■業務内容 当社の機械学習基盤「ML Platform」の開発・運用を担当していただきます。社内のAI技術者やプロダクトチームが効率的かつ迅速に機械学習モデルの開発・デプロイを行えるよう、プラットフォームの機能強化や最適化を行います。 具体的な業務としては、 - 物理GPUノードのセットアップ（OSインストールやパラメータチューニング） - Kubernetesクラスタの構築・運用 - 定期的なKubernetesクラスタのバージョンアップデート - 最新のKubernetesバージョンへのキャッチアップなど また、NVIDIA H100 / H200 やRoCEv2/RDMA、NCCLといった大規模計算クラスタの - 技術検証・導入 - GPUインスタンスの提供 - 機械学習ジョブの管理 - モデルのデプロイ機能の開発・運用を などを行い、ユーザーのニーズに応じた新機能の追加やUXの改善にも取り組んでいただきます。 サービスは主にKubernetes上で構築されているため、機械学習の知識に加え、Kubernetesカスタムコントローラー（Go言語）の開発など、kubernetesへの深い理解に基づいた学習サービスの開発・運用を担当します。 加えて、Kubeflowなどの機械学習エコシステムの検証・導入・コントリビュートを通じて、基盤の強化と機能拡充を図ります。 ■ポジションの魅力 このポジションでは、最先端の技術に挑戦する機会が豊富にあります。最新のGPUハードウェアや機械学習フレームワーク、Kubernetesの新機能など、常に技術の最前線で活躍できます。 ソフトウェア開発からインフラ構築、機械学習の応用まで、多岐にわたる技術領域に携わることで、幅広いスキルを習得・活用することが可能です。 ▶︎技術スタックと開発環境 ■プログラミング言語 Go言語/Python ■プラットフォーム・オーケストレーション Kubernetes/Docker ■機械学習フレームワーク TensorFlow ■分散処理技術 MPI/NCCL/RoCEv2/RDMA ■機械学習エコシステム Kubeflow/Kueue/MPI Operator ■ハードウェア NVIDIA GPU（H100など最新モデル） 高性能ネットワークインフラ ■開発手法 アジャイル開発 CI/CDの実践 ■コミュニケーションツール Slack/Confluence/JIRAなど ■その他の技術要素 パブリッククラウド（GCP、AWS）の知識活用 OSSコミュニティとの連携 ■必須の経験・スキル 以下全てを満たす経験をお持ちの方 ・計算機科学に対する基本的な知識および理解 ・機械学習や GPU に対する基本的な知識および理解 ・Linux 環境における開発および運用経験 ・Kubernetes などのコンテナオーケストレーションツールを用いた運用経験 ・プログラミング言語を用いた 3 年以上の開発経験（Go が望ましい） ■歓迎する経験・知識 以下の経験・知識を一つでもお持ちの方 ・Kubernetes カスタムコントローラーの開発経験 ・Kubernetes 各種認定資格の取得（CKA/CKAD/CKS/KCNA） ・最新の機械学習やフレームワークに対する知識および理解 ・HPC を目的とした大規模計算クラスタに対する知識および理解 ・MLOps の知識・実践経験 ・Kubeflow, Kueue, MPI Operator の知識・運用経験(分散学習の経験) ・Web API におけるセキュリティ対策の経験 ・パブリッククラウド（GCP/AWS/etc.）の AI 系サービスを用いた開発経験 ・フロント（React）の開発経験 ・OSS コミュニティでの開発経験 ■求める人物像 ・多岐にわたる技術領域に好奇心を持ち、積極的に学習・挑戦できる方 ・最新技術を常にキャッチアップしている方 ・他者との協力を重視し、円滑なプロジェクト推進に貢献できる方