tomoyuki ishii

あなたを気にしている企業

  • シンプルフォームがtomoyuki ishiiのレジュメを見ています。
    2026.09.28
  • ユーザベースがtomoyuki ishiiのレジュメを見ています。
    2026.09.28
  • SALESCOREがtomoyuki ishiiのレジュメを見ています。
    2026.09.28
  • JDSCがtomoyuki ishiiのレジュメを見ています。
    2026.09.27
  • RevCommがtomoyuki ishiiのレジュメを見ています。
    2026.09.27
  • RevCommがtomoyuki ishiiのレジュメを見ています。
    2026.09.27
  • SALESCOREがtomoyuki ishiiのレジュメを見ています。
    2026.09.27
  • SALESCOREがtomoyuki ishiiのレジュメを見ています。
    2026.09.26
  • JDSCがtomoyuki ishiiのレジュメを見ています。
    2026.09.25
  • JDSCがtomoyuki ishiiを検討中に入れました。
    2026.09.25

キャリアビジョン


ソフトウェアを実世界に実装し、現場で動かし続けたい

### そう思う理由 センサで取ったデータをクラウドに集め、現場の判断に返す仕組みを開発してきました。店舗の接客現場、自動車部品工場のライン、工場設備のデータ収集と対象は変わっても、ソフトウェアを画面の中で完結させず、現場の機械や人の動きに結びつけるところに面白さを感じています。開発したものが実際に動き、使われている風景を見て、そこから次の課題を拾う働き方を続けたいと考えています。 きっかけのひとつは狩猟です。第一種銃猟とわな猟の免許を持ち、巻狩りに参加する中で、シカやイノシシによる農作物の被害と、それに向き合う人手が足りない現場を見てきました。人口減少で担い手は減る一方、自動化とAIの適用は進み、農地や山林、設備の管理を機械が担う場面は今後増えます。そこで残るのは、大きな市場を追う製品より、現場に根ざした固有の課題を確実に解く製品だと考えています。 ### 具体的にやりたいこと ドローン、ロボット、農業機械、工場設備のように実世界で動作する機械と、それを支えるクラウド、データ基盤、ソフトウェア更新の仕組みを一体で作る領域で働きたいと思っています。計算資源が足りない、通信が切れる、端末を容易には更新できないという条件を前提に、通信断や異常な入力を受けても動き続ける設計をしてきたので、この条件は得意な領域です。 役割としては、企画の起案から設計、実装、運用までを通して担い、関係者との協議で条件を確定させる立場を続けたいと考えています。実現可能性と工数の見通しを根拠とともに示せるのは、設計と実装を担当しているからです。開発後の運用まで見ることも含めて、長く動き続けるものを作りたいと考えています。 ### 希望する環境 大阪を生活の基盤にしているため、関西での勤務またはリモートを軸に、必要な出社や出張には対応します。 生成AIを開発に使える環境であることを重視しています。現在もコーディング支援を前提にした開発フローで進めています。

プロジェクト経験

プロジェクトカテゴリ
担当工程
経験した職種・役割
あなたが実際に使っていた技術
このプロジェクト詳細は公開されていません

プロジェクトカテゴリ
担当工程
経験した職種・役割
あなたが実際に使っていた技術
このプロジェクト詳細は公開されていません

プロジェクトカテゴリ
担当工程
経験した職種・役割
あなたが実際に使っていた技術
このプロジェクト詳細は公開されていません

プロジェクトカテゴリ
担当工程
経験した職種・役割
あなたが実際に使っていた技術
このプロジェクト詳細は公開されていません

2023年/2年以上

製造ライン作業者解析AI(開発担当)

