シニア機械学習ソフトウェアエンジニア・Behavior ML Planning & Prediction

チームについて

Woven by ToyotaのBehaviorチームは、データ駆動型自動運転を支えるデータ基盤を構築しています。私たちの業務は多岐にわたります。ペタバイト規模のマルチモーダルな車両データおよびシミュレーションデータの分析、データ取り込みから可視化までのスケーラブルなデータパイプラインの設計、そしてMLベースのMotion Planningをオンボード・オフボードの双方で支える正規化されたデータセット、メトリクス、セルフサービスツールの提供などです。私たちは、人間中心の自動運転ソリューションを通じてすべての人々のモビリティを向上させるために、実行力と創造的な問題解決能力を持つ仲間を求めています。

求める人材

私たちは、MLチームおよびプラットフォームチームと密接に連携し、高品質なデータセットの発掘・変換・提供を行う、経験豊富なシニアデータエンジニアを募集しています。データ取り込みから可視化までのデータパイプラインを構築し、他のメンバーが安心して私たちのデータの上に構築できるようなツールとイントロスペクションを提供します。複数の大規模プロジェクトの背後にあるデータアーキテクチャを設計・所有し、データプロダクトを単一の信頼できる基盤へと統合し、次世代の自動運転車プラットフォーム向けモデルのリリースを加速させることで、トヨタの何百万台もの市販車に影響を与えることができます。私たちは、自動運転技術とそれが人類にもたらす可能性に情熱を持つ方を求めています。
 
シニアメンバーとして、テクニカルリーダーとしての役割を担い、エンジニアのメンタリング、データエンジニアリングの品質基準の設定、そして周囲のチームのデータ能力の向上に貢献していただきます。私たちは、「What can I do for you?（何をお手伝いできますか？）」と問いかけ続ける「Giver」マインドセットと、たとえ困難な対話であっても長期的に正しい設計を主張し抜く信念を高く評価します。
 
このポジションは、大きな裁量と広い責任範囲を持ちます。あなたは、個々のプロジェクトを超えて長く影響を及ぼす技術的方向性を定め、まだ正しい構造が定義されていない曖昧でゼロベースの課題に挑み、データプラットフォームの成熟とともに自らの影響範囲と技術的リーダーシップを広げていきます。組織全体という、より広い視座で活躍する準備ができた卓越したシニアエンジニアに最適なポジションです。
 
ハイブリッドな働き方を好み、週に3日、日本橋（東京）オフィスに出社できる方を歓迎します。 

業務内容

組織全体のデータを統合するためのエンドツーエンドのデータアーキテクチャを所有し、その技術的方向性を定める。ローカル最適ではなく長期的な視点に立ち、スケーラビリティ・信頼性・コストにわたる設計上および運用上のトレードオフを評価しながら、一貫性があり、検索可能で信頼性の高いプラットフォームへとまとめ上げる
データ取り込みから変換、提供、可視化に至るまでのデータパイプラインを設計・構築する。生の車両・シミュレーションログを、信頼でき再利用可能な正規化データセットへと変換し、その発掘・モデリング・提供を通じてデータの価値を引き出すとともに、チーム間で一貫性を保つ
チームを越えて共通の技術的方向性を定める。組織全体のステークホルダーと連携して彼らのデータニーズを理解し、技術的なトレードオフを厳密かつ客観的に評価し、ロードマップに影響を与え、単一の信頼できるデータ基盤（single source of truth）へと合意を導く。その際、重要なインサイトを技術者・非技術者の双方にとって明確な形で提示する
担当領域のデータセットについて、データプロダクト、Service Level Agreement、および組織全体で分析をスケールさせるセルフサービスのダッシュボードやツールを定義・所有し、あわせてそれらの約束を守るための監視・アラート・運用体制を構築する
組織が大きなアーキテクチャ上の決断にコミットする前に、迅速なプロトタイピングと集中的な技術調査を通じてリスクを低減し、未解決の問いをエビデンスに基づく意思決定へと変える
アーキテクチャ、データモデル、インターフェース、意思決定を明確にドキュメント化し、設計・トレードオフ・生み出されるデータセットを、組織全体の他のメンバーが理解し、活用し、保守しやすいものにする
チームを超えたテクニカルリーダーとして行動する。エンジニアをメンタリングし、他のチームにも採用されるデータエンジニアリングのベストプラクティスと標準を確立し、Autonomy組織全体のデータ能力を高める

必須条件

本番環境のデータパイプラインおよびデータプラットフォームを大規模に構築・運用した7年以上の経験
SQLとモダンなプログラミング言語（例：Python）に深く精通し、堅牢なデータモデルおよび複数ステップのETL/ELTジョブを設計した実務経験
クラウドデータウェアハウス（例：BigQuery、Snowflake、Redshift）、およびオーケストレーション・変換ツール（例：dbt、Airflowなど）の使用経験
大規模システムのデータアーキテクチャを所有し、技術的方向性を定めるとともに、スケーラビリティ、信頼性、セキュリティ、コストのトレードオフを明確に検討した実績
チームを越えた技術的リーダーシップの実績。他のチームにも採用されるエンジニアリング標準を定め、優先順位や技術的選択が異なる関係者との合意を形成し、正式な権限がなくても組織全体の意思決定を完了へと導き、あわせて他のエンジニアの能力を高めた経験
曖昧さの中で活躍できること。明確に定義されていないチーム横断の課題を引き受け、それを解決するための明快さ・構造・推進力を生み出せること
複雑な技術的トレードオフを明確かつ説得力を持って説明できる、優れた英語でのコミュニケーション能力

歓迎条件

複数のパイプライン・フォーマット・ストレージシステムにまたがるデータを共通プラットフォームへ統合・集約した経験や、独自のデータセット形式から、レイクハウスアーキテクチャの基盤となるオープンテーブルフォーマット（例：Apache Iceberg）へ移行した経験
広く利用されるデータセットに対するデータプロダクト、コントラクト、SLAの確立、およびデータ品質フレームワークとオブザーバビリティの運用経験
大規模でマルチモーダルなデータ（空間データや時系列／シーケンシャルデータを含む。例：センサー、ログ、シミュレーション、時系列データ、軌跡、シーン／スナップショット表現）を扱い、信頼できる下流利用のためにモデリングした経験
自動運転またはロボティクス領域の概念（例：車両の運動 — キネマティクス・ダイナミクス、軌跡、座標系；モーションプランニングと予測；認識；地図・自己位置推定）と、それらが扱うデータをどのように形作るかについての理解
分散データ処理（例：Spark、Ray）、ワークフローオーケストレーション（例：Flyte/Union、Airflow）、およびカラムナ／レイクハウスフォーマット（例：Parquet、Iceberg）への知見
部門横断のユーザー向けに、セルフサービス分析プロダクト、セマンティックレイヤー、またはBI／ダッシュボードツールを構築した経験
ビジネスレベルの日本語能力