ID:81963さん

キャリアビジョン


事業を前進させることのできるエンジニア / データサイエンティスト

AIが台頭してきている潮流の中でエンジニア・データサイエンティストとしての価値を高めていくためには技術を理解して課題解決のできる人材になることが必要不可欠だと感じている。 そのため、データ、開発の観点からプロダクト開発に深く関わっていきたい。

プロジェクト経験

2023年/1年以内

国内大手自動車部品メーカー/運転評価プロダクト開発

# 事業背景・課題 運送業者において「事故削減に効く指導が標準化できず、事故率改善が組織として積み上がらない」という課題が存在する。 これを解決するために走行シーン別(直線・交差点など)の定量スコアリング機能を含めたSaaSの開発 # 担当領域 PdM配下の分析チーム(7名)にて、評価指標設計・ロジック開発を担当した。 事業会社側PdMとの定例報告および仕様調整を通じて、分析結果を基に実装可否や優先順位の意思決定を支援した。 # 業務詳細(抜粋) ## 新規開発対象とする走行シーンの選定 ### 目的 事故削減インパクトの大きな走行シーンを実装し、提案できる顧客セグメントを拡大するため。 ### 取り組み - 当初PdMが想定していた調査スコープ外まで分析範囲を拡張 - 既存実装範囲内で対応可能な顧客セグメントを提案 ### 成果 - 新規顧客獲得が見込めるセグメントを特定し提案 - 営業施策として正式採用 ## 新規走行シーンの評価ロジック設計・プロト実装 ### 目的 死亡事故につながりやすい走行シーンを実装し、導入の説得材料を強めて新規導入を加速するため ### 取り組み - 運転指導の専門家へヒアリングを実施 - 感覚的な評価基準を定量指標へ変換 - 事業インパクトの低い要件は実装対象外とする提案を実施 - タイトなスケジュール下でPdMと週次で認識合わせ ### 成果 - 納期遅延なくプロトタイプの納品完了 - 不要機能の削減により開発工数を抑制 - プロダクトの評価シーン拡張を実現

2024年/2年以内

大手小売会社のレコメンドモデルのR&D

# 研究目的 社内に蓄積された購買/属性などの莫大なデータを活用し、既存の機械学習施策の精度向上と未活用領域への適用拡大による売上向上を目指す。 まずはクーポンターゲティング施策を対象に、実運用に転用可能な形でのレコメンドモデルの検証・改善を実施。 # 担当領域 2名体制(事業会社側:リーダー1名/自社:メンバー1名)にて、既存ベースライン再現実装、学習パイプライン、評価基盤、実装部分の詳細設計までを担当。 # 業務詳細(抜粋) ## クーポン施策のバックテストに耐えるオフライン評価基盤の設計・実装 ### 目的 施策意思決定に耐える条件固定(分割・リーク対策)を前提に、既存モデルに対する改善効果を定量比較できる状態を構築する。 ### 取り組み - 数百万ユーザー×数十万商品のスケールを前提に大規模データに耐えうるデータ処理パイプラインの構築 - ユーザー単位分割・リーク防止を前提にバックテストを実装し、施策評価可能な体制を構築。 - 既存ベースラインを再現可能な形で実装し、比較実験の土台を整備。 ### 成果 - クーポン施策バックテストにおいて、RECALL指標で既存ベースライン比で約20%の改善を確認 - 比較実験を継続的に回せる評価・学習パイプラインを整備し、追加検証可能な状態を構築 ## 先端レコメンド手法の論文調査〜PoC実装・比較検証 ### 目的 複数の実務タスクのバックテストで改善が見込めるアーキテクチャを特定し、既存施策の精度向上に繋げる。 ### 取り組み - 関連研究(BERT4Rec / SASRec等)を調査し、学習〜推論〜評価までPoCを実装 - 複数モデル候補を同一評価条件で比較できるように実験構築をし、改善が見られた方式を優先採用。 ### 成果 - 既存施策の評価・改善が確認できた手法を特定し、以降の検証方針(優先度付け)を明確化

2025年/1年以内

人材系SaaS/新規事業(0→1)プロダクト開発

# 事業背景・課題 企業の採用担当者が、求職者に対して「求人票には載らない現場の情報を十分に共有することが物理的に難しく、選考が進んでからのミスマッチが発生しやすいなどの課題が存在する。 この課題に対し、企業側の採用情報を蓄積・構造化し、求職者が意思決定に必要な情報へアクセスできる仕組みを提供するSaaSを開発。 # 担当業務 3名チームにて、要件整理から運用まで開発全般業務を一貫して担当。 ビジネスとの仕様調整を通じて、実現性・コスト・開発速度を踏まえた意思決定を推進した。 # 業務詳細(抜粋) ## 高速な仮説検証を実現するMVPスコープ設計・反復開発(要件整理〜検証サイクル運用) ## 目的 仮説を最小スコープのMVPへ落とし込み、短サイクルで検証・学習を回してPMFに必要な示唆を獲得する ## 取り組み - 実現性・コスト・開発速度を観点に、MVPに「入れる/捨てる」判断基準を策定し、過剰実装を抑制。 - 1〜2週間単位で実装→検証→改善のスプリントを運用し、検証結果に基づき“使われる機能”を目指し継続的に改善 ### 成果 - 価値検証に直結しない機能を抑え、仮説検証の速度を落とさずに改善サイクルを継続 ## 高速な仮説検証を支える最小構成アーキテクチャの設計・実装 ### 目的 - 初期の検証コスト(開発・運用・金銭)を最小化しつつ、急な方針転換にも耐えうる体制の構築 ### 取り組み - サーバーレスを採用し、初期検証にかかるインフラ/運用コストを最小化した上でAPIを設計・実装 - 初期は仮説検証の回数を優先し、DB構築を見送りS3で運用。インフラの構築工数を最小化し、開発を機能検証に集中させた。 - コーディングエージェント(Claude Code等)を活用し、最小工数で実装・改善を推進 ### 成果 - 初期フェーズにおける開発/運用/コストを抑えつつ、仮説検証サイクルを継続できる基盤を構築 - 検証結果に応じた仕様変更・方向転換を前提に、変更容易性の高い構成で改善を継続 - 開発者1名体制でも改善リリースを止めずに回せる開発体制を実現

マネージメント能力

アピール項目


アウトプット

GitHub アカウント
あり
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?

未入力です

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?

未入力です

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
モデルの構築・研究開発
LLMのファインチューニングや、独自モデルの構築経験

キャラクター

直近で一番やりたいこと
サービスを作りたい
好きなスタイル
好きな規模
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
得意なフェーズ
会社を選ぶ一番の基準
好きなプロダクトがある
やりたくない分野
未入力です
その他の特徴
使用言語にはこだわらない / 起業/創業期のベンチャーにいた
その他のやりたいこと・やりたくないこと
未入力です

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20代後半
好きなテキストエディタ
VSCode
希望勤務地
東京都
希望年収
500万円
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?