## 製造ライン作業者解析AI **期間**: 2023/01 – 2025/09 **体制**: 顧客(自動車部品メーカー)との協業。自社側の開発を本人が担当 **担当工程**: 要件定義 / 設計 / 実装 / テスト / 運用 ### プロジェクト概要 自動車部品工場で、Raspberry Pi と Hailo-8 を使って作業者の 11 動作をリアルタイムに分類するシステム。計算資源と熱の制約の下で、骨格推定モデルを安定して動作させることが課題。 ### 主な貢献 - **モデル方式の決定**(複数の行動分析モデルを比較し、骨格推定を用いたモデルでの実施を決定。骨格推定モデルも複数を比較して選定) - **学習データのアノテーション作業** - **推論環境の刷新**(32bit OS から 64bit OS への移行) - **工場側のセキュリティ制約に合わせた OS とライブラリの再構成** - **モデルの改善**(前処理、学習データ、モデル構成の見直しによる 11 動作の分類精度の改善) - **推論の高速化**(モデルの蒸留・量子化、推論パイプラインの並列化) - **複数工場への展開** ### 課題 1. ライブラリが正常に動作せず、精度が出ない 2. 顧客の要求値は 15fps 以上だが、13〜15fps にとどまる 3. 工場側のセキュリティ制約により、標準の OS 構成のままでは動かせない ### 取り組み - 原因が実行環境にあると特定し、推論環境を 32bit OS から 64bit OS へ移行 - 実行環境の刷新、モデルの蒸留・量子化、推論パイプラインの並列化を組み合わせて高速化 - 工場側の制約に合わせて OS とライブラリを再構成 ### 成果 | 指標 | 改善前 | 改善後 | |------|--------|--------| | 推論フレームレート | 13〜15 fps | **20 fps**(要求値 15 fps 以上を達成) | | 展開 | 1 工場 | 複数の工場へ同じシステムを展開 | ### 使用技術 Python / PyTorch / ST-GCN++ / Hailo DFC / HEF / Raspberry Pi 64bit OS / Hailo-8

2022年/1年以内

音声解析システムの再構築(大手キャリア向け概念実証)

## 音声解析システムの再構築(大手キャリア向け概念実証) **期間**: 2022/06 – 2024/03 **体制**: 別会社のチームが開発したプロダクトを引き継ぎ。自社側の開発を本人が担当 **担当工程**: 既存コードの解析 / 設計 / 実装 / 検証 / 運用 ### プロジェクト概要 大手キャリアの店舗向けに納品済みだった音声解析システム(C と Python 製)について、開発元に代わって運用・保守・改修を受託。安定稼働に至っていなかったため、Raspberry Pi 向けに再構築。顧客の要望により既存のマイク端末を流用し、ソフトウェアのみを変更して自社プラットフォーム上のアプリとして動作させた。 ### 主な貢献 - **既存コードの解析**による音声処理パイプラインの仕様の再現 - **サーバ側の稼働環境の再構築** - **録音制御の書き直し**(Python。例外処理と再起動制御を追加) - **連続稼働試験で発生していた停止の解消** ### 課題 1. 既存資料が限られており、仕様は既存コードから読み取る必要がある 2. 依存ライブラリが古く、サーバ側が起動できない 3. 録音制御が不安定で、連続稼働試験で停止が発生する ### 取り組み - 既存コードを読んで音声処理パイプラインの仕様を再現 - 依存関係を現行環境向けに読み替えてサーバ側の稼働環境を再構築 - 不安定だった録音制御を Python で書き直し、例外処理と再起動制御を追加 ### 成果 - 連続稼働試験で発生していた停止を解消し、後続の検証でも同じ構成を使用 - 再構築した集音アプリは、後の Phonoscape の基盤として採用 ### 使用技術 C / Python / Raspberry Pi / ALSA / Actcast

2021年/3ヶ月以内

サービスロボット搭載用障害物回避・人追従システム構築

## サービスロボット障害物回避 AI 開発 **期間**: 2021/12 – 2022/03 **チーム規模**: 4 名 **担当工程**: 開発/検証 ### プロジェクト概要 客先で販売しているサービスロボットに、人・障害物をリアルタイムで検知し回避・追従を行う機能を追加。カメラ映像をディープラーニングで解析し、走行システムへ最適な行動指示を送るミドルウェアを 4 週間で実装し、展示会デモに投入。 ### 主な貢献 - **人・障害物認識モジュール**の実装 - **走行指示インターフェース**の実装(外部ベンダ製バイナリを解析し自社アプリへ統合) - **人追従アルゴリズム**の設計・チューニング ### 課題 1. 起案からデモ公開まで **約 1 か月**(12 月中旬 → 1 月中旬) 2. 走行指示部は外注バイナリのみ提供、**ソースレス統合** が必須 3. GPU 搭載エッジ端末での推論が **5 FPS** と低速 ### 取り組み - バイナリの通信ログを解析しコマンド体系を推定、独自ラッパを実装して走行系と接続 - 認識・指示生成・通信・センサ取得を **マルチスレッド/非同期化** し処理分散 - ボトルネックを洗い出し、パイプライン最適化で推論速度を向上 ### 成果 | 指標 | 改善前 | 改善後 | |------|--------|--------| | 推論フレームレート | 5 FPS | **10–15 FPS** | | デモ納期遅延 | – | **0 日**(予定通り公開) | | 展示会評価 | – | **来場者から高評価** |

