B245. Machine Learning Engineer【正社員 / 01 / Tech】

【UPSIDERについて】 「挑戦者を支える世界的な金融プラットフォームを創る」をミッションに掲げ、法人カード「UPSIDER」（AI与信で最大10億円枠、リアルタイム明細、バーチャル発行等、累計決済額8,500億円以上*）を中心に、請求書カード払い「支払い.com」（クレディセゾンと共同運営、累計決済額1,500億円以上*）、グロースデットファンド「UPSIDER BLUE DREAM Fund」（みずほフィナンシャルグループ共同運営、融資総額130億円以上*／累計ファンド総額243億円*、条件提示は平均10営業日以内*。複数の金融機関・投資家が参画する独立系ベンチャーデットファンドとして国内最大規模）を展開しています。 2025年には、経営者向け法人カード「PRESIDENT CARD」（JALとの提携により提供）や、経理業務の効率化を実現する「UPSIDER AI経理」（業務AIが1.1億件の処理を自動実行・代替）といった新規事業を立ち上げ、累計導入企業数10万社以上に到達。また、「UPSIDER」では累計与信枠5兆円以上を提供し、不正利用発生率は1%未満を維持、累計カード発行枚数340,000枚以上*、アップロードされた領収書数は160万枚以上*、利用先制限機能では260件*の利用先を設定可能と、プロダクトの利便性と安全性の向上を加速させています。 事業成長としては、年間売上規模約100億円*、かつ年間売上成長率50%以上*を継続。2024年にはシリーズDとして154億円の資金調達を実施し、累計資金調達額は600億円を突破。2025年7月には、みずほフィナンシャルグループへの戦略的グループインを発表し、従来からの共創領域に加えて、AI与信や新たな金融サービスの共同展開を通じ、日本企業の競争力を本質から高める金融エコシステムの創出に挑んでいます。 創業者である宮城・水野は引き続き経営株主として参画し、上場も視野に入れながら、挑戦者を支える社会インフラの構築に挑戦し続けています。私たちは今後も、挑戦する企業と、それを支える社会を前進させるべく、カテゴリートップとなる新たな事業創出を加速させていきます。 *各種数値は2025年11月末時点 【事業を支える機械学習】 UPSIDERの成長の根幹を担っているのが、伝統的な金融機関と一線を画した弊社独自の与信モデルです。 お客様の過去の事業状況だけではなく、UPSIDER独自の与信を行うことで、スタートアップ企業、IT企業に留まらず、様々な業種のお客様にUPSIDERカードをご利用いただく機会が生まれています。 【求める期待役割】 ・本番環境で安定的に稼働する機械学習システムを設計〜実装〜運用すること ・事業課題に直結する機械学習モデルを自ら設計、改善し、それを実際のプロダクトとして本番環境で活用すること ・機械学習の設計〜改善に強みを持ちつつ、必要十分なMLOpsを理解し、本番運用を意識した実装を行うこと 【本ポジションの魅力】 ・PoCで終わらせず、秒間数多の決済が走る本番環境で、モデルを安定稼働させる技術の追求 ・モデルの設計から本番運用まで、MLのライフサイクルを一気通貫で経験できる ・技術選定やモデル設計に対する裁量の大きさ ・与信、不正検知といった、事業の収益性、リスクに直結する領域を担える ・決済データという、企業活動の実態を高頻度かつ継続的に捉えられるデータを扱えること ・必要に応じてMLOps、基盤設計にも関与し、本番環境においてMLが継続的に価値を生み出す仕組み作りに携われる 【業務内容】 UPSIDERでは機会学習エンジニアを「AIを武器に変え、プロダクトの血流を支えるアーキテクト」と定義しており、お任せしたい業務は以下となります。 ・モデルを安定的かつ低レイテンシで本番環境で利用可能な形に落とし込むための実装 ・ビジネス要件を踏まえたモデルの精度、安定性の改善 ・学習/推論パイプラインの整備 ・モデルのAPI化、簡易的な自動化 ・再学習や性能劣化を意識した運用設計 ・本番運用を見据えた、必要十分なMLOpsの導入 【このポジションで期待する成果】 ・与信モデルの精度および安定性の継続的な改善 ・本番環境におけるMLパイプラインの信頼性、可観測性の向上 ・プロダクト、ビジネス意思決定に寄与するMLシステムの実装 ・ML開発〜運用における技術的意思決定のリード 【今後やっていきたいこと】 ・独自の与信モデル改善 ・不正利用検知AIの強化 ・企業ごとにパーソナライズされた金融アドバイスAI ・営業支援のレコメンドAIの開発 ・LLMなどを活用した新しい金融プロダクトの検討 【利用しているツールや開発環境】 ・開発言語：Python/Typescript ・機械学習/統計モデリング：scikit-learn/LightGBM/pandas/numpy etc. ・クラウドプラットフォーム：Google Cloud Platform ・分析基盤：BigQuery ・アプリケーション：Next.js/FastAPI ・構成管理ツール：Terraform/Cloud Build ・データモデリング：Dataform/dbt ・データビジュアライゼーション：Metabase/Redash ・その他：Docker/GitHub/Slack/Github Copilot/Cursor/Claude Code etc. 【参考情報】 ▼Engineer Entrance Book - UPSIDER https://upsiders.notion.site/Engineer-Entrance-Book-UPSIDER-27a93c7ce32d807196bfc3e80296a9fd](https://www.notion.so/27a93c7ce32d807196bfc3e80296a9fd?pvs=21

・Pythonを用いた機械学習モデルの実装経験(scikit-learn/LightGBMなどの利用経験) ・EDA〜特徴量設計〜モデル評価の実務経験 ・ビジネス課題を機械学習として定式化した経験 ・Docker/Kubernetes等のコンテナ技術、およびクラウド（AWS/GCP等）でのインフラ構築経験 ・CI/CDパイプラインの構築や、本番環境でのモデルデプロイ/運用経験

・与信、不正対策の領域でのデータサイエンス経験 ・金融機関、Fintech企業での就業経験 ・プロジェクトまたはチームリードの経験 ・LLM等の生成AIに関する知識、業務経験 ・大規模データ（BigQuery/Spark等）を扱うデータパイプラインの設計/構築経験 ・低レイテンシが要求されるリアルタイム推論基盤の最適化経験

・UPSIDERのミッションに共感いただける方 ・ユーザーファーストの思考で仕様変更や設計改善などを自ら提案できる方 ・技術や手段よりも「ユーザーに価値を届けること」に喜びを感じられる方 ・リスペクトを持ち、困っている仲間に手を差し伸べられる方 ・ビジネスの成功に向けて、部署やチームを超えて他メンバーと積極的なコラボレーションができる方