AI・フルスタックエンジニア
知的なシステムを支えるのは、人の判断。技術と人の視点、その両方を大切に。
天才 明です。AIを生かしたプロダクトをつくり、複雑なデータをつなぎ、システムが見落としがちな細部に目を向けています。
FIG. 01流暢な答えが、正確とは限りません。答えの中に潜む思い込みに気づくこと。それも、大切な仕事です。
原文とレビュー後を切り替えて、判断の理由を見る。
120人を対象とした試験で、ツールの利用者は、ある分類タスクを平均18％速く完了しました。満足度は測定していません。
「このツールなら、誰もが生産性を18％高め、満足度も向上します。」
複雑な仕組みを、使えるものにしてきた記録。
医療を支える対話には、信頼できる情報基盤が欠かせません。対話型AIと情報検索をつなぎ、データパイプラインから日々の利用を支える運用基盤まで構築しました。
ChatGPT APIとPineconeによる医療向けチャットボットを開発。MongoDB・DynamoDB・ElastiCacheによるデータ基盤と、Next.js・Docker・AWSによる運用環境を構築しました。ZapierとHubSpotを用いた業務自動化、部門横断の要件整理、若手エンジニアの育成も担当しました。
職務経歴書に基づく概要です。案件資料は掲載していません。ChatGPT API / Pinecone / Next.js / AWS
データ入力工数を50％削減
業務フローの自動化による成果解約予測からコンテンツ推薦まで。利用者を理解し、その理解をプロダクトの判断に生かすための機械学習モデルとデータ基盤を開発しました。
解約予測・広告不正検知モデル、NLPによる問い合わせ対応、協調フィルタリングを用いた推薦エンジンを開発。Apache SparkとAmazon Redshiftによる分析基盤、LangChainによるコンテンツ生成・タグ付けの自動化にも取り組みました。
職務経歴書に基づく概要です。案件資料は掲載していません。PyTorch / TensorFlow / Spark / Redshift
誤検知を20％削減
広告不正検知モデルの改善大量のデータも、行動につながってこそ価値を持ちます。ネットワーク上の脅威を捉え、すばやい対応につなげるため、ストリーミング分析と機械学習の基盤を開発しました。
KafkaとSpark Streamingを用いてネットワーク分析パイプラインを設計・実装。異常検知モデルや脅威分析向けNLP基盤を開発し、Hadoopによるデータ処理とKubernetes上での本番運用を担当しました。
職務経歴書に基づく概要です。案件資料は掲載していません。Kafka / Spark Streaming / TensorFlow / Kubernetes
脅威への平均対応時間を50％短縮
ストリーミング分析基盤による成果AIトレーニングとアノテーションも、私の仕事の一部です。モデルを形づくる一つひとつの情報に、人の目を向けています。
プロジェクトへの貢献を示すもので、各社の推奨を意味しません。ロゴは各権利者に帰属します。
FIG. 02 / 視点を変えて東京を拠点に活動するAI・フルスタックエンジニア、天才 明です。データ、ソフトウェア、人の判断が交わる場所で仕事をしています。
モデル、インターフェース、インフラを横断するのは、役立つ答えが一つの領域だけでは見つからないから。データの意味、システムの振る舞い、使う人が必要としていること。そのつながりを大切にしています。
コンピュータサイエンス 修士 · 2019
コンピュータサイエンス 学士 · 2017