プロジェクトカテゴリ
担当工程
経験した職種・役割
あなたが実際に使っていた技術
このプロジェクト詳細は公開されていません

プロジェクトカテゴリ
担当工程
経験した職種・役割
あなたが実際に使っていた技術
このプロジェクト詳細は公開されていません

2020年/半年以内

座席カバー縫製指示ソフト・縫製履歴閲覧ソフト作成

## シグナルタワー・縫製ライン多プロセス化改修 **概要** 既存のシグナルタワー・ミシン・バーコードリーダーを **1 プロセス** で運用していた座席カバー縫製システムを、**最大 10 プロセス同時稼働** の非同期通信システムへ改修。SQLite 上に処理済み工程を保存し、アプリケーション UI でリアルタイム表示できるようにした。 **担当工程**: システム設計 / 開発 / 検証 / テスト **チーム規模**: 4 名 ### 主な貢献 - SQLite への **マルチスレッド同時書き込み** 処理を実装し、処理速度を向上 - 保存済み工程をアプリ上に表示する UI を作成 - 各端末と TCP/IP で通信する **マルチスレッド通信部** を実装 - 経過データを一括削除するメンテナンス機能を追加 - DB インデックスを設計・調整してクエリ応答を高速化 ### 課題 1. マルチスレッド処理や TCP/IP 通信の実装経験が乏しい状態からの開発 2. SQLite は Update / Delete が高コストで、大量削除時にロック発生 3. 工場稼働開始時に 1.5 万件/日 のデータ削除が必要 ― 遅延すると稼働停止の恐れ ### 対応 - 技術書や MSDN を参照しながら非同期処理と TCP 通信を 1 か月で実装 - 削除対象外レコードを別テーブルにコピー → テーブルをリネームし直す方式で、 **1 万件超の削除を約 5 分 → 3 秒** に短縮 - インデックス設計と VACUUM を組み合わせ、起動処理も高速化 ### 成果 - **10 プロセス同時稼働** を実現し、工場稼働中も DB ロックによる停止ゼロ - 起動時の大規模データ削除を 3 秒程度で完了し、稼働開始を遅延させない運用を確立 - 開発手順と DB 運用フローをドキュメント化し、チーム全体へ共有

