エウレカは、真剣にパートナーを見つけたいと考えている方に向けた恋活・婚活マッチングアプリ「Pairs（ペアーズ）」を運営している会社です。Pairsは、日本国内で累計登録数2,500万以上の日本最大級のオンラインデーティングアプリです。
2012年に日本版、2013年に台湾版・2025年に韓国版のサービス開始して以来、順調に成長を続け、70万人以上の方がPairsでお相手を見つけています。
2015年には、世界中でオンラインデーティングアプリを展開するMatch Groupにジョインし、私たちのミッションである「人生に”あってよかった”と思ってもらえるものを」を実現するため、日本国内だけでなく、グローバルで更なる成長を目指しています。

"Pairs" is an online dating app used by more than 25 million people in Japan. Since launch, we have received success stories from over 700,000 people. Pairs is the first-in-market to offer 24/7 in-house customer service, including text and image monitoring, so our users' safety and security are always ensured.

We created Pairs to help singles discover new and interesting ways to find a life partner. In the United States, more than 1 in 3 couples met their partner online. In Japan more than 70 per cent of singles claim to have no partner. As the number 1 online dating service in Japan, we're working hard every day to help singles find their true love.
Since the release of Pairs in October 2012, we have helped to create opportunities for many users to find partnership and marriage. Pairs offers the opportunity to find an ideal partner that matches one's own values through various search features and a well-developed MyTag.

Everyday, we receive many reports of successful matches from across Japan and from overseas. It is our hope that more and more opportunities for wonderful relationships will be created, which inspires us to improve our service every day.

実際の業務内容：

機械学習エンジニアとして、推薦や検索、自然言語処理や画像処理とその結果がシステムの中心となるプロジェクトに携わり、特に embeddings / vector search を用いた近傍検索、candidate generation / retrieval を含む推薦・検索機能の改善を通じて、プロダクトチームがそれらの結果を正しく利用し継続的にプロダクト指標を改善できる状態に導くこと。

As a Machine Learning Engineer, you will work on projects where recommendation, search, NLP, and image processing are core to the system.
You will focus on improving recommendation and search functionalities - particularly through embeddings, vector search, and retrieval (including candidate generation) - to enable product teams to effectively leverage these outputs and continuously drive product KPI improvements.

仕事の進め方：

• 機械学習エンジニアとしてプロダクトチームと共に企画段階からコミットし、プロジェクトの目的や評価指標、何をアウトカムとするかの定義からプロダクトマネージャを支援する。
• ハンズオンで分析及び概念実証を行い、プロトタイプを作成し、プロジェクト内外の理解を深めることで説明責任を果たしながら成功確率を高める。
• 性能（精度、UXに影響する処理速度等）、コスト、リードタイムなどのトレードオフを意識しながら機械学習コンポーネントを含むシステムの技術選定、設計、実装を行う。
• 専用の情報共有ツールを使って、ノウハウや議事録などの情報共有を行う。
  
  
• Partner closely with product teams from the early planning stage, supporting Product Managers in defining project objectives, success metrics (KPIs) and expected outcomes;
• Conduct hands-on analysis and proof of concept (PoC), build prototypes, and drive alignment across stakeholders by improving understanding of the solution and its impact;
• Design and implement ML-driven systems while balancing trade-offs across model performance (e.g., accuracy, latency impacting UX), cost and development lead time;
• Actively document and share knowledge, insights, and decisions using internal collaboration tools (e.g., documentation, meeting notes).

