エデュテックのグローバルリーダー！キャッチイットプレイでAI教育の未来を変えるために、970億件の学習行動データを基に、
新製品・エンジン開発のAIモデリングリードを担当してくださる「MLエンジニア」を募集中です。
私たちが探しているのは、推薦・予測・生成モデルを実サービスに直接導入した経験のあるMLエンジニアです。
キャッチイットは、累積260万人のユーザー・9.73億件の学習行動データを保有する環境で、
教育AIを道具（Tool）レベルから協力者（Collaborator）レベルに進化させる仕事をともに行う仲間を求めています。
• モデル性能向上とサービング環境の制約（遅延・コストなど）をともに考慮できる方
• ドメイン要件をML問題に翻訳できるコミュニケーション能力を持つ方
• 新しい技術分野（LLM、強化学習など）に対して好奇心を持ち、学んで広げていける方
• 小規模チームで自ら方向を定め、実行まで行った経験がある方
A. モデルの設計・開発・運用 (~60%)
• 学習・コンテンツ・ユーザーデータを活用し、推薦・マッチング・離脱予測・生成型コンテンツなどのコアMLモデルを設計・開発し、実サービスに適用
• モデル学習 → 評価 → チューニング → プロダクションデプロイ → モニタリング → 再学習 MLライフサイクル全体の責任を負う
• 新しいML問題の定義、データ収集・仮説設定・モデリング・実験・サービス適用までの全プロセスを主導
• モデル性能指標（Macro F1・NDCG・AUCなど）をビジネスKPIに翻訳し、ユーザー価値に結び付ける
B. 実験・ツール・協力 (~40%)
• A/Bテストの設計・運用、ビジネスKPIに対するモデルインパクトの定量測定・検証
• 最新のML・LLM・生成型AI技術動向を把握し、実サービスに適用可能な形で検証・導入
• データエンジニアと協力してFeature Store・モデルサービング・運用インフラを共に運営
• PM・企画・分析業務の担当者とML要件を定義し、チームの技術的意思決定に積極的に参加
• ML/AI関連の実務経験5年以上、実サービスモデルのデプロイ経験があること
• 機械学習/深層学習モデルを直接設計・学習・チューニング・評価し、実サービスに適用した経験
• Pythonに習熟（PyTorch、scikit-learnなど）
• SQLに習熟し、クラウド（AWS/GCP/Azure）環境の経験
• 大規模行動ログまたはトランザクションデータに基づくフィーチャーエンジニアリングの経験
• 統計的仮説検定及び実験デザイン（A/Bテストなど）への理解
• Gitを利用したコード協働及びドメインの専門家・プランナーとのコミュニケーション経験
• コンピュータ工学、統計学、数学など関連分野の修士号以上
• 1億件以上のデータ処理及びモデリング経験
• 推薦システム、ランキング、NLP、LLM、強化学習、時系列、マルチモーダルなど特定分野の深い実務経験
• 知識追跡（Knowledge Tracing）、学習者モデリング、教育AI関連の研究または実装経験
• LLM応用（RAG、エージェント、ファインチューニング、評価パイプライン）経験
• Feature Storeの設計・運用経験（Feast、Tectonなど）
• A/Bテストプラットフォームの構築または運用経験
• MLOpsパイプライン（Airflow、MLflow、Kubeflowなど）経験
• エデュテック、コンテンツ推薦、ゲームなど行動ログに基づくサービス分野の経験
• 関連分野の論文発表または学会発表の経験
• 🏠 フルリモート勤務環境 - 全国どこからでも働けるフルリモートに基づいた生産的な業務環境
• 📊 ストックオプションの運用 - 核心R&D人員に対象としたストックオプションの運用（1年の安定勤務後に付与検討）
• 📈 グローバル成長の経験 - 1000万ダウンロードを目指してグローバルに成長する最新トレンド製品の核心経験（Google機能など）
• 💼 核心システム開発経験 - ゲームとAIが融合したユニークなビジネス核心領域のインフラストラクチャーとシステム開発に直接関与
• 🌴 済州オフィス & リフレッシュ - 済州本社オフィス勤務可能などリフレッシュを支援
• 📚 自己開発支援 - 書籍・オンライン講義など自己開発支援
• 💪 健康管理支援 - 健康診断費用支援 / 社内健康管理プログラム
• ❤️ 楽しい運動遊び文化 - 毎月の運動チャレンジを通じて競争と協力の楽しい運動文化を共に作ります
• 提出書類 — 履歴書、自己紹介書、ポートフォリオまたはご自身が著作したサンプル（自分が作業した部分を明確に記載）
• 採用プロセス — 書類・ポートフォリオレビュー → 1次実務面接（オンライン） → 2次面接（オンライン） → 最終面接（オフライン） → 合格発表
• 面接プロセスで課題（1日未満）または面接時にテストがある場合があります。
[詳細については以下のNotionページを参照]
https://catchitplay.notion.site/AI-ML-36098f74ee5a80c0b70bf09ebdf98c3e
