株式会社ZOZOのMLOpsエンジニアの求人

期待すること（責任/権限）

■チームについて

MLOpsチームでは、ML（Machine Learning）を活用したプロダクトを世に送り出すために必要となる、モデル開発以外のすべてのエンジニアリングを担当します。

ZOZOTOWN・WEARが抱えている課題に対して、MLを使ったソリューションの提案から、モデルのAPI開発やインフラ構築まで幅広い役割を担います。モデル開発を担当するMLエンジニアが優れたモデルを作ることに注力できるようサポートし、MLを使ったPoCプロジェクトでプロトタイプアプリケーションの開発を行います。
そして、さらに堅牢性や拡張性を考慮しながらそれらをプロダクションレベルまで昇華させつつ、安定的に運用しながらMLの付加価値をユーザーに届けることがミッションです。

■職種について

ZOZOTOWN・WEARの「探す」「買う」「届ける」「着こなす」の裏側にあるMLアプリケーションの開発・運用を支えていくポジションです。
MLエンジニアの研究を効率的に行うための実験環境の構築、コンピューティング処理の高速化、プロトタイプ開発などを行いながら、信頼性の高いサービスを提供できるように「自動化」「可用性」「セキュリティ」「パフォーマンス」「耐障害性」などを意識したクラウドインフラ基盤の構築・運用を行います。
チーム内外との連携も多く、システムを安定稼働させるための技術力だけではなく、様々な場面で起こる課題に対する高度な問題解決能力、業務遂行のためのコミュニケーション能力も必要とされます。

■現状の課題と実現したいこと

ZOZOグループが保有するビッグデータの活用および、ZOZOMAT/ZOZOSUITをはじめとした技術革新の加速により、ZOZOTOWNやWEARなど既存事業の拡大とテクノロジードリブンな新規事業の創造を行うことが求められる中、MLOpsチームでは特にデータやAIの力で事業に貢献します。
ZOZOTOWNやWEARに対して、MLを活用した新しい機能を継続的に素早くリリースするためには、土台となるML基盤が重要であり、MLOpsチームではML基盤の設計・構築を推進しています。様々なMLのプロダクトに対して、一貫して安定したサービスの提供を目指します。

業務内容

■具体的な業務例

MLエンジニアの研究サポートおよび研究結果をZOZOTOWNやWEARに組み込むためのエンジニアリング全般、加えてML案件の基盤整備を行っていただきます。

• 機械学習APIサーバーの設計/構築/運用または実装
• 機械学習ワークフローの設計/構築/運用または実装
• Infrastructure as CodeおよびCI/CDによる構築、デプロイ自動化
• サービス監視設計/運用
• 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
• MLアプリケーションPoCのプロトタイプ開発

■利用技術

• 開発言語：Python / Java / Go / Bash
• Google Cloud：Google Kubernetes Engine（GKE） / BigQuery / Vertex AI / Anthos Service Mesh / Cloud Run など
• コンテナ技術：Docker / Kubernetes
• 構成管理：Terraform
• CI/CD：GitHub Actions / Argo CD / Argo Rollouts
• 監視：Datadog / Cloud Monitoring / Sentry / PagerDuty
• ワークフロー：Kubeflow Pipelines（Vertex AI Pipelines）/ Apache Airflow（Cloud Composer）
• 機械学習ライブラリ：PyTorch / TensorFlow など

■参考資料

• 会社説明資料
• 【TECH BLOG】WEAR関連コーデレコメンドプロジェクトへのVertex AI Vector Search導入と実践
• 【TECH BLOG】Kubernetes Event-driven Autoscaling（KEDA）で実現する夜間・休日のインフラコスト削減
• 【TECH BLOG】Four Keysを活用してチームの開発生産性を改善した時のふりかえりの考え方と手法を紹介します
• 【TECH BLOG】Go製CLIツールGatling Commanderによる負荷試験実施の自動化
• 【TECH BLOG】MLOpsマルチテナントクラスタへのArgo CDの導入と運用
• 【TECH BLOG】Knative Servingを用いて多数の開発環境APIを低コストで構築する
• 【TECH BLOG】Kubeflow PipelinesからVertex Pipelinesへの移行による運用コスト削減
• 【TECH BLOG】ZOZOTOWNのおすすめ順を支える検索パーソナライズ基盤
• 【TECH BLOG】ZOZOTOWN「おすすめアイテム」を支える推薦システム基盤
• 【TECH BLOG】KubeflowによるMLOps基盤構築から得られた知見と課題
• 【TECH BLOG】類似アイテム検索機能についてGoogle Cloud Next '19 in Tokyoで技術発表をしました
• 【YouTube： Google Cloud Japan】ZOZO おすすめアイテム推薦の改善に向けた分析と挑戦

必要条件

■必須条件

• Python / Java / Go / Ruby / Scala 等のプログラミング言語のうち、一つ以上の言語での開発経験
• AWS / Azure / GCPいずれかのクラウドを利用したインフラ/サービス運用経験

■歓迎条件

• Kubernetesクラスタの運用経験
• SRE（Site Reliability Engineering）の経験
• Google Cloudを利用したインフラ/サービス構築や運用経験
• Terraformを利用したインフラ構築自動化の経験
• GitHub Actions、Argo CDなどを利用したCI/CD構築や運用経験
• スケーラビリティを考慮した大規模Webアプリケーションの設計、負荷対策の経験
• Gatling、k6などを利用した負荷試験の経験
• IstioなどのService Mesh運用経験
• Apache Airflow、Kubeflow Pipelines などのワークフローツールを使った機械学習向けバッチ開発/運用経験
• TensorFlow Servingなどの機械学習モデルサービング技術の開発/運用経験
• 機械学習の基礎知識/モデル開発/運用経験
• Webアプリケーションの開発/運用経験
• データエンジニアリングの経験
• Linuxサーバーの運用経験
• 自作ライブラリの公開やOSSなどへのコントリビュート経験