仕事から得られるもの：

• 国内最大級のオンラインデーティングサービスのデータを用いた機械学習を含む機能開発に企画段階からプロダクトチームと共に関わり、最適解を実現する為の過程で得られる知識とテクニカルスキル
• エウレカでは技術選択は全て開発者が責任を持って行っており、必要に応じて最新技術も積極的に活用できます
• サービスマインドの高いメンバーが多く、あるべき姿を議論しながら、調整力、コミュニケーションスキル、解決力を磨くことができます
• 定性・定量のバランスを持った高度で本質的なデータ・ドリブン組織の推進・実務経験
• 外資系IT企業ならではの論理性、圧倒的スピードのある開発経験
• 英語力（親会社や外国籍メンバーとのコミュニケーションのため英会話学習をサポート。また、社内メンバーの国籍は、台湾・韓国・フィリピン・オーストラリア・イギリス・アメリカ・フランスと多種多様です）
• 開発を通した社会貢献（晩婚化問題、少子化問題、人生における自由な選択etc.）
  
  
• Work on machine learning–driven feature development using data from one of the largest online dating services in Japan, collaborating with product teams from the planning stage, and gaining knowledge and technical skills through delivering optimal solutions;
• At Eureka, engineers own technology decisions and are empowered to adopt the latest technologies as needed;
• Work with highly service-oriented team members and develop coordination, communication, and problem-solving skills through discussions on best practices;
• Gain hands-on experience in driving a truly data-driven organization that balances both qualitative and quantitative perspectives;
• Experience the logical thinking and high-speed execution typical of a global IT company;
  Improve English skills through communication with global stakeholders and international team members across Match Group(English learning support is provided);
• Contribute to social impact through product development (e.g., addressing declining birth rates, delayed marriage, and enabling freedom of choice in life).

• 開発言語：Python, Go
• データベース：BigQuery, Amazon Aurora MySQL, DynamoDB, Redis, Elasticsearch
• データ処理：Google Cloud Vertex AI, Google Cloud Dataflow, Cloud Pub/Sub, Fluentd, Fluent Bit, dbt, Dagster etc
• BIツール：Tableau, Superset
• 構成管理：Terraform
• 開発、その他：GitHub, Slack, Jira, Confluence
• Google Workspace 各種ツール：Google Sheets / Google Slides
• AIツール：ChatGPT Enterprise / Codex, Claude Code, Cursor, Gemini(Google Workspace),, その他自社開発AIツール及びプラグイン
• LLM運用 / 監視：Langfuse(self-hosted)
• インフラ：AWS/Google Cloud 各種サービス
  
  
• Programming Languages: Python, Go
• Databases: BigQuery, Amazon Aurora MySQL, DynamoDB, Redis, Elasticsearch
• Data Processing: Google Cloud Vertex AI, Dataflow, Pub/Sub, Fluentd, Fluent Bit, dbt, Dagster, etc.
• BI Tools: Tableau, Superset
• Infrastructure as Code: Terraform
• Development & Collaboration: GitHub, Slack, JIRA, Confluence
• Google Workspace: Google Sheets, Google Slides
• AI Tools: ChatGPT Enterprise, Codex, Claude Code, Cursor, Gemini (Google Workspace), as well as internally developed AI tools and plugins
• LLM Observability / Monitoring: Langfuse (self-hosted)
• Infrastructure: AWS and Google Cloud services

必須条件：

次の一般的なソフトウェアエンジニアとしての知識・スキル・経験を持っていること：
WebApp開発の知識、スキル
一般的なWebアプリケーションの大まかな構成を理解していること
バックエンドアプリケーションの開発経験（設計及び実装）（Sr. Backend engineer レベルであると尚可）
ルタイムの業務経験最低2年以上
General knowledge, skills, and experience as a software engineer, including:
Web application development
Understanding of overall web application architecture;
Backend development experience (design and implementation); experience at a Senior Backend Engineer level is a plus;
Minimum of 2 years of full-time professional experience.



検索、推薦のいずれかをコアコンポーネントとするソフトウェア開発プロジェクトに携わり、継続的に改善した経験：
例: ECにおける商品推薦、ジョブマッチングにおける求人票 / 候補者推薦、embeddings / vector search を用いたユーザーベクトル近傍検索による推薦改善、candidate generation / retrieval の改善、Elasticsearch / Solr を用いた検索システムの結果改善をはじめとした運用
コンポーネント自体はマネージドサービスでも可
経験ドメインがtwo-sided marketであると尚可


Experience working on and continuously improving software systems where search or recommendation is a core component:
E.g.,product recommendation in e-commerce, job/candidate matching, improving recommendations using nearest-neighbor retrieval over user embeddings/vector, optimizing candidate generation/retrieval, and improving search results using Elasticsearch/Solr;
Managed services are acceptable for these components;
Experience in a two-sided marketplace domain is a plus.



