ID:66803さん

## 訓練内容 ### 1. 組込みソフトウェア開発（C言語・RTOS） 低レイヤにおけるリソース管理と並行処理の基礎を習得。 * **C言語による実装**: ポインタを駆使したメモリ効率の良いプログラム開発。 * **自主学習**: C言語のバイブルであるカーニハン&リッチー著『プログラミング言語C』を授業と並行して独学で読み込みました。 * **マイコン制御**: PICおよびRL78マイコンを用いた制御技術。 * **リアルタイムOS (RTOS)**: μITRONを用いたタスク生成・優先度管理、マルチタスク処理の実装。 ### 2. Linuxシステム構築・ネットワーク システム基盤と通信プロトコルの理解。 * **ネットワーク技術**: Ciscoルーターを用いたLAN構築、TCP/IPプロトコルの階層構造に関する知識。 * **組込みLinux**: カーネルビルド、システムコールを利用したCプログラミング。 * **デバイスドライバ**: I2C/SPIインターフェースを介したデバイスドライバの開発経験。 ### 3. ハードウェア・電子回路 * **回路設計**: アナログ・デジタル電子回路の基礎を習得。 --- ## プロジェクト：卒業制作（チームリーダー） **期間**: 約1ヶ月 **役割**: チームリーダー（8名構成） ### 概要 IoT環境モニタリングシステムの企画・設計・実装を主導。ハードウェア（各種センサー・Raspberry Pi）とモダンなWebバックエンドを統合するフルスタックな開発体制を構築しました。 ### 採用技術 * **言語/フレームワーク**: Python (FastAPI, Pydantic), C, JavaScript * **OS/ツール**: Linux (Raspberry Pi), uv, SQLite * **AI/LLM**: Gemini (API活用およびプロンプトエンジニアリング) * **ハードウェア**: 温湿度(BME280), CO2(MH-Z19C), 照度センサー, カメラ ### リーダーとしての取り組みと実績 #### 1. モダンな開発基盤の構築による生産性向上 開発効率と保守性を両立するため、バックエンドに **FastAPI** を採用。パッケージ管理に **uv** を導入し、事前に環境構築のドキュメントを用意することで、チーム全体の環境構築を数秒で完結させ、環境差異によるトラブルを排除しました。 #### 2. 意思決定の可視化とドキュメント文化の醸成 Git未経験者が多いチーム状況を鑑み、無理なツール導入ではなく成果の最大化を優先。Google Workspaceを活用し、**「設計根拠ディレクトリ」**を設置しました。Geminiとの対話ログをドキュメント化して集約することで、「なぜその設計にしたのか」という背景を全メンバーが常に参照できる状態にし、手戻りを最小化しました。 #### 3. AIエージェントを活用したメンバー育成と品質管理 メンバーの自走力を高めるため、AI（Gemini等）を活用したコード解説・補完を推奨。 * **コードの透明化**: メンバーが実装したコードをAIに1行ずつ解説させ、完全に理解した上でマージするフローを確立し、ブラックボックス化を防止。 * **メンタリング**: 答えを直接教えるのではなく、AIへの適切なプロンプトの出し方を指導。プロジェクト終盤に向け、リーダーへの依存度を下げつつ、高い開発速度を維持できる体制を構築中です。 #### 4. リスク管理と非同期開発の推進 メンバーの不在（就職活動等）による属人化を防ぐため、インターフェース（API仕様）を早期に確定。各種ドキュメントを整備することで、担当者が不在でも他メンバーが開発を継続できる「自走可能な開発体制」を実現しています。 #### 5. カーネギーの原則に基づくチームビルディング チームビルディングにおいては、デール・カーネギーの『人を動かす』を特に参考にし、「メンバーの技術的関心に注目する」、「実装してくれた機能についてどんな小さなことでも褒める」といったことを実践しました。積極的な意見出しを行えるよう、心理的安全性に配慮し、個々人の成長とチームの生産性向上が両立する組織づくりを意識しました。

# AWS/FastAPI/Reactによるフルスタック開発 ## プロジェクト概要 **フルスタック構成によるWebフォームアプリケーションのプロトタイプ開発** 非エンジニアが直感的にデータベース操作を行うための管理画面（Webフォーム）を構築。インフラ設計・構築からバックエンドAPI、フロントエンド実装までを単独で一貫して担当し、開発効率を最大化するモダンなツールチェーンを導入。 ### 担当フェーズ * インフラ設計・構築 * バックエンド設計・開発 * フロントエンド開発 --- ## 業務内容 ### 1. AWSによるセキュアなインフラ基盤の設計・構築 * **ネットワーク設計**: `draw.io` を用いて構成図を作成し、パブリック/プライベートサブネットを分離したセキュアなネットワーク構成を設計。 * **配信最適化**: `Amazon CloudFront` を導入し、コンテンツ配信の高速化とセキュリティを担保。 ### 2. モダンなPython環境によるバックエンド開発 (FastAPI / uv) * **次世代パッケージ管理**: パッケージマネージャーに `uv` を採用。高速な依存関係解決と再現性の高い開発環境を構築。 * **高機能APIの実装**: 複数レコードの一括登録・更新（Bulk Upsert）など、複雑なCRUD機能を `FastAPI` で実装。 * **ドキュメント自動化**: OpenAPI規格に準拠した設計を行い、API仕様ドキュメントの自動生成フローを確立。 ### 3. フロントエンド開発と開発プロセスの自動化 (Next.js / TypeScript) * **スキーマ駆動開発**: `Orval` を活用。バックエンドが生成したOpenAPIドキュメントから、フロントエンド用のAPIクライアントコードを自動生成する仕組みを構築。 * **高度な状態管理**: `TanStack Query` (React Query) を導入し、効率的な非同期データの取得、キャッシュ制御、ローディング状態の管理を実現。 --- ## 実績・取り組み * **全レイヤーの単独完結能力**: インフラのネットワーク設計からフロントエンドのUI実装まで、全ての工程を一人で完結。システム全体のデータフローを完全に把握した上での最適化を行いました。 * **生産性を高める技術選定**: 既存の手法に固執せず、`uv` や `TanStack Query` といった最新ツールを積極的に導入。APIコール関数の自動生成など、手作業を減らしバグを抑制する仕組み作りを通じて、プロトタイプ開発のスピードと品質を両立させました。 --- ### 使用技術 * **フロントエンド**: Next.js, TypeScript, TanStack Query, Orval * **バックエンド**: Python, FastAPI, uv (Package Manager) * **インフラ**: AWS (VPC, CloudFront, EC2等), draw.io * **API規格**: OpenAPI

# データベース再設計 & AIエージェントによるプロトタイプ作成 ## プロジェクト概要 **AI技術を活用したデータ構造最適化および業務効率化支援** 肥大化し保守性が低下したデータベースの再設計に向けたデータクレンジング、およびマルチモーダルAIを用いた非構造化データ（PDF/画像）の解析・資産化プロジェクト。最新のAIエージェントを活用し、調査からプロトタイプ開発までの高速化を検証。 ### 担当フェーズ * データ解析 / クレンジング * 技術調査（AIリサーチ） * ツール開発 / プロトタイプ開発 * 業務フロー自動化 --- ## 業務内容 ### 1. マルチモーダルAIを用いた非構造化データの構造化 * **データ解析と最適化**: 肥大化したDBの不要カラムを精査・特定し、再設計に向けたデータクレンジングを実施。 * **マルチモーダルAI活用 (Python/Gemini)**: 自動車メーカーのPDF資料等を解析し、非構造化データからの情報抽出を自動化。AIの読み取り精度向上のため、前処理として画像処理工程を最適化。 * **開発環境のポータビリティ化**: Google Colab上のPythonスクリプトをローカル環境で再現するため、Dockerコンテナを用いた実行基盤を構築。 * **自動化ツールの提供**: Google Apps Script (GAS) を活用し、スプレッドシート上での転記作業等の手動プロセスを自動化。 ### 2. AIエージェントを活用した高速プロトタイピング * **高度な要件リサーチ**: `Gemini Deep Research` を活用し、主要アプリケーションの機能・非機能要件を網羅的に調査。 * **AI駆動開発 (Cline / Roo Code)**: AIエージェントを実務に投入し、OCR機能（写真からのテキスト抽出・コピー機能）を持つFlutterアプリのプロトタイプを極めて短期間で構築。 * **技術検証**: 「AIによるアプリ自動生成」の可能性と限界を検証し、開発スピードと開発者の理解度の乖離、コスト面などの課題を整理。 --- ## 実績・取り組み * **肥大化したDBへの技術的アプローチ**: 管理不能に陥っていたデータベースに対し、単なる手作業ではないAIを用いた効率的な抽出・解析手法を導入。次期DB再設計に向けた技術的土台を構築しました。 * **開発プロセスの劇的な高速化**: 最新のAIツールを積極的に実務へ投入。従来の手法では数週間を要するリサーチやプロトタイプ作成を数日に短縮するなど、AIを活用した新しい開発スタイルを実践しました。 --- ### 使用技術 * **言語**: Python, Dart (Flutter), JavaScript (GAS) * **AI / LLM**: Gemini (Multi-modal), Gemini Deep Research, Claude * **AIエージェント**: Cline, Roo Code * **インフラ / ツール**: Docker, Google Colab, Google Spreadsheets * **ライブラリ**: OCR関連ライブラリ, 画像処理ライブラリ

# Flutterによるモバイルアプリ開発 (海外チームとの協業) ## プロジェクト概要 **Flutterによるレガシーアプリのリプレイスおよび多国籍チーム共同開発** 既存モバイルアプリの刷新プロジェクトにおいて、中国（大連）の外部パートナー企業と共同開発を実施。大規模開発に耐えうる堅牢な設計手法（Clean Architecture）を採用し、カレンダー機能を中心とした既存モバイルアプリのリプレイスを担当。 ### 担当フェーズ * 基本設計（アーキテクチャ選定補助） * 詳細設計 * フロントエンド開発（モバイル） * テスト（単体・結合） --- ## 業務内容 ### 1. Clean Architecture / BLoCパターンに基づいた機能実装 * **設計規約への準拠**: 中国チームが策定した厳格なアーキテクチャ設計規約に従い、`Blocパターン` と `Clean Architecture` を組み合わせた高凝集・低結合な実装を推進。 * **カレンダー機能の開発**: Googleカレンダーのような操作性を目指したカレンダーUIおよびロジックの構築。 * **レイヤー分離の徹底**: `DataSource`, `Repository`, `UseCase` の各層に責務を分離したAPI通信処理の実装。 * **依存性の注入（DI）**: `GetIt` を用いたDIコンテナの活用による、テスト容易性の高いコンポーネント設計。 ### 2. 多国籍チームとのリモート連携・品質管理 * **グローバルな協業**: コミットメッセージやドキュメントにおける英語使用など、海外チームとの円滑な連携を意識した開発。 * **Backlogを用いた不具合改修**: 中国チームによるUI動作テストの結果を迅速にフィードバックとして受け取り、リモート環境下で効率的に修正対応を実施。 * **AI駆動のコード品質向上**: `Claude` や他のLLMを併用し、複雑なアーキテクチャ内のコードリーディング、リファクタリング、バグ修正を高速化。 --- ## 実績・取り組み * **高度な設計思想の吸収と実践**: 大規模開発において標準とされるClean ArchitectureやBLoCパターンの厳格な運用を経験。レイヤー分離の思想を深く理解し、保守性の高いコードを書くスキルを習得しました。 * **技術力のある外部パートナーとの共創**: 高い技術力を持つ海外のエンジニアチームと協業することで、グローバルな開発スタンダードや、プロジェクト推進におけるコミュニケーション能力を磨くことができました。 --- ### 使用技術 * **言語**: Dart (Flutter) * **アーキテクチャ**: Clean Architecture, BLoC Pattern * **ライブラリ/ツール**: GetIt (DI), Backlog, GitHub * **AIツール**: Claude, ChatGPT * **その他**: 英語（コミットメッセージ）

# iOS/Androidアプリ開発 ## プロジェクト概要 **GraphQL・Flutterを用いたスマートフォンアプリのプロトタイプ開発** 既存サービスのモダン化に向けた技術検証として、**Flutter**を用いたクロスプラットフォームアプリのプロトタイプ構築を担当。最新のモバイル開発手法の検証を目的としたプロジェクト。 ### 担当フェーズ * フロントエンド開発（モバイル） * バックエンド連携（API疎通確認・修正依頼） * テスト（単体・結合） * ドキュメント作成 --- ## 業務内容 ### 1. Flutterによるモバイルアプリ開発 * **モダンな状態管理の実装**: `Riverpod` および `flutter_hooks` (HookWidget) を活用し、再利用性の高いUIコンポーネントと、ロジックを共通化したカスタムフックを構築。 * **UI/UXの実装**: メルカリ等のモダンなECアプリを参考に、ユーザーの利便性を高める「フィルターチップ型」の検索インターフェースを実装。 ### 2. AIを活用した高度なトラブルシューティング * **クロスドメインのデバッグ**: バックエンド（Java）側で発生したエラーに対し、AI（ChatGPT/Gemini）を用いたソースコードリーディングを実施。 * **具体的な修正提案**: 解析結果に基づき、CORS設定やAPI仕様に関する具体的な修正案をバックエンド担当者へ提示。フロントエンドの枠を超えた連携により、ボトルネックの早期解消に貢献。 ### 3. 品質管理とドキュメント整備 * **AI駆動開発**: 生成AIを積極的に活用し、機能追加、リファクタリング、バグ修正の効率化を実現。 * **テストの実施**: 単体テストおよび結合テストによる品質担保。 * **ナレッジ共有**: 開発初期の躓きポイントや解決策をまとめたドキュメントを作成し、チームの学習コスト低減に寄与。 --- ## 実績・取り組み * **短期間での技術習得**: 初めてのモバイルアプリ開発でしたが、生成AIによるコード解説を効果的に取り入れることで、Dart / Flutterといった新技術を迅速に習得し、実務レベルのアウトプットを達成しました。 * **AIを活用した円滑なチームコミュニケーション**: 技術的な懸念点やエラーの原因調査にAIを介在させることで、他部署（バックエンド担当等）への情報共有を論理的かつスムーズに行い、プロジェクトの進行速度を向上させました。 --- ### 使用技術 * **言語**: Dart (Flutter), Java (リーディング) * **状態管理**: Riverpod, flutter_hooks * **クエリ言語**: GraphQL * **AIツール**: ChatGPT, Gemini * **開発環境**: VS Code (iOS/Android)

# React/GraphQLによるフロントエンド開発 ## プロジェクト概要 **GraphQL + Reactによるフロントエンドのプロトタイプ作成および技術検証** 外部協力会社が構築したベースシステム（React / Rails API）を活用し、新機能のプロトタイプ作成および周辺技術の導入検証を担当。モダンな開発フローの吸収と、AIを活用した迅速な技術キャッチアップを並行して実施。 ### 担当フェーズ * UIデザイン（Figma） * フロントエンド開発 * バックエンド機能追加（API実装） * 機械学習アルゴリズムの技術検証 --- ## 業務内容 ### 1. フロントエンド・UI/UX開発 (TypeScript / Next.js) * **UIコンポーネント実装**: `Chakra UI` を採用し、一貫性のあるデザインシステムに基づいたUIを構築。 * **ユーザー体験（UX）の最適化**: レイアウトシフトの防止など、描画後のガタつきを抑えたストレスのない画面遷移・操作感を実現。 * **型安全な開発基盤の強化**: `Apollo Client` と `GraphQL Code Generator` を組み合わせ、自動生成を活用した堅牢かつ効率的なTypeScript開発フローを構築。 * **リファクタリング**: カスタムフックへのロジック抽出により、コンポーネントの責務を明確化し保守性を向上。 ### 2. バックエンド・API連携 (Ruby on Rails / GraphQL) * **開発環境の整備**: Dockerを用いたRails開発環境の構築。 * **API拡張**: Rails APIモードにおけるGraphQLスキーマおよびリゾルバーの追加実装。 * **パフォーマンス最適化**: `N+1問題` 等のデータ取得ロジックを精査し、クエリ効率を改善。 ### 3. 機械学習によるレコメンドエンジンの技術検証 (Python / Gemini) Google Colabを活用し、生成AIによるコード生成と理論検証を高速に回すサイクルを確立。 * **Word2Vec**: 特徴量のベクトル化による類似アイテム抽出の検証。 * **協調フィルタリング**: アイテムベースの手法を用いたレコメンドロジックの試作。 --- ## 実績・取り組み * **外部ノウハウの積極的な吸収**: 協力会社の開発フロー（GraphQLの自動生成等）を短期間で習得。未経験の技術スタックに対しても、生成AIによるコード解説を補助として活用することで、即戦力として開発に貢献しました。 * **自律的なスキルアップ**: レコメンドシステムの試作を通じて、アルゴリズムの背景にある数学・統計学的理解の重要性を再認識。現在は実務への応用を見据え、統計学の知識強化を継続的に行っています。 --- ### 使用技術 * **フロントエンド**: React, Next.js, TypeScript, Chakra UI * **バックエンド**: Ruby on Rails (APIモード), Docker * **API / ツール**: GraphQL, Apollo Client, GraphQL Code Generator, Figma * **機械学習・検証**: Python, Word2Vec, Google Colab, Gemini (AI)

## プロジェクト概要 **PHP製バックエンドAPIサーバーのJavaリプレイスおよびBFF導入プロジェクト** フレームワークの更新停止によりメンテナンス不可となっていたPHPバックエンドを**Java (Spring Boot)** へ刷新。あわせて **TypeScript + Nest.js** によるBFF（Backend For Frontend）層の新規導入を担当。 ### 担当フェーズ * 要件定義（同席・提案） * 詳細設計 * 環境構築（ドキュメント準拠） * 開発 / テストコード作成 * ドキュメント作成・更新 --- ## 業務内容 ### 1. フロントエンド知見を活かしたAPI・DB改善提案 * **要件定義・設計への参画**: フロントエンド側のロジックで代替可能な箇所を特定し、不要なDBカラムやAPIレスポンスの削減（インターフェースのシンプル化）を提案。 * **命名規則の改善**: 可読性と保守性向上のため、曖昧な名称を直感的な名称へ変更提案（例：`catalogRendoFlg` → `catalogUnlinkFlg`）。 ### 2. バックエンドAPIおよびBFF層の実装 * **Java / Spring Boot**: バックエンドAPIの開発（計4エンドポイントを担当）。 * **TypeScript / Nest.js / GraphQL**: * BFFサーバーの実装。GraphQLリクエストを受け取り、Java APIへの問い合わせ、フロントエンド向けへのレスポンス（JSON）整形までの一連のフローを構築。 * **テスト自動化**: Jestを用いたテストコード作成および単体テストの自動化。 ### 3. インフラ・開発環境構築 * **AWS環境の構築・運用**: * 手順書に基づき、EC2（Amazon Linux 2023）上での開発環境構築。 * パッケージ管理上の制約（EPEL未対応等）に対し、GitHubアーカイブからのソースビルド・インストールによる柔軟な対応。 * **デプロイパイプラインの操作**: * AWS Amplifyへのフロントエンドデプロイ。 * ECS / CodeBuild / CodeDeploy / API Gatewayを用いたコンテナベースのAPIデプロイ・有効化作業。 ### 4. ドキュメント整備 * 既存の構築・開発手順書へのフィードバックおよび、新規参画者向けのナレッジベース作成。 --- ## 実績・取り組み * **フロントエンド視点の設計貢献**: 開発経験を活かし、バックエンド単体ではなくサービス全体を俯瞰したDB再設計・意見出しを行いました。 * **構築プロセスの精度向上**: 環境構築やデプロイ作業において、詰まりやすい箇所やエラーの原因を特定・解決策をフィードバックすることで、既存手順書のアップデートとチーム全体の作業効率化に貢献しました。 * **円滑な引き継ぎ体制の構築**: 参画終了後もプロジェクトが滞りなく進行できるよう、AIツール（ChatGPT等）を活用し、構造的で理解しやすい詳細な引継ぎドキュメントを整備しました。 --- ### 使用技術 * **言語**: Java, TypeScript, PHP * **フレームワーク**: Spring Boot, Nest.js * **クエリ言語**: GraphQL * **テスト**: Jest * **インフラ/AWS**: EC2, ECS, Amplify, CodeBuild, CodeDeploy, API Gateway * **OS**: Amazon Linux 2023

## プロジェクト概要 ### 目的 Salesforceが古いバージョンのAPIを廃止してしまったため([Salesforce Platform API バージョン 7.0 ～ 20.0 の廃止](https://help.salesforce.com/s/articleView?id=000380623&type=1))、それに依存していたライブラリ（アドイン）を利用していたVBAマクロが使えなくなりました。ライブラリは10年ほど更新されていないため、同じ機能か似たような機能を別の方法で実現することが目的のプロジェクトです。 ### 規模感、チーム構成、担当した役割 規模感としては、マクロは社内の複数の部署で使われているため、影響は全社規模。 社内にSalesforceとVBAの両方に精通している人がおらず、システム開発部の工数も割けなかったため、チーム構成は上長と私1人のみ。 担当した役割としては、ライブラリの代替手段の調査、技術の選定、Salesforceのセキュリティとネットワークについて詳しい人との調整や相談、SalesforceのAPIの調査、プログラムの作成。 ### 取り組んだ課題 - Excelの代わりにGoogleスプレッドシートを使う方法など代替手段の調査 - Googleの公式が提供しているSalesforce Connectorというアドインを使えばスプレッドシートとSalesforceの連携が可能 - 社内のSalesforceは許可したIPアドレス以外は全て弾くホワイトリスト方式になっていることが判明 - Googleが使っている全IPアドレスの範囲の調査 - セキュリティの担当者と相談したところ、Googleがスプレッドシートや他のサービスで使っているIPアドレスをホワイトリストに追加することは却下（スプレッドシートがSalesforeceにアクセスするIPアドレスは変動するため。また、IPアドレスの範囲が広すぎ、今後も範囲が変わっていくかもしれないため） - アドインが提供している機能をVBAで1から作っていくことが決定 - VBAからSalesforceのAPIをコールする方法の調査 - XMLの記法の学習 - SOQLの記法の学習 ### 取り組みの成果 SalesforceのAPIをコールする方法やXMLの作成など最初は分からないことが多かったです。XMLに詳しい人などもおらず相談する相手がいなかったため、ほぼ全てを自分で調べながら作ることになりました。上長からは信頼して任せてもらえたため、最終的には作りきることが出来ました。

## プロジェクト概要 個人の趣味でやっているプロジェクトです。 画像生成AIのStable Diffusionがオープンソース化されたので早速使ってみました。 GPUは高くて用意できないのでColabで動かしています。 最近はそこそこ良い絵が出せるようになってきましたが、分からないことだらけです。 学習率やステップ数など組み合わせが無数にあり大変です。 いい方法があれば教えてください…。 ちなみに、転職ドラフトで使っているアイコンはAIに作ってもらいました！ ## 使用した環境・技術 Python / Google Colab / Stable Diffusion / DreamBooth / Stable Diffusion web UI / Photoshop ## 課題 AIが学習したデータセットに含まれないキャラクターと似ている絵を生成することが難しい…。 ## 工夫したこと AIが知らないキャラクターを出力させてみたかったため、機械学習の技術を用いて放送中のアニメの絵を学習させてみました。学習にはGoogleの[DreamBooth](https://dreambooth.github.io/)という技術を使いました。 ## 取り組んだこと - DreamBoothの学習に使う画像の選定 - 学習の精度を上げるための前処理 - AIによる解像度のアップスケール - Photoshopで人物の画像を抜き出して白背景にする - 正則化画像の用意 - Colab上でライブラリが上手くインストールできない原因の特定 - ColabのPythonのバージョンが当時は3.7で古かったのが原因でした - 国内・海外のAIコミュニティへの参加、情報収集（Discord等） - 同じ問題で困っている人への解決策の提案など - モデルの選定 - サンプラーの比較、選定 - プロンプトの調査、修正 - ネガティブプロンプトの指定 - 学習率の変更 - ステップ数の変更 - 複数モデルをマージした結果の検証 ## 取り組みの成果 絵をSNSにアップしたら700くらいいいねがもらえました…！