AI inside 株式会社 / MLチーム
帳票仕分けAI研究開発
開発予定のルールベースの手法では、ルールベースの試行錯誤が繰り返され、画像処理エンジニアが疲弊すると予感して、慌てて研究開発を始めました。精度は約55%程度でした。汎用画像処理ベースの手法に切り替えることにより、依存関係も解消され、精度も約99%を実現して、ルールベースではなく汎用画像処理ベースのプロダクトとしてリリースされました。リリース後も、セールスエンジニアや運用保守を任されました。
バーチャルAI工房株式会社 / 代表
大きな挑戦に取り組んでいる企業の正社員に戻っている途中です。
2029年〜:シリーズ0から始めるCxO子供塾VC(Venture capital) 2028年〜:人事部異動 2024年〜2027年:? x AIのベンチャー企業のフルスタックエンジニア+仮想技術主任。 2022年〜2023年:バーチャル大規模データセット作成用のパイプライン「VBDP (VirtualBigDatasetPipeline).v.1」の研究開発。 -clear
短期間低予算のAI開発を実現するために、ミニマムサンプルを技術ブログを執筆しています。くわえて、バーチャル大規模データセットを作成するパイプライン「VBDP(VirtualBigDatasetPipeline)」を開発しています。
各種AIモデル開発。学習データを作成するアノテーション作業の作業効率化。
技術習得。動画編集・IaC・分散処理・強化学習など
上場後、エンジニア部門に転部し、バックエンドエンジニア・インフラエンジニア・ミドルウェアの導入など、幅広い開発プロジェクトに携わる。
MLチームのテクニカルリードとして、常にメインプロダクトのAI研究開発を担当しました。AIに対する情熱を持ち、非エンジニアにも分かりやすくAIを解説するセールスエンジニアの役割も果たす。
フロントエンド開発
魚の写真から名前を特定するAndroidアプリの共同研究開発に取り組みました。当時は、周囲に教えてくれる人がいないために、参考論文の引用論文の引用論文まで読み漁りました。従来手法よりも高い精度を達成して、所属していた大学内で初めてDeepLearningを導入しました。
AI inside 株式会社 / MLチーム
開発予定のルールベースの手法では、ルールベースの試行錯誤が繰り返され、画像処理エンジニアが疲弊すると予感して、慌てて研究開発を始めました。精度は約55%程度でした。汎用画像処理ベースの手法に切り替えることにより、依存関係も解消され、精度も約99%を実現して、ルールベースではなく汎用画像処理ベースのプロダクトとしてリリースされました。リリース後も、セールスエンジニアや運用保守を任されました。