ビジネス/エンジニアとのコミュニケーション力：
プロジェクトのアウトカムをプロダクトマネージャや分析者、場合によっては経営層と共に議論し定義でき、機械学習タスクとして要件に落とし込める
複雑な要件を整理、適切なステークホルダーを巻き込んで合意形成できる


Strong communication skills with both business and engineering stakeholders:
Ability to define project outcomes in collaboration with Product Managers, analysts, and, when needed, leadership, and translate them into machine learning requirements;
Ability to structure complex requirements, engage relevant stakeholders, and drive alignment.



日本語ビジネスレベル以上
ネイティブでない方であれば、日本語が共通言語であるチームでの業務経験があることが望ましい
日本がメインの領域となるグローバルプロダクトであるため、日本の言語や文化に対する理解を深める意向を持つことが望ましい


Japanese proficiency at business level or above:
For non-native Japanese speakers, experience working in a Japanese-speaking environment is preferred;
Given that Japan is the primary market, a willingness to deepen understanding of Japanese language and culture is preferred.



英語ビジネスレベル以上
Match Groupの英語話者ステークホルダーとのコミュニケーションや英語による正式な資料作成が可能なレベル、もしくはそこまでキャッチアップ可能であること


English proficiency at business level or above:
Ability to communicate with English-speaking stakeholders within Match Group and create formal documentation in English, or the ability to ramp up to that level.

歓迎条件：

特に1. 2. の要件を重視します。
1. 機械学習プロジェクトをリードした経験：
• 複数の職種が関与する機械学習プロジェクトにおけるテクニカルリード
• 曖昧で制約が自明でない状況においてトレードオフを明確にした技術的意志決定（性能、コスト、UXを考慮した要素技術の選定・設計）
• ミドルマネジメントと共に、現場と経営層の認識を揃えながらプロジェクトを推進
2. 統計学、機械学習、A/Bテストの知識、スキル：
• 各種統計検定に関する理解があり、ケースに応じて適切な利用と結果の解釈ができる
• 機械学習（主に教師あり学習）の評価指標を理解している
• 機械学習、検索、推薦、自然言語処理、画像処理等の高度なアルゴリズムを用いる幅広い分野関する知識と経験を持ち、プロジェクトの目的に対してこれらから最適なタスクへの落とし込みができる
• embeddings / vector search を用いた近傍検索、candidate generation / retrieval を含む推薦・検索システムの設計・改善経験を持つと尚可
• A/Bテストについて網羅的な知識を持ち、プロジェクトKPI/KGIとテストターゲット、機械学習のドメインとの関連を理解した上で設計及び実施、評価が出来る。
• NumPy, Pandas, SciPy, Matplotlib, scikit-learn, TensorFlow, PyTorchなど機械学習に関わるライブラリ・フレームワークの本番環境における利用経験
  
  

3. データ処理におけるテクニカルスキル：

• SQL言語の知識、技能
• Python/Ruby/Java/Scala/Goいずれかの業務での開発経験
• ストリーム/バッチのデータ処理経験
• RDB以外のデータベース利用経験
  
  

4. MLサービスの運用経験：

• Kubeflow / TFX などMLパイプラインの開発・運用
• Kubernetes の監視・運用
• SageMaker, Vertex AI などの managed ML services を利用したML基盤の開発・運用
• Langfuse を用いた LLM アプリケーションの observability / tracing / monitoring の運用経験

