Business social network with 4M professionals
Tomoko Furuki
Self Introduction
Available to logged-in users only
Hidden: Education and Experience
View Tomoko Furuki's
Full Profile
This information is visible only to Wantedly users or the user’s connections
View past posts
View mutual connections
View Tomoko Furuki's full profile
Personal Achievements
Personal Achievements
Personal Achievements
- 【社外活動】PEP Map 〜 PEP (Python Enhancement Proposal)の参照関係ネットワークを可視化するプロジェクト
▼Keyword Python, NetworkX, Bokeh, Network Analytics, PEP ▼ What? （これは何？） Pythonの重要な公式技術ドキュメントのひとつであるPEP（Python Enhancement Proposal）同士の参照関係を可視化するWebページです。 ① あるPEPが、他のどのPEPにリンクをしているか ② あるPEPが、他のどのPEPからリンクされているか を、インタラクティブに可視化しています。 「Timeline」と「Network」の2つの方法で可視化しており、「Timeline」では1hop内のPEPを年表形式で、「Network」では480以上ある全てのPEPのネットワークを表示しています。 ▼ Why? （何故作った？） 私がPythonを学ぶ上で、技術の一次情報（PEP）を読むときの「地図」のようなものが欲しかったからです。 初級者が中級者にステップアップする上では、どこかの誰かがまとめた二次情報ではなく、「一次情報（公式ドキュメントや論文など）を自力で噛み砕いて読む経験」が必要だと考えています。とはいえ難解で膨大な技術情報を、初学者が無策のまま読むのは大変です。 膨大な一次情報を心折れずに読むにはどうすればよいでしょうか？ アプローチのひとつとして、「まずは全体像をざっくり把握してから、徐々に詳細を把握する」という方法が考えられます。書籍であれば「目次に目を通す」というやり方です。しかし、PEPには階層構造を持つ目次がありません（PEP 0は目次に相当しますが、全てのPEPが並列に並んでいます）。その代わり、PEPとPEPの間には「リンク」、つまり参照・被参照の関係があるーーつまり、階層構造ではなくネットワーク構造を持つドキュメント群です。 「リンクがあるPEP同士は何らかの関係がある」 と推測できることから、PEP同士の参照関係を可視化することで「PEP全体の構造を俯瞰できる = PEPの地図になる」のではないかと考え、開発を行いました。 ▼ How? (どうやって作った？) 【データ取得・整形】BeautifulSoup4, pandas 【グラフ構造化】NetworkX 【可視化】Bokeh ・可能な限り楽に運用したい（サーバ無しでWeb上で公開したい） ・ノード数がたかだか数百程度で、そこまで大規模なグラフにはならない 上記理由により、BokehでHTMLを生成し、GitHub Pagesで公開する方法を取っています。 ▼ 資料 【PyConJP 2018】 https://bit.ly/2O4I7kw 【CodeZine記事】https://codezine.jp/article/detail/11031 【GitHub】https://github.com/komo-fr/pep_map_site ▼OSS活動 NetworkXとBokehの連携はまだ発展途上段階なので、必要に応じてOSS本体にpull requestを送っています。 ・【Bokeh】issue #8183 （https://github.com/bokeh/bokeh/issues/8183） NetworkXからBokehに変換する時、ノードとエッジの属性が引き継がれるよう改善 ・【Bokeh】issue #8311 （https://github.com/bokeh/bokeh/issues/8311） NetworkXからBokehへの変換で、固定レイアウトを扱えるよう改善
- 【社外活動】 暮らしを診る眼 OheyaObeya 〜 AIで汚部屋を何とかするPJ
▼Keyword Hackathon, Deep Learning, Keras, Image Classification, Object Detection, Azure, Slack, GitHub ▼ 担当 ・チームリーダー ・アイデア原案 / 深層学習モデル構築（画像認識・物体検出） / Web API化 / データ収集 / プレゼン資料作成 / Slack連携 / デモ動画用GUIツール作成 他 ▼ What? （これは何？） AI（画像認識&物体検出）で部屋の状況を判断し、一定期間「汚部屋」の状態が続いたら通知（アラート音やSlackへの通知）を行うアプリケーションです。元はハッカソンの成果物で、データ収集・深層学習モデル構築・WebAPI化までスクラッチで開発しました。ハッカソン終了後も私が継続的に開発に取り組んでおり、現在定常運用化とモデルの改善を進めています。 ▼ Why? （何故作った？） 「部屋の乱れは心の乱れ」という言葉もあるように、ストレスなどで心身に不調が生じると、自分では疲れている自覚がなくても、知らず知らずのうちに「部屋が荒れる（日常のちょっとした片付けができなくなる）」ことがあります。また病気や障害には、うつ病や認知症など「部屋が片付けられなくなる」という変化が初期症状として現れるものもあります。そのため「体を診る」のではなく「暮らし（=日常の部屋の画像）を診る」ことで心身の不調に気づきやすくする、というアプローチを考えました。 「部屋を片付ける」という行為には、「① 今が片付けるべき状態だと認識する」「② 片付けというタスクを、最後まで遂行する」という2ステップが必要です。OheyaObeyaはAIで部屋の状況を判断し（①認識をサポート）、一定期間汚部屋状態が続いたら通知やアラーム音を出す（②遂行をサポート）ことで、暮らしの乱れを検知・改善します。 ▼ How? (どうやって作った？) 現時点では、部屋全体ではなく「机の上」に問題を限定してプロトタイプを作成しています。 【画像データ】 自前で用意した机の上の画像 【画像認識】 ライブラリ: Keras, モデルの構造: MobileNet 【物体検出】 Azure Custom Vision Service（現在MobileNet-SSDへの移行を検討中） 【学習環境】 Azure Deep Learning VM 【デモ用GUIツール】 Python / OpenCV / pygameなど 実現方法の詳細については、下記資料をご参照ください。 ▼ 資料 【ハッカソンプレゼン資料】 https://bit.ly/2Y6K3eH Appendixに使った技術・参考文献の一覧をまとめています。 【展示用サマリ】 https://bit.ly/2FsZ5D5 2ページの要約です。 【デモ動画】https://youtu.be/Pub1_Nes1tM 機能の一部（画像認識）を紹介した動画です。注: 音が鳴ります。 【GitHub】 https://github.com/OheyaObeya 一部非公開のコードもありますが、コードが整理出来次第、追加しています。
