シニアMLOpsエンジニア

シニアMLOpsエンジニア

正社員

試用期間：3か月

年収

※上記年収には賞与（年2回）が含まれます ※個人の能力発揮によって賞与の金額は変動します。 ※前職年収考慮いたします ※年2回の人事考課にて給与改定があります

105-7135 東京都港区東新橋1-5-2 汐留シティセンター35階 地図で確認 株式会社タイミー　東京本社 ※フルリモート勤務可

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

年間休日120日 完全週休2日制（土・日）、国民の祝日

• リラックス休暇（年次有休とは別に、入社初日に年5日分、その後1年ごとに5日分付与される有給休暇）
• 年次有給休暇
• 年末年始休暇
• 慶弔休暇
• 産前産後休暇

• 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）

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）

業界知識を深めるに必要な書籍を会社が購入

業務に必要なセミナー参加費を補助

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

結婚した従業員に祝い金を支給

フルリモート勤務可

https://tech.timee.co.jp/

北海道札幌市中央区北三条西4-1-4　D-LIFEPLACE札幌3階

宮城県仙台市宮城野区榴岡1丁目1−1 JRイーストゲートビル2F

石川県金沢市広岡3-1-1　金沢パークビル 8階　リージャス金沢パークビルビジネスセンター

愛知県名古屋市中区丸の内1-9-16 丸の内Oneビルディング8階

大阪府大阪市北区曽根崎新地1-13-22 御堂筋フロントタワー1F

広島県広島市中区紙屋町一丁目２番２７号 大同生命広島ビル 7階

福岡県福岡市中央区天神2-8-35　天神住友生命FJビジネスセンター 7階

https://youtu.be/4fL2hIYfxac?si=jlA4uvjD0hb_XiY5

https://youtu.be/sTCQT2MwD6M?si=F-Nj3O-AUSvxCZWQ

• タイミーは日本の「はたらく」をどう変えるのか AI時代に必要な「信頼」という財産（日経ビジネス電子版 Special）

https://special.nikkeibp.co.jp/atclh/ONB/26/timee0220/

• 日本の働き方を変えたタイミーは、次に何を変えるのか｜小川嶺代表が語る"第2章"（日興フロッギー）

https://note.com/froggy_smbcnikko/n/nf459bac56bbe

• スポットワーク研究所｜社会課題に真正面から向き合うタイミーの調査・事例メディア

https://spotwork.timee.co.jp/

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 上記ルールに反する接触や不適切な言動があった場合は、下記の相談・通報窓口までご連絡ください。 窓口：team.hr@timee.co.jp

ご相談の内容とプライバシーは厳重に保護します ご相談や事実確認へのご協力を理由に、選考で不利益な取扱いをすることは一切ありません 人材紹介エージェント・学校のキャリアセンター等を経由したご相談も受け付けます

シニアMLOpsエンジニア | 株式会社タイミー 株式会社タイミー 株式会社タイミー 採用情報 株式会社タイミー の求人一覧 シニアMLOpsエンジニア シニアMLOpsエンジニア シニアMLOpsエンジニア 正社員 株式会社タイミー の求人一覧

ツイート

事業内容 当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」をミッションに掲げ、深刻化する人手不足という経営課題を解決しながら、一人ひとりが好きな時に働き、人生の可能性を広げられる世界を目指し、スキマバイトアプリ「タイミー」を中心に事業を展開してきました。そして2018年のサービス開始から、タイミーは以下の規模まで成長しました。

• ワーカー数：1,470万人
• 事業者数：250,000社
• 事業所数：488,000拠点

※2026年7月末時点

そんな当社はいま、"第二創業期"を迎えています。既存のスポットワーク領域では、業界ごとに深く入り込み、企業にとっても働き手にとっても なくてはならないインフラ としてサービスを広げています。さらに2030年に向けて掲げる 「VISION2030 ― 積み重ねた『信頼』が報われる社会をつくる」 のもと、「信頼」を可視化・循環させる、社会の新たなインフラの構築を進めています。スキマバイトを通じて蓄積してきた、働き手の勤務実績や評価といった他にはない独自の 「信頼データ」 を軸に、長期採用サポートサービスやタイミーキャリアプラス（正社員人材紹介）、Fintechをはじめとする新規事業を多数立ち上げています。

会社説明動画 https://corp.timee.co.jp/vision-2030/

採用特設LP https://corp.timee.co.jp/special-recruit/ 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べく、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。今後は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おり、扱うユーザー体験、業務フロー、データ特性、リスクはより多様になっていきます。 その中で、AI/MLの活用は、マッチング品質の向上、検索・推薦・ランキング、需要予測、審査・不正検知、業務効率化、生成AI/LLMを用いたプロダクト体験・社内業務の改善など、事業成長を支える重要なケイパビリティになりつつあります。一方で、AI/MLをプロダクトや業務に継続的に組み込んでいくためには、モデル精度だけでなく、信頼性、セキュリティ、コスト、レイテンシー、データガバナンス、監視、継続改善といった本番運用上の論点を同時に扱う必要があります。 これまでもMLOps Teamでは、多方面からのML活用ニーズにスピーディーに応えるため、MLパイプラインやCI/CDパイプラインの自動化、Feature Storeの構築、ML開発環境の整備、モノレポ化、開発効率化のための社内ライブラリ開発などを進めてきました。 今後はこれらの取り組みをさらに発展させ、実験管理、データ監視、モデル監視、LLMOpsなどの基盤整備や既存のML基盤の改善・標準化に取り組むとともに、AI/MLワークロードのさらなる自動化や、LLM/Agentic AIを活用した新しいプロダクト体験・業務体験を支える基盤づくりにも挑戦していきます。まだ正解が定まっていない領域にも技術的な探索・先行投資として向き合いながら、複数チームがAI/MLをより速く、安全に、継続的に検証・本番活用できる状態をつくっていきたいと考えています。 こうした挑戦を、プロダクト組織全体のAI/ML活用を加速するプラットフォームづくりとして捉え、既存の仕組みや運用知見を活かしながら、標準化・セルフサービス化・ガバナンス・Developer Experienceを引き上げていけるMLOpsエンジニアを募集します。

• 「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

• 「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

• 「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

• 「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

• 「Renovateの設定」

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 業務内容 マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・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、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備

プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理

生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備

データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華

上記を実現するための非機能要件・運用品質の継続的な改善 IaCによるインフラ構築・管理 CI/CDによるテスト・デプロイ自動化 サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善

社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 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 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability

BIツール Looker / Looker Studio

IaC Terraform

開発環境・ツール Visual