ID:85454さん

### プロジェクト経験概要 会話履歴を記憶として活用し、一人ひとりに合わせた対話を行うパーソナルAIエージェントのバックエンド開発。Wikipediaの知識グラフによる話題の拡張と、チャット履歴を参照するRAGによるパーソナライズ回答生成。 ### チーム情報・自分の担当 チーム規模：約5名。 自身の担当：AWS CDKによるインフラ構築、Python／FastAPIによるバックエンドの詳細設計・実装、データ構造の設計・構築。以下の構成変更、並列化、知識グラフ・RAG・要約機能の実装を担当。 ### 開発・実装内容A：構成変更と性能改善 **【機能・背景】** AIエージェントのリクエストを処理するバックエンド。当初はAPI Gateway＋Lambdaで構成。顧客要求の変更により、750TPSへの対応が必要な状況。 **【課題・問題点】** Lambda構成のクォータ制約により、750TPSの要求に対応できないことが判明。要求性能を満たすための実行基盤の見直し。ECS Fargateへの移行後も、コンテナに割り当てたリソースを十分に活用できていない状態。 **【判断・工夫／自身の実装】** API Gateway＋LambdaからECS Fargateへ構成を変更。未活用のリソースを使うため、コンテナ内の並列化に着目。gunicornとuvicornを用いたマルチプロセス・マルチスレッド構成の導入。AWS CDKによるインフラ構築とPythonアプリケーションの両面からの対応。 **【成果】** コンテナ内のリソース活用の改善による顧客の要求性能への対応。高負荷試験で750TPSを達成。 ### 開発・実装内容B：記憶を活用した回答生成と知識グラフ **【機能・背景】** ユーザーごとの過去の会話を回答に反映する機能と、Wikipediaの知識を利用した話題拡張機能。 **【取り組む課題】** チャット履歴を回答生成に利用するための検索・参照処理と、大規模なWikipediaデータの加工・知識グラフ化。 **【打ち手／自身の実装】** OpenSearchによる類似会話の検索とRAGによる回答生成ロジックの実装。LangChain、LlamaIndexによるWikipediaデータの加工・解析と知識グラフ構築。Snowflake、DynamoDB、Neptune、OpenSearchを利用したデータ構造の設計・構築。 **【成果】** チャット履歴を参照したパーソナライズ回答生成と、知識グラフを利用した話題拡張の実装。 ### 開発・実装内容C：チャット履歴の要約 **【取り組む課題】** 記憶として利用するチャット履歴の容量圧縮と、要約精度の向上。 **【打ち手／自身の実装】** 要約機能の実装と要約プロンプトのチューニング。 **【成果】** 要約精度の向上とチャット履歴の容量圧縮。 ### 主な技術 Python、FastAPI、AWS CDK、ECS Fargate、Lambda、Bedrock AgentCore、gunicorn、uvicorn、OpenSearch、Snowflake、DynamoDB、Neptune、LangChain、LlamaIndex。

### プロジェクト経験概要 1億人分の顧客データの分析と、LLMを活用したマーケティング施策の自動化基盤の開発。 ### チーム情報・自分の担当 チーム規模：約5名。 自身の担当：顧客との仕様策定・要件定義、アプリケーションとクラウドインフラの基本・詳細設計、実装、運用・保守。担当範囲のアプリケーションとインフラの開発を一人で担当。 ### 開発・実装内容A：顧客データ処理とマーケティングロジック **【機能・背景】** 顧客データを抽出・加工・分析し、機械学習やLLMをマーケティング施策に活用する基盤。 **【取り組む課題】** 1億人分の顧客データを扱う処理と、顧客の要件を反映したマーケティングロジックの実装。 **【打ち手／自身の実装】** 顧客との仕様策定・要件定義から参画し、Python、pandas、Snowflakeによるデータの抽出・加工・分析を実装。LightGBMやLLMを活用したマーケティングロジックの実装。 **【成果】** 顧客データの分析処理と、機械学習・LLMを活用したマーケティングロジックの実装。 ### 開発・実装内容B：インフラ構築とデプロイ自動化 **【機能・背景】** AWS Batch・Lambda等を用いた分析環境と、開発環境・本番環境へのデプロイ基盤。 **【取り組む課題】** 1ヶ月以内のリリースが必要な状況。顧客の審査ルールでは、ECS等で常時通信を待ち受ける構成に追加のセキュリティ審査が必要となるため、審査手続きと開発期間を考慮した構成選定が課題。 **【工夫／自身の実装】** 顧客の審査ルール上、サーバーレス構成であれば追加のセキュリティ審査が不要となる点を踏まえ、AWS Batch・Lambda等を用いたサーバーレス構成を採用。インフラ構成をコードとして管理するため、TypeScript／AWS CDKによるIaC化。開発環境・本番環境へのデプロイの自動化と、GitHub Actionsによるテスト・デプロイのCI/CD整備。アプリケーションとインフラの両面を担当することで、設計から実装・デプロイまでを一貫して対応。 **【成果】** 環境構築・デプロイの自動化。担当範囲のアプリケーションとインフラを一人で開発し、1ヶ月以内のリリースに対応。 ### 運用・監視 Snowflake Dashboardを活用した、リリース後の機械学習モデルの継続的な監視。 ### 主な技術 Python、pandas、Snowflake、LightGBM、LLM、TypeScript、AWS CDK、AWS Batch、Lambda、GitHub Actions、Snowflake Dashboard。

