【Machine Learning Engineer】与信・不正検知を本番で回す／低レイテンシ×ML

UPSIDERの機械学習エンジニアは「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」。伝統的な金融機関と一線を画す独自のAI与信を中核に、法人カードの与信/不正検知など“事業の収益性とリスク”に直結する領域で、機械学習モデルを設計・改善し、秒間多数の決済が走る本番環境で安定稼働させます。PoCで終わらせず、学習→推論→監視→再学習までのMLライフサイクル全体を、プロダクト価値として出し切ることがミッションです。扱うデータは決済データなど、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で、モデル精度だけでなく低レイテンシ・可用性・観測性まで含めて“プロダクションML”を追求します。

1) 事業課題の定義：与信・不正検知等の課題をMLとして定式化し、KPI（精度/再現率/不正抑止/損失率/レイテンシ等）と運用要件を設計 2) モデル設計・改善：EDA→特徴量設計→学習→評価→安定性の改善（データドリフト/概念ドリフトも意識） 3) 学習/推論パイプライン整備：学習・推論フローの設計/実装、再学習や性能劣化を前提にした運用設計 4) 本番実装：低レイテンシで利用可能な形に落とし込む実装、モデルのAPI化、必要な自動化 5) MLOps：CI/CD、デプロイ、監視、可観測性、信頼性向上（必要十分な範囲で導入） 6) 技術的意思決定：ML開発〜運用における技術的意思決定をリードし、プロダクト/ビジネス意思決定に寄与するMLシステムを実装 7) 中長期テーマ：独自与信モデル改善、不正利用検知AI強化、パーソナライズ金融アドバイスAI、営業支援レコメンド、LLM等を活用した新金融プロダクト検討

PythonでのML実装経験（scikit-learn/LightGBM等）／EDA〜特徴量設計〜モデル評価の実務経験／ビジネス課題のML定式化経験／Docker/Kubernetes等コンテナ技術＋AWS/GCP等クラウドでのインフラ構築経験／CI/CD構築、本番でのモデルデプロイ・運用経験

与信・不正対策のDS経験／金融機関・Fintech経験／プロジェクト or チームリード／LLM等生成AIの知識・業務経験／大規模データ（BigQuery/Spark等）パイプライン設計・構築／低レイテンシなリアルタイム推論基盤の最適化

700万円〜1,500万円

東京都

可

フルリモート/フルフレックス／土日祝休み／有給・年末年始・夏季・出産育児休暇／試用期間6ヶ月 当社規定による（賞与あり：半期に1回、グレード/実績によって支給）。本ポジションは与信・不正検知等の収益/リスク直結領域のため、期待成果（精度・安定性・可観測性・意思決定への寄与）に対して報酬設計が行われます。

UPSIDERは「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、AI与信を軸とした法人カード「UPSIDER」を中核に事業展開するFintechです。与信枠最大10億円など、従来の金融の常識を拡張するプロダクト設計に加え、請求書カード払い「支払い.com」（クレディセゾンと共同運営）や、グロースデットファンド「UPSIDER BLUE DREAM Fund」（みずほFGと共同運営）など、法人の資金繰り・成長投資を面で支えるプロダクト群を展開。新規事業として経営者向け法人カードやAI経理なども立ち上げ、導入企業は10万社を超える規模へ成長しています。事業の根幹には、伝統的な金融機関とは異なる独自の与信モデルがあり、過去の財務情報だけに依存せず、企業活動のデータを高頻度に捉えて与信・不正検知を高度化することで、多様な業種・フェーズの企業に利用機会を広げています。本求人のML Engineerは、その“心臓部”である与信・不正検知をプロダクションで回し続ける役割で、モデルとシステムを一体で設計し、低レイテンシ・高可用・高信頼のML基盤を磨き込みながら、事業の収益性と安全性を同時に引き上げます。技術スタックはPython/TypeScript、GCP、BigQuery、Next.js/FastAPI、Terraform/Cloud Build、dbt/Dataform、Docker/GitHub等。フルリモート・フルフレックスの前提で、成果に直結する領域で大きな裁量を持って開発・運用に向き合える環境です。