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

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