NoTrain
株式会社スリーシェイク のロゴNEW

Sreake_MLエンジニア

株式会社スリーシェイク3-shake.comAI・データ未上場

株式会社スリーシェイクについて

インフラをシンプルにすることを掲げ、SRE支援ソリューション「Sreake」、統合セキュリティプラットフォーム「Securify」、データ実行・運用基盤「Reckoner」を提供しています。エンジニア向けの人材サービスも手がけ、クラウドやKubernetesの知見をもとにクライアント組織に入り込んだ支援を行っています。

企業サイトの記載より編集部が要約 / 出典

この求人について

LLMや画像・音声モデルのファインチューニングから、Kubeflowなどを使ったMLOps基盤の構築・運用まで担うMLエンジニア。

働き方の実態編集部が求人票から読み取ったこと

本文に「フルリモート勤務OK」と待遇欄に明記。勤務地としては本社住所のみが記載され、出社日数や定期的な集合を求める記述は本文にない。SREチームと連携してMLシステムの信頼性や可用性を高める役割だと説明されている。

企業名株式会社スリーシェイク(企業サイト)
上場区分未上場
業種AI・データ
職種
カテゴリ
エンジニア
出社頻度通勤ゼロ(フルリモート)
想定年収750〜1500万
経験レベルプロ
応募条件機械学習・深層学習に関する開発または研究の経験、PyTorch・TensorFlowなどのフレームワークの実装経験、Pythonでの実装経験
雇用形態正社員
本社所在地東京都※通勤ゼロのため、居住地の条件ではありません
掲載日2026-09-25(1日前)
掲載状況募集中

掲載元の募集要項

Green/2026-09-19 取得

モデル開発・実装

  • NeMoを用いた LLM・画像/音声モデルのファインチューニング・カスタマイズ(LoRA・RAG・RLHFなど)
  • NIM での推論マイクロサービス設計・実装・パフォーマンス最適化
  • Python/PyTorch を中心としたモデル開発・評価・改良サイクルの推進
  • 論文・Kaggle上位解法・OSS を調査し、プロダクトレベルで実装

本番運用・MLOps(新規強化)

  • Kubeflow・Vertex AI・MLflow などを活用したMLパイプライン構築・自動化・継続的デプロイ
  • 本番モデルのパフォーマンス監視・ドリフト検知・再学習トリガーの設計・運用
  • モデルの推論品質・レイテンシ・コストのモニタリング基盤構築(Prometheus・Grafana・OpenTelemetry との連携)
  • SREチームと連携したMLシステムの信頼性・可用性向上(SLI/SLO定義、インシデント対応)

改善サイクル・ナレッジ共有

  • 生成AIを活用した開発プロセスの高度化・自動化の推進
  • プロジェクトで得られた知見のドキュメント化・社内勉強会・RAG化
  • 技術ブログ・カンファレンス登壇・OSS コントリビュート(希望者)

※インフラ専任SREが別に在籍しており、MLOps基盤のインフラ部分はSREと協業します。 MLエンジニアは「使いこなす・改善する・監視する」スタンスで、本来のMLドメインに集中できる環境です。

仕事の魅力

  • 国内トップクラスのクライアントのAI基盤構築・本番運用に最前線で関われる
  • NVIDIA Inception採択により、最新GPU環境・DLI研修など、AI開発に特化したリソースを活用できる
  • SREのエキスパートとの協働で「MLOpsを分かるMLエンジニア」「推論サービスの信頼性を語れるMLエンジニア」という市場希少なポジションを確立できる
  • モデルを「作って終わり」ではなく、本番環境での運用・監視・改善サイクル全体に関与できる
  • 伴走型コンサルティングにより、クライアントの内製化・競争力強化に直接貢献できる(SIer・SESとは異なるスタイル)
  • AI駆動開発ツール(Claude・Cursor・Devin・Gemini等)を積極活用する開発文化
  • エンジニア職・非エンジニア職が互いを尊重し合う協力的な雰囲気