マネージメント能力

大手自動車メーカーの工場IoT案件で、自社側の技術担当として、メンバー2名への作業の割り振りと、顧客、プライムSIer、海外の製品ベンダーとの技術要件の調整を担当しています。あわせて、共同起案した自社SaaSの事業譲渡に伴う技術移管を担当しました。
技術検証では、工場のPLCからクラウドの分析環境までの構成が成立するか、どの製品構成が必要か、どこにリスクが残るかを、顧客が投資判断できる粒度で根拠付きで示す責務がありました。 事業譲渡では、譲渡先が自立して日常運用と障害対応を回せる状態にすることが責務でした。AWS環境、稼働中の端末、ソースコード、運用文書を、サービスを止めずに期限内に引き継げる状態にする必要がありました。
## 基本的な考え方 多階層の体制や引き継ぎの場面で失敗するのは、技術的な難しさよりも、関係者の認識がずれたまま進むことが原因だと考えています。そのため、構成を図にして共通認識を作ること、決まっていない論点を洗い出すこと、認識のずれを都度確認することに時間をかけています。 ## 工場IoT案件(自社側の技術担当) ### 進め方 - AWS構成図の作成: 検証構成の通信経路とコンポーネント配置を図にして、関係者が同じものを見て話せる状態を整えました。構成変更に追従できるよう、図はスクリプトから生成しています - 論点の整理: 検証項目、必要な事前作業、確認待ちの論点を整理し、次に何を決める必要があるかを明確にしながら進めています - メンバーへの割り振り: 製品のキッティングと現場作業をメンバー2名へ割り振り、AWS環境とConfluent Cloudの構築を担当しています - 認識合わせ: 顧客、プライムSIer、自社、製品ベンダーの間で、作業の前提や範囲の認識を都度確認しています。ここがずれるとそのまま手戻りになるためです ### 問題1: 工場ネットワークの制約が後から出てくるリスク 工場のネットワークには通信制限があり、通信頻度にも制約があります。この種の制約は、検証が終わって導入直前に発覚すると構成をやり直すことになります。そこで検証を始める前に、高頻度で通信している処理の有無、頻度を制御できる設定の有無、プロキシ非対応の通信の有無を、製品ベンダーへの確認事項として先に出しました。詰まるとやり直しになる部分を先に潰す判断です。 ### 問題2: 製品が海外ベンダー製で、公式ドキュメントだけでは判断できなかった クラウド側の連携(マネージドKafkaでの動作実績、対応バージョン、分析基盤への出力経路、コンテナ基盤でのサポート状況と推奨サイジング)は、判断を間違えると構成全体に影響します。検証環境を構築して確かめられる部分は構築して確認し、ベンダーに聞かないと分からない部分は質問リストとして体系化して照会しました。 ### 問題3: 提示された構成では成立しない箇所があった SIerから提示されたポート一覧を精査したところ、2系統でポートが重複していました。L4のロードバランサはポート単位でしか振り分けられないため、単一構成では成立しないと判断し、2セット構成とVPC分割を提案しました。この方式で構成が確定しています。机上で結論が出なかった論点はAWS上に構成を再現して実測し、方式選定の判断材料にしました。 ### 工夫している点 設計と実装を担当したまま調整役を務めることを意識しています。実現可能性の判断とスケジュールの見立てを、人から借りた情報で示すと、外れたときに責任を持てません。MQTT送信アプリとアンドン表示アプリは担当した実装なので、動作する箇所と検証が必要な箇所を根拠付きで説明できます。 ## 自社SaaSの事業譲渡に伴う技術移管 譲渡先が自立できる状態を作ることがゴールでしたが、運用の多くが社内の暗黙知で回っていました。AWSリソースにもIaC管理外の手動作成分があり、この差分を残したまま引き渡すと譲渡先でのデプロイが失敗し続ける状態でした。 そこで手動作成リソースの棚卸しとIaCへの集約を最優先タスクに置きました。文書を何冊書いても、コードとインフラの実態がずれていれば意味がないと判断したためです。その上で、散在していた手順を日常運用手順書、障害対応手順書、デプロイ手順書、オンボーディング資料として一箇所に集約し、コード側のハードコードや暗黙知前提の実装も改修しました。 AWSアカウントの移管方式は、アカウントごと渡す方式と譲渡先で新規構築してデータ移行する方式で必要な作業が変わるため、両方式を比較して決定し、本番前に模擬アカウントで移管リハーサルを実施しました。個人情報を含むデータについても、移転する範囲と削除する範囲を先に整理して合意を取っています。稼働中の端末を止めずに管理権限を移し、譲渡先エンジニア向けの技術説明会とQ&A対応まで担当しました。 ## この経験から学んだこと 進捗を管理することよりも、まだ決まっていないことを早く可視化することが効くと考えています。技術検証でも引き継ぎでも、後から出てくる制約や暗黙の前提が最も大きなコストになります。

アピール項目


アウトプット

GitHub アカウント
未入力です
Qiita アカウント
未入力です
Zenn アカウント
未入力です
Speaker Deck アカウント
未入力です
SlideShare アカウント
未入力です
特にアピールしたいアウトプット
未入力です

今後、身につけなければいけないと思っている技術は何ですか?

- **ドローン**: 狩猟で山に入る中で、上空から地形や獣の動きを把握できれば変わる場面があると感じています。機体の運用と、映像をエッジ側で処理する部分の両方を扱えるようになりたいです。 - **屋外に置く監視系のIoT**: わなの作動検知や、獣の出没を検知するセンサなど、屋外で動かし続ける監視の仕組み。現在の仕事で扱っているMQTTやエッジ端末の設計と地続きの領域だと考えています。 - **測位・地図系のアプリ開発**: GPSを使った測量や、地図上でのデータ表示。位置情報を扱うアプリを自分で作れるようになりたいです。 - **農業IoT**: 農地のセンシングや農業機械のデータ活用。狩猟を通じて獣害の話を聞くようになり、関心を持っている領域です。

あなたが一番パフォーマンスを出せるのはどんな環境ですか?

