仕事内容
募集背景
当社は「挑戦者を支える世界的な金融プラットフォームを創る」をミッションに掲げ、法人向け金融サービスを展開しています。 現在の課題として、少人数のチームで与信モデルやグロースモデルの開発から、機械学習エンジニアリングまでを兼務しており、本番環境での継続的なモデル開発や変更管理プロセスの標準化、機械学習インフラの強化が急務となっています。今後、みずほFGとの戦略的グループインによる共創や、将来的な海外展開、新規事業の推進を見据え、機械学習システムの基盤をより強固なものにする必要があります。 そこで、機械学習モデルの設計と改善に強みを持ち、本番運用を意識した基盤の構築や安定稼働を主導していただける機械学習エンジニアを新たに募集することになりました。 お任せしたい業務 当社では機械学習エンジニアを「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」と定義しており、信用のOSの実行に向けて以下を担っていただきます。
モデルを安定的かつ低レイテンシで本番環境へ実装するための構築 ビジネス要件を踏まえたモデルの精度や安定性の改善 学習/推論パイプラインの整備 モデルのAPI化および簡易的な自動化 再学習や性能劣化を意識した運用設計 本番運用を見据えた必要十分なMLOpsの導入
また、今後は独自の与信モデル開発の強化だけでなく、営業支援のレコメンドAIの開発、LLMなどを活用した新しい金融プロダクトの検討など、多岐にわたる挑戦を進めていく予定です。 本ポジションの魅力 単なる分析や検証にとどまらず、会社のコア競争力である金融インフラの進化を直接牽引できる点が最大の魅力です。具体的な魅力は以下の通りです。
秒間数多の決済が走る大規模な本番環境で、機械学習モデルを安定稼働させる技術を追求できます モデルの設計から本番運用まで、ライフサイクルを一気通貫で経験しながら技術選定や設計に大きな裁量を持てます 与信やレコメンドなど、事業の収益性とリスク管理に直結する非常に重要度の高い領域を主導できます 企業活動の実態を高頻度かつ継続的に捉えられる、極めて価値の高い取引・決済データを活用した開発が可能です 基盤設計やMLOpsにも深く関与し、モデルが継続的に価値を生み出す仕組み作りに取り組めます
PoCで終わらせることなく、プロダクトの血流としてリアルタイムに価値を提供し続けるシステムを自らの手で構築する、エンジニアとして非常に手応えの大きい環境です。 チーム / 一緒に働くメンバー Yuji Sugiyama (Head of Data) 参考記事：「世界の経済的な格差をなくす」高い社会志向を持つ金融のプロフェッショナルが、人生のミッションの実現の舞台にUPSIDERを選んだ理由とは
米国カリフォルニア州にて三菱東京UFJ銀行（現三菱UFJ銀行）、三井住友銀行の法人営業部に所属し、法人営業・信用分析・オペレーション業務に従事。SquareのSMB融資事業であるSquare Capitalに入社し、データを活用したSMB向け与信審査に携わった後、日本に移住。三菱UFJイノベーション・パートナーズ、One Capitalでの勤務を経て、UPSIDERに入社。
張 泰民（Data Scientist）
中国・浙江大学大学院（博士課程）修了後、2019年9月に来日。株式会社ビズリーチにてレコメンドシステムの開発に従事した後、金融領域における AI・機械学習モデルの開発に挑戦したいと考え、2025年6月にUPSIDERへ入社。現在はData Scientistとして、与信モデルの改善、GMV・銀行残高予測、与信枠最適化、レコメンドモデルの開発などに取り組む。
開発環境
開発言語：Python/Typescript 機械学習/統計モデリング：scikit-learn/LightGBM/pandas/numpy etc. クラウドプラットフォーム：Google Cloud Platform 分析基盤：BigQuery アプリケーション：Next.js/FastAPI 構成管理ツール：Terraform/Cloud Build データモデリング：Dataform/dbt データビジュアライゼーション：Metabase/Redash その他：Docker/GitHub/Slack/Github Copilot/Cursor/Claude Code etc.
選考フロー
エントリー カジュアル面談 書類選考 面接(2〜3回) ※技術課題の提出を含む オファー
※書類選考やカジュアル面談の結果、ご希望やご経験に合うポジションの提案が難しいと弊社が判断した場合は、面談や面接の実施を見送らせていただくこともございます。 参考情報
UPSIDERは「守り」に入るのか？ データとAIで創る、新しい『信用のOS』とその覚悟
Vertex AI で custom container を使ってモデルをサービングする
UPSIDERについて UPSIDERは2018年に創業し、「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、法人向けの革新的な金融サービスを展開しています。 累計導入企業数は10万社を超え、年間売上規模は約100億円以上、成長率50%以上を継続しています。※各種数値は2025年11月末時点 そして2025年7月にはみずほFGとの戦略的グループインを発表し、共創を通じて金融エコシステムの創出に挑戦しています。
法人カード「UPSIDER」https://up-sider.com/ 請求書カード払いサービス「支払い.com」https://shi-harai.com/ グロースデットファンド「UPSIDER BLUE DREAM Fund」https://www.upsidercap.com/ 経営者の挑戦を支える法人カード「PRESIDENT CARD」https://president-card.com/ 経営者のための経理丸投げサービス「UPSIDER AI経理」https://ai-keiri.up-sider.com/ 次世代ビジネスリーダー向けコミュニティ「Breakthrough GRID」https://breakthrough-grid.com/
Pythonを用いた機械学習モデルの実装経験(scikit-learn/LightGBMなどの利用経験) EDA〜特徴量設計〜モデル評価の実務経験 ビジネス課題を機械学習として定式化した経験 Docker/Kubernetes等のコンテナ技術、およびクラウド（AWS/GCP等）でのインフラ構築経験 CI/CDパイプラインの構築や、本番環境でのモデルデプロイ/運用経験 Claude CodeやCodex / Devin等を活用したAgentic Codingの実務経験
与信、不正対策の領域でのデータサイエンス経験 金融機関、Fintech企業での就業経験 プロジェクトまたはチームリードの経験 LLM等の生成AIに関する知識、業務経験 大規模データ（BigQuery/Spark等）を扱うデータパイプラインの設計/構築経験 低レイテンシが要求されるリアルタイム推論基盤の最適化経験
UPSIDERのミッションに共感いただける方 不確実性のある環境でも、楽しみながら職務を遂行できる方 ユーザーファーストの思考で仕様変更や設計改善などを自ら提案できる方 共に働く仲間に対して、常にリスペクトを持って、接することができる方 ビジネスの成功に向けて、部署やチームを超えて他メンバーと積極的なコラボレーションができる方
資本金: 810万円〜 ※選考評価によって前後する場合がございます ※賞与あり(半期に一回、グレードや実績によって支給)
東京オフィス
正社員
フルフレックス、フルリモート、土日祝日休み、有給休暇あり、年末年始、夏季休暇、出産育児休暇制度あり
あり（6ヶ月）
- 交通費支給
- 入社時PC貸与
- 社会保険完備
- スタートアップ休暇を入社時3日付与
会社名: 株式会社 UPSIDER
設立: 2018年5月
〒106-0032 東京都港区六本木７丁目１５−７ 新六本木ビル
14,293百万円(資本準備金等含む) ※グループ連結
従業員数: 170名