開発環境

  • パブリッククラウド: AWS, Google Cloud
  • 開発言語: Go, Python, JavaScript, TypeScript など
  • IaC: Terraform, Helm, Ansible など
  • コンテナオーケストレーション: Kubernetes(GKE, EKS)
  • サービスメッシュ: Istio
  • バージョン管理 / CI/CD: GitHub, GitLab, GitHub Actions, Argo CD など
  • モニタリング / オブザーバビリティ: Datadog, Prometheus, Grafana, ・・OpenTelemetry, Amazon CloudWatch, Cloud Monitoring, Cloud Logging, Elastic Stack など
  • インシデント管理: PagerDuty
  • 生成AI: GitHub Copilot, Claude, Cursor, Devin, Gemini など
  • その他: Jira, Slack, Notion
  • マシン: MacBook Pro (14 inch) ※WindowsOS PCも選択可

※あくまで一例です。参画するプロジェクトによって異なる場合があります。

必須要件

  • 機械学習・深層学習に関する開発または研究の経験
  • PyTorch・TensorFlow などの機械学習・深層学習フレームワークの実装経験
  • Pythonでの実装経験(データ処理・モデル学習・API連携など)

歓迎要件

  • LLM・生成AIモデルのファインチューニング・推論最適化の経験
  • CUDA/Triton 等 GPU プログラミングの経験
  • Kubeflow/MLflow/Vertex AI などでのMLパイプライン構築・運用経験
  • 本番モデルのパフォーマンス監視・ドリフト検知・再学習パイプラインの設計・運用経験
  • Prometheus・Grafana・OpenTelemetry等を用いたMLシステムのモニタリング経験
  • IaC(Terraform/Helm)+ GitOps(Argo CD 等)の利用経験
  • SRE・DevOpsの概念への理解・関心
  • 英語での論文リーディング・技術コミュニケーション

求める人物像

  • モデル開発から本番運用・監視・改善サイクルまで一気通貫で関与し、自ら改善を推進できる方
  • SREチームや顧客エンジニアと連携しながら、AI基盤を協働で構築・改善できる方
  • MLOps・モデル監視・信頼性工学(SRE)に強い関心を持つ方
  • ミッション・ビジョン・バリューに共感頂ける方

待遇・福利厚生

  • 各種社会保険完備(雇用保険・労災保険・健康保険・厚生年金保険)
  • 交通費支給(当社規定による)
  • 定期健康診断(年1回)
  • インフルエンザ予防接種
  • 各種資格取得支援
  • 一部社外セミナー/研修の参加支援
  • 屋内原則禁煙、喫煙可能室設置あり
  • フルリモート勤務OK

賞与・昇給

活躍イメージ

  • 入社後半年〜1年:

顧客のAI案件に参画し、モデル開発〜本番デプロイ〜監視・運用の一連のサイクルを担える状態。 SREチームとの連携も自走できる。

  • 1〜2年以降:

ML×SRE視点を持つアーキテクトとして、顧客から直接指名される存在に。 AI基盤の設計・MLOpsパイプラインの構築をリードし、組織目標(ナレッジ共有・AI活用推進)への 貢献も期待。

勤務時間

null~null

【勤務地】【本社】 東京都中央区銀座8丁目21番1号 汐留浜離宮ビル7F

編集部が取得した時点の内容です。最新の募集要項は応募先で確認してください。

編集部のひとこと

モデルを作るだけでなく、本番の性能監視やドリフト検知、再学習の設計まで任されます。論文やKaggleの上位解法を調べてプロダクトへ実装する動き方も明記されており、研究寄りの経験を運用まで伸ばしたい方に向いています。

NoTrain編集部2026-09-25 に読んで書きました

同じ職種の年収と比べる

エンジニアで年収を公開している620件の分布

エンジニア全体この求人の想定年収中央値

中央値 1,000万
400万1,600万750万1,500万

この求人の想定年収のMAXは、エンジニアの中央値を500万上回ります。

これより年収が高い求人が29件あります

NoTrainが掲載しているフルリモート正社員求人から集計。想定年収の上限で比較しています(単位:万円)。

近い条件の求人

同じエンジニアの求人

掲載中
794件
直近7日の新着
320件
すべて見る

この求人が載っている一覧

働き方を考えるときに読む記事