## パフォーマンスが出る環境 - **現場に行ける環境**: 実機や現場を自分で見られると判断が早くなり、モチベがあがります。成果物が実際に稼働し、顧客が利用している風景を見ることや、その使い方から新たな課題や問題点を発掘するのが好きです。 - **裁量があり、判断の理由を説明できる相手がいる環境**: 現職のプロダクト開発では「このままのコスト構造では継続できない」と判断して自分からコストを大幅に削減する方式を考案し、提案・実装しました。こうした提案が通る余地があり、かつ判断の妥当性を議論できる相手がいる環境が合っています。 - **実装まで自分で持てる環境**: リーダー役をやる場合も、設計・実装から離れない形が望ましいです。実現可能性とスケジュールの見立てを、人から借りた情報ではなく自分の手触りで示したいためです。 - **生成AIを使える環境**: 現在もコーディング支援を前提にした開発フローで進めています。ここが制限されると単純に生産性が落ちます。 - **オフィスに人がいる環境**: フルリモートでも問題ないのですが、特にプロダクト開発などを行う場合は他メンバーやPDMなどのステークホルダーと密に連携ができる環境でスピード感のある判断を行えると嬉しいです。 ## 逆に力が出にくい環境 - 仕様が固まった後の実装だけを、背景の説明なく、疑問も持たずにただやるだけになる環境 - 現場や実機に触れず、資料上だけで意思決定が完結する体制 - 手を動かさないマネジメント専任の役割

生成AIの活用状況

日常的な情報収集・業務活用
ChatGPTやGeminiなどのチャットツールを、情報収集、ドキュメント作成、翻訳に日常的に活用
業務でコード補完系の生成AIを活用
GitHub Copilot等のコーディング支援ツール
業務でコード生成、コーディングエージェント系の生成AIを利用
コードレビュー、テストコード生成、デバッグに生成AIを活用
生成AIをコアとした開発
生成AIを主要技術としたサービス・プロダクト・機能の企画や、RAGなどの高度な手法を用いた開発経験

キャラクター

直近で一番やりたいこと
技術を極めたい
好きなスタイル
一人で黙々
どちらかといえば一人で黙々
どちらともいえない
どちらかといえばみんなでワイワイ
みんなでワイワイ
好きな規模
小さい会社
どちらかといえば小さい会社
どちらともいえない
どちらかといえば大きい会社
大きい会社
自信を持って人より秀でていると言える点
学習能力 / 問題解決力 / 責任感
スキルのタイプ
ゼネラリスト
どちらかといえばゼネラリスト
どちらともいえない
どちらかといえばスペシャリスト
スペシャリスト
得意なフェーズ
0 → 1
どちらかといえば0 → 1
どちらともいえない
どちらかといえば10 → 100
10 → 100
会社を選ぶ一番の基準
年収が第一
やりたくない分野
金融 / 広告 / ファッション / アダルト / 仮想通貨
その他の特徴
使用言語にはこだわらない / レガシーな環境を改善できる / 新しい技術はとりあえず試す
その他のやりたいこと・やりたくないこと

単調な業務や生産性の感じられない業務は回避したい。

やりたい事

手を動かして設計してコードを書きたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
価値あるプロダクトを作り成長させたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
学び続けて技術力でプロダクトに貢献したい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
意義があることや社会に貢献できる仕事がしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
人や計画の調整・マネジメントをしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
レガシーなシステムの保守・運用・改善をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
企画や仕様を考えるところから関わりたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
業務効率を改善して一緒に働く人のためになりたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
全社横断的な共通基盤作りや強化をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
組織や文化を作る・成長させる仕事をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい

基本プロフィール

年齢
今年で30代前半
好きなテキストエディタ
Cursor
希望勤務地
京都府 / 大阪府 / 兵庫県
希望年収
900万円
ご意見箱

要望、不具合報告、使いづらい点や感想など、お気軽にお寄せください。
いただいたご意見は、今後のサービス向上に活用させていただきます。

なお、このフォームは受付専用のため、返信を行っておりません。
返信を希望する場合はお問い合わせよりご連絡ください。

  • {{error}}
転職ドラフトを友人や同僚に薦める可能性はどのくらいありますか?