5. 機械学習チームをリードした経験：

• チーム内の担当領域のロードマップの策定（四半期から1年）
• 機械学習チームと事業及び企業全体のロードマップとの整合性をとる為の継続的な行動
6. データエンジニアリングスキル：
• リアルタイムでオンライン推論が行われる機械学習パイプラインの設計・構築・運用・監視経験
• BigQuery / DynamoDB 等を用いて、用途に応じた特徴量管理基盤（feature store 相当）を設計・構築・運用した経験
• 高トラフィックサービスのストリームデータ処理経験
• 大規模データのバッチ処理経験
• データに対する要求水準が高い Application のデータストアやデータパイプラインの設計、技術選定の経験
  
  

7. 大規模システムの運用経験、トラブルシューティングスキル：

• ボトルネックを特定し、適切な解決策を提案、実施した経験
• または運用を事前に考慮して、高可用性、高信頼性のあるシステムを設計した経験
• SREのプラクティスを改善しながら運用する経験（SLO, エラーバジェット等）
We place particular emphasis on requirements 1 and 2.
1. Experience leading machine learning projects:
• Technical leadership in ML projects involving multiple functions
• Ability to make technical decisions under ambiguity, clearly identifying trade-offs (e.g., performance, cost, UX) and selecting/designing appropriate solutions
• Experience aligning on goals across teams and driving projects in collaboration with mid-level management and leadership
  
  
2. Knowledge and skills in statistics, machine learning, and A/B testing:
• Understanding of statistical methods and ability to apply and interpret them appropriately
• Understanding of ML evaluation metrics (primarily for supervised learning)
• Broad knowledge and experience across areas such as ML, search, recommendation, NLP, and computer vision, with the ability to translate project goals into appropriate technical approaches
• Experience designing and improving recommendation/search systems, including embeddings, vector search, and candidate generation/retrieval, is a plus
• Strong understanding of A/B testing, with the ability to design, execute, and evaluate experiments in alignment with KPIs/KGIs and ML domains
• Hands-on experience with ML libraries/frameworks in production (e.g., NumPy, Pandas, SciPy, Matplotlib, scikit-learn, TensorFlow, PyTorch)
  
  
3. Technical skills in data processing:
• Proficiency in SQL
• Development experience in at least one of the following: Python, Ruby, Java, Scala, or Go
• Experience with stream and batch data processing
• Experience working with non-relational databases
4. Experience operating ML services:
• Experience developing and operating ML pipelines (e.g., Kubeflow, TFX)
• Experience monitoring and operating Kubernetes
• Experience building and operating ML platforms using managed services (e.g., SageMaker, Vertex AI)
• Experience operating LLM applications with observability / tracing / monitoring tools (e.g., Langfuse)
5. Experience leading ML teams:
• Experience defining team-level roadmaps (quarterly to annual)
• Experience aligning ML initiatives with broader business and organizational roadmaps
6. Data engineering skills:
• Experience designing, building, operating, and monitoring ML pipelines for real-time (online) inference
• Experience designing and operating feature store–like systems using BigQuery, DynamoDB, etc.
• Experience with stream processing for high-traffic services
• Experience with large-scale batch data processing
• Experience designing data stores and pipelines for applications with high data requirements

7. Experience operating large-scale systems and troubleshooting:
• Experience identifying bottlenecks and proposing/implementing appropriate solutions
• Or experience designing systems with high availability and reliability, considering operational aspects
• Experience improving and operating with SRE practices (e.g., SLOs, error budgets)

欲しい人物像：

担当領域に関して、物事を前に進めるためのあらゆることを実践できる
経営陣、法務、プライバシー保護担当等のプロジェクトチーム外のステークホルダーとのコミュニケーションを必要に応じて行える
自身の仕事の価値を理解してやりきれる力がある
最新技術を常にキャッチアップし、必要に応じてプロダクトに導入できる
あるべき理想を持ちながら、現実問題に落とし込んでギャップを埋める議論ができる


Ability to proactively drive work forward within their area of ownership;
Ability to communicate effectively with cross-functional stakeholders (e.g., leadership, legal, privacy teams) as needed;
Strong ownership and the ability to understand and deliver the value of their work end-to-end;
Continuously stays up to date with the latest technologies and is able to apply them to the product when appropriate;
Ability to bridge the gap between ideal solutions and real-world constraints through practical and constructive discussions.