シニア機械学習エンジニア（金融事業領域）

HybridHybridmid

Other

0 views0 saves0 applied

Apply Now

Quick Summary

Technical Tools

Other

2018年にサービスを開始してから約7年でユーザー数7000万人を突破したフィンテック企業であるPayPayは約50か国の国と地域から集まった多様なメンバーで構成されています。

我々は自分たちの想像を超える未来を創るためにあえて明確なビジョンは必要ないと考えています。常にDay1であるスタンスを忘れずに、誰もが想像できないようなビジョン（未来）を実現していくのがPayPayです。
この壮大なビジョンに前向きに取り組み、他社に真似できない圧倒的なスピードでプロダクトを磨き上げ、日本のキャッシュレス決済、またそれを使用した金融ライフプラットフォームとしての普及を一気に推進することにプロフェッショナルとして情熱を持って取り組み、自ら課題発見し、周囲と協力して新しい価値創出を共に推進する仲間を募集します。

PayPayをNo1のFintech企業に。という全社のミッションを達成するため、PayPayアプリの上でお金にまつわるすべて（「つかう」以外に「ためる」「ふやす」「かりる」「そなえる」「かんりする」）のユースケースを創り上げていく実行部隊です。スマホファーストな金融サービスのUIUXを発明していくことにもなりますので、大手金融機関での新規事業開発を経験されていた方や、海外での新規事業に携わっていた方、データ領域で専門性を持っている方など経験やスキル・視点は様々なメンバーで構成されています。現状の金融サービスをより良くしていきたいという強い情熱を持った人と一緒に働きたいと思っています。

▼関連コンテンツ

PayPayはNo.1のFintech企業を目指し、新しい金融の在り方を世の中に発信していきます。
その実現に向けて、AI・データ活用は事業成長とプロダクト進化の中核を担うテーマです。PayPayでは、決済・金融サービスに関わる大規模なデータを活用し、ユーザーや加盟店にとってより便利で安心な金融体験を提供するため、AI・機械学習技術の社会実装を進めています。

私たちのチームは、ユーザー・加盟店向け金融サービスの領域において、データを活用したリスク評価・プロダクト改善に取り組んでいます。これまでに、「PayPay資金調達」や「PayPay店舗専用ローン」など、加盟店向け金融サービスの中核を支えるデータ活用・機械学習システムの設計・開発を担ってきました。今後もさまざまな金融サービスにおいて、AI・データ関連技術を活用した新しい金融体験の創出を進めていきます。

一方で、PayPayが扱うのは「お金」や「ユーザーデータ」に直結するミッションクリティカルな領域です。機械学習モデルには、ビジネス要件を満たし、高い性能を発揮することに加えて、信頼性、説明可能性、安定性、セキュリティ、継続的な改善が求められます。特に、不確実性を持つAIシステムを金融サービスの中で安心して利用できる品質に引き上げることは、非常にチャレンジングな課題です。

私たちのチームは、ビジネスチームと密に連携し、課題定義からMLシステムの設計・実装、本番運用までを一気通貫で担います。単にモデルを開発するだけでなく、プロダクトや業務に組み込まれる仕組みとして成立させるために、アーキテクチャ、データ品質、モニタリング、運用改善まで自チームで責任を持って推進します。

研究やPoCに閉じず、ビジネス課題を理解し、機械学習を実際のプロダクト価値として社会に届けたい方を歓迎します。金融ドメインの経験は必須ではありません。機械学習モデルをプロダクトに組み込み、継続的に改善していくことに関心のある方をお待ちしています。

PayPayの金融事業領域（クレジット、銀行、保険、資産運用など）において、与信（クレジットスコアリング）モデル、リスク管理モデル、マーケティングモデル等の開発、およびAI活用のためのシステムアーキテクチャ設計をリードしていただきます。

単に既存のアルゴリズムやディープラーニングのモデルを回すだけでなく、数理工学・統計学的な深い専門性を背景に、ビジネス要求（説明可能性、安定性、コスト等）を満たす最適な機械学習システム全体の構造を構想・設計し、社内のエンジニアやデータサイエンティストとともに社会実装を牽引するテックリードとしての役割です。

【具体的な業務内容】

金融領域における主要モデル（与信、リスク管理、マーケティング等）の設計・開発
プロジェクト初期のビジネス要件定義から参画し、データのバイアスやビジネスの制約を考慮した最適な予測モデル（与信スコアリング、不正・リスク検知、ユーザー行動予測・マーケティング最適化等）の選定・設計。
AI・ML活用のためのシステムアーキテクチャ設計と品質要件定義
機械学習システム特有の品質要件（予測精度、説明可能性、安定性、セキュリティ、運用コスト等）を定義。
モデルを実際のプロダクトや業務プロセスに安全かつ効率的に組み込むための、最適なシステムアーキテクチャの構想・設計。
プロジェクトの推進とテックリード業務
社内のエンジニア、データサイエンティスト、データアナリストのチームと協働し、製品化に向けた開発方針の決定、コードレビュー、テスト戦略の推進などの開発文化の牽引。
MLOps（機械学習基盤）の成熟度向上
単一のプロジェクトにとどまらず、PayPayの金融事業全体におけるモデルの学習・評価・モニタリング・継続的改善の仕組み（MLOps）のアーキテクチャをアップデートし、主体的に運用改善を推進。

7000万人を超えるユーザー、全国の加盟店により良い金融体験を提供するためのサービス開発を経験できる
自分しか持っていないデータ、自分たちしか経験できないビジネス課題に関わることができる
AI活用組織のグロースに中心的立場で携わることができる
ビジネス開発部門に所属しながら、ビジネス、データサイエンティスト、データアナリスト等多様な専門性をもつメンバーや他部署のメンバーと密に連携するため、コミュニケーションスキルや視野の広がりが得られる

下記、1〜4のすべてを満たす方

1. AI・機械学習・数理統計領域における高い専門性
・機械学習、データマイニング、統計学等の分野において、数理的理論からアルゴリズムを深く理解し、ゼロからアプローチを設計できる知見をお持ちの方（ML/AI分野でのトップカンファレンスやトップジャーナルへの論文採択/発表実績がある、もしくは同等の高度な数理バックグラウンド）

2. 機械学習を用いた予測モデルの開発・実務経験（目安：3年以上）
・与信（クレジットスコアリング）、リスク管理、不正検知、マーケティング最適化、ユーザー行動予測などのドメインにおいて、実データを用いた機械学習モデルの開発・運用経験。

3. 機械学習システムにおけるアーキテクチャ設計・プロダクト組み込み経験
・ビジネス要件に基づき、システムの品質要件（予測精度、説明可能性、安定性、コスト等）を定義した経験。
・モデルを実際のプロダクトや業務プロセスに安全に組み込むための、システム全体の構造設計（MLパイプライン/MLOpsの構想・設計など）を主導した経験。

4. Python等を用いたチームでのソフトウェア開発・リード経験
・パッケージ管理、テストツール、Linter等を活用し、コードレビューや品質向上を自ら推進した経験。