、基盤の構築、保守、運用を行います。また、キャディの持つデータを活用すべく、データ収集のためのパイプライン構築、データ活用の促進をリードする働きを期待します。 以下に業務例を示します。実際の業務はこれに限定されるものではありません。入社後の業務内容は、技術や専門知識、経験等を考慮のうえ決定します。 - 機械学習のモデルの推論を行うAPIおよびBatchの動作環境、CI/CDを用いたデプロイ環境の構築 - 本番環境での監視、パフォーマンスチューニングを含むSite Reliability向上のための実装 - VertexやArgo Workflow上での機械学習処理パイプラインの開発、整備、運用 - 推論・学習プラットフォームのコストの最適化 - モデリング担当者、Platform担当者とコミュニケーションし、プロセスを文書化 CADDiのMLOpsエンジニアはMLOpsの実プロダクトで上でのご経験が積めるのはもちろんのこと、ご経験やご興味に応じて、フロントエンドdemoの作成や新しいMLモデルの作成など、新しいチャレンジの許容度が広く、技術の幅を広げていける環境です。 #### 参考資料 - [ML/MLOpsエンジニア向け採用資料](https://recruit.caddi.tech/machinelearning) - [Vertexで3ヶ月で作る運用可能なML API基盤](https://caddi.tech/archives/4123) - [キャディ: 図面データ活用クラウドで Vertex AI を採用、多様で大量の図面を扱う AI 基盤を実現](https://cloud.google.com/blog/ja/topics/customers/caddie-vertex-ai-for-drawing-data-utilization-cloud) - [AI 組織のモノレポ紹介](https://caddi.tech/archives/4187) - [Pantsモノレポの改善~テスト時間短縮・依存の集約管理・pex~](https://caddi.tech/archives/4362) - [CADDi AI Labの進化 R&Dから実用プロダクトへの旅路](https://speakerdeck.com/imaimai0/caddi-ai-labnojin-hua-r-and-dkarashi-yong-purodakutohenolu-lu-number-pmconf2023) - [CADDiの機械学習モデル開発の流れと継続的な改善](https://caddi.tech/archives/4370) - [仕組みで品質を作る図面解析](https://speakerdeck.com/imaimai0/caddi-drawer-shi-zu-midepin-zhi-wozuo-rutu-mian-jie-xi) #### 得られる経験 - 熱量の高いメンバーと共に、難易度の高い技術的課題に挑戦する経験 - 機械学習に加え、ソフトウェア領域など幅広い領域に精通したメンバーと共に仕事をする経験 - 技術をどのようにビジネスとして価値展開するかまで踏み込んで課題解決をする経験 - ML Engineerやプロダクトマネジメントのメンバーとも距離が近く、will次第で仕事の幅を広げることができる #### チームについて - 開発組織の全体像は[こちらのスライド](https://speakerdeck.com/caddi_eng/caddi-the-letter-from-cto-to-all-the-engineer-applicants)をご参照ください。 - エンジニア・デザイナー・プロダクトマネージャーがそれぞれ各種機能開発（図面活用・検索・見積等）、データ基盤開発、機械学習/MLOps、R＆D、Enabling（QA・SRE）、Securityなど、1チーム4〜6名程度×10数チームに分かれて活動しています。 - 「各チームの裁量とスピード感の担保」と「チーム横断での標準化による全体最適」の両立を目指し、チームトポロジーの考え方を取り入れた組織設計を行っています。 - 開発メンバーのうち2割は海外（アジア、ヨーロッパ、北米など）出身メンバーです。一部チームでは英語をメインとしたコミュニケーションが行われていたり、重要な会議は日本語/英語両方で開催するなど、多国籍なメンバーが活躍できる組織づくりに挑戦しています。 - CADDi におけるML/MLOpsの役割については、[こちら](https://levtech.jp/media/article/interview/detail_276/)をご参照ください
応募資格（必須）
