Oi Ryota
PCゲームでの勝敗予測コンペ(16位/138人)
二値分類タスクを機械学習モデルを用いて予測。 主に使ったのは勾配ブースティングモデルのxgboost。 特徴量エンジニアリングを行い、予測性能を向上させる手法を学んだ。
ITスタートアップ企業 / AIエンジニア
You'll be able to see their introduction and other information once they have accepted your connection request.
ブロンズメダルを獲得。 さまざまなデータを元に自転車の利用可能台数を予測。 機械学習モデルにはxgboostを使用。 最初に回帰分析を行い、特徴量の相関を分析。 計量経済学で学んだ、ダミー変数を用いて特徴量を新たに作ることで予測精度を向上させた。
二値分類タスクを機械学習モデルを用いて予測。 主に使ったのは勾配ブースティングモデルのxgboost。 特徴量エンジニアリングを行い、予測性能を向上させる手法を学んだ。
学習済みの機械学習モデルを使用するのではなく、1からモデル構築を行うような案件に挑戦してみたい
機械学習モデルをWebサービス化 最近の開発:OCRアプリの開発(paddleOCRを利用) 物体検出(YOLOのファインチューニング) 問題文生成(T5モデルのトークナイザのコーパスの拡張、モデルの学習)
東京藝術大学の彫刻科合格を目指し、彫刻について勉強
主に彫刻を専攻
二値分類タスクを機械学習モデルを用いて予測。 主に使ったのは勾配ブースティングモデルのxgboost。 特徴量エンジニアリングを行い、予測性能を向上させる手法を学んだ。