- ソフトウェアエンジニアとしての実務経験（5年以上） - ソフトウェア開発におけるリード経験 - チームリーダーやプロジェクト推進など、規模を問わず、設計・開発・運用やそれに伴う必要なコミュニケーションをリードした経験を重視 - 以下のうちいずれかの経験（2年以上） - クラウドインフラを用いた共通基盤（インフラまたはバックエンド）の開発経験 - 検索システムまたは推薦システムの開発経験 - SRE等の活動を通じたクラウドインフラの運用経験 - 機械学習システムにおいて、非機能要件や運用面を考慮しながら設計・開発・運用を行った経験 - 日本語での流暢なビジネスコミュニケーション能力 - テキストコミュニケーションやミーティングを含め、日常業務を日本語で完結できること - 例：日本語能力試験N1程度、日本語環境での3年程度の就業経験をお持ちである等
応募資格（歓迎）
- Vertex AI Pipeline、kubeflow、Apache Beam、Sparkなどを用いて機械学習パイプラインを開発した経験 - MLOps、SREに関連した開発経験 - ML Engineerと協業し、機械学習、データサイエンスのモデルを継続的に改善・提供した経験 - Data LakeやFeature Storeなどの構築、運用経験 - Data-centricに機械学習モデルを改善するために、データ品質を高める施策を実施した経験 - BigQueryやRedashを用いた社内外へのデータ活用施策の企画、推進の経験 - 機械学習、統計、線形代数、コンピュータサイエンスに関連したアルゴリズムの基礎知識
求める人物像
- キャディのミッション[「モノづくり産業のポテンシャルを解放する」](https://caddi-inc.com/company/mission/)に共感する方 - 未経験の技術や物事に対して貪欲に学び挑戦する姿勢がある方 - ML/MLOpsに必要な関連技術のキャッチアップに意欲的な方 - 本質的な課題に向き合い、当事者意識をもって解決に向けた行動ができる方 - 変化が早く不確実性の高い状況において、前向きな姿勢と建設な議論を通じて業務を遂行できる方 - 相手のコンテキストや解像度に配慮し、他者をリスペクトする姿勢でコミュニケーションや議論ができる方
給与
- 入社時年俸は700万円～1200万円程度を想定 - 昇給年2回 - 年収を12で割った金額を月額固定給として支給いたします。 - ストックオプション制度あり
開発環境
- 言語 - フロントエンド: TypeScript - バックエンド: Rust, TypeScript, **Python** - フレームワーク・ライブラリ - フロントエンド: React, Next.js, WebGL, WebAssembly - バックエンド: Rust (axum), Node.js (Express, Fastify, NestJS), **PyTorch** - インフラ: **Google Cloud**, Google Kubernetes Engine, Anthos Service Mesh - データベース・データウェアハウス: CloudSQL(PostgreSQL), AlloyDB, Firestore, **BigQuery** - API: GraphQL, **REST**, gRPC - 監視・モニタリング： Datadog, Sentry, **Cloud Monitoring** - 環境構築：**Terraform** - CI/CD：**Github Actions** - 認証: Auth0 - 開発ツール: **GitHub**, **GitHub Copilot**, Figma, Storybook - コミュニケーションツール: **Slack**, Discord, **JIRA**, **Miro**, **Confluence** ※特に関係するものを太字にしています
採用フロー
基本のフローは下記となります。 - カジュアル面談（希望された場合） - 書類選考 - 技術課題（オンラインのコーディングテスト） - アルゴリズムの知識や回答のスピードよりも、コードを通して「一緒に開発をすすめていくイメージが持てそうか」を重視しています。 - 詳細は[こちらのページ](https://recruit.caddi.tech/codingtest)をご覧ください。 - 人事面談 - 選考要素はなく、条件面等のすり合わせや選考を受けるにあたっての疑問解消の場となります - 技術面接（エンジニア） - 最終面接（CTO小橋） - オファー面談 ※状況により、追加の面接・面談をご相談する場合もございます。 ※ご希望に応じて、選考途中でも社員とのカジュアル面談をセットいたします。ご相談ください。 ※応募～内定は1カ月程度が平均的ですが、お急ぎの場合はご相談ください。極力ご転職活動のスケジュールに間に合うよう調整いたします。