### プロジェクト経験概要 2023年10月～2025年10月。Web3上の取引データを解析し、ユーザーの嗜好に合ったNFTをレコメンドするAPIの開発。 ### チーム情報・自分の担当 チーム規模：約5名。 自身の担当：アプリケーションの基本・詳細設計、Pythonによるデータ処理・アプリケーション開発、TypeScript／AWS CDKによるインフラ構築、リリース後の運用・保守。以下のETL移行とモデルのプロダクト組み込みを担当。 ### 開発・実装内容A：日次ETLの分散処理への移行 **【機能・背景】** NFTレコメンドに利用する取引データの抽出、前処理・後処理を行う日次データパイプライン。 **【課題・問題点】** AWS Batch上でpandasを用いて実装されていた既存ETL処理の処理時間改善。 **【判断・工夫／自身の実装】** 過去に実務で使用したAWS Glue／PySparkの経験を活かし、既存ETLのpandasによる処理をすべてPySparkへ刷新。AWS Glue上で実行する分散処理への置き換えと、前処理・後処理バッチの実装。Snowflake、AWS Athena、GraphQLを利用したデータ抽出。 **【成果】** 日次ETL処理時間を半分以下に短縮。過去の案件で得た技術経験を、別案件の性能改善に適用。 ### 開発・実装内容B：機械学習モデルのプロダクトへの組み込み **【機能・背景】** 論文に基づきGitHub上で公開されたモデルを利用したNFTレコメンド機能。 **【取り組む課題】** モデルをプロダクトへ組み込み、実運用に向けてコードと性能を整えること。 **【打ち手／自身の実装】** モデルの組み込み、コードのリファクタリング、パフォーマンス改善、およびモデルのチューニング。アプリケーションの基本・詳細設計から実装、リリース後の運用・保守までを担当。 **【成果】** モデルのプロダクトへの組み込みと、チューニングによる精度改善。 ### インフラ・開発基盤 自身によるTypeScript／AWS CDKを用いたインフラ構築と、GitHub ActionsによるCI/CD整備。 ### 主な技術 Python、TypeScript、pandas、AWS Glue、PySpark、Snowflake、AWS Athena、GraphQL、PyTorch、AWS CDK、Docker、GitHub Actions。

### プロジェクト経験概要 顧客の位置情報やサービス利用ログをもとに、環境に配慮した行動によるCO2削減量を算出・スコアリングするシステムの開発。他サービスへの誘導やサービス間の連携に活用するための、顧客行動の環境貢献度の数値化。 ### チーム情報・自分の担当 チーム規模：約5名。スクラムによる開発。 自身の担当：ソースコード・アプリケーション部分。データ処理アプリケーションの詳細設計・実装と、Snowflakeのデータ抽出クエリのチューニング。 ### 開発・実装内容A：データ抽出クエリのチューニング **【機能・背景】** CO2削減量の算出に使用する行動データのSnowflakeからの抽出。 **【課題・問題点】** データ抽出クエリの処理に時間がかかる状況。後続の対向システムへの影響を考慮し、一定の時間内に処理を収める必要。 **【判断・工夫／自身の実装】** 後続システムへの影響を抑えるため、Snowflakeのクエリプロファイルを確認し、処理時間のかかるクエリを特定。調査結果をもとに対象クエリをチューニング。クラスタリングキーの指定と、クラスタリングキーを意識したクエリの見直し。 **【成果】** クラスタリングキーの指定とクエリチューニングにより、処理時間を40%短縮。 ### 開発・実装内容B：CO2削減量の算出・スコアリング **【機能・背景】** 顧客の行動データをもとにCO2削減量を算出し、スコアに変換するデータ処理。 **【取り組む課題】** 位置情報やサービス利用ログなどの大規模データを処理し、環境貢献度を数値化すること。 **【打ち手／自身の実装】** Snowflakeによるデータ抽出と、Python、pandas、AWS Glue／PySparkによる大規模データのバッチ処理。行動データからCO2削減量を算出し、スコアに変換するロジックの詳細設計・実装。 **【担当した成果】** CO2削減量の算出・スコア変換ロジックの実装。 ### プロジェクトの運用環境 Datadogによるインフラ・サービス利用数の監視。Jira、Confluenceによるプロジェクト管理。 ### 主な技術 Python、Snowflake、pandas、AWS Glue、PySpark、Datadog、Jira、Confluence。

### プロジェクト経験概要 5G基地局のトラヒック状況をリアルタイムに監視し、トラヒック量に応じて警報を発報する機能の開発。通信インフラとして高い安定性・信頼性が求められる環境。 ### チーム情報・自分の担当 チーム規模：約5名。 自身の担当：ソースコード・アプリケーション部分。担当する一つの機能について、有識者のサポートを受けながら、詳細設計、実装、テスト・評価までを一人で担当。 ### 開発・実装内容：トラヒック監視・警報機能 **【機能・背景】** 基地局のトラヒック状況の監視と、トラヒック量に応じた警報の発報。 **【取り組む課題】** 安定性・信頼性が求められる通信インフラで、担当機能の設計・実装から動作検証までを完遂すること。 **【進め方／自身の実装】** 有識者のサポートを受けた詳細設計と、C言語によるトラヒック監視・警報機能の実装。担当範囲を実装だけに限定せず、テスト・評価まで継続して担当し、機能の動作を検証。開発環境でのLuaの使用。 **【成果】** 担当する一機能の詳細設計から実装、テスト・評価までの開発を完遂。 ### 主な技術 C、Lua。

### プロジェクト経験概要 車載カーナビゲーションシステムのGUI開発。安全を意識した画面の実装。 ### チーム情報・自分の担当 チーム規模：約10名。 自身の担当：ソースコード・アプリケーション部分。GUI画面の詳細設計、実装、実機・シミュレータによる動作検証とデバッグを担当。 ### 開発・実装内容：GUI画面の実装と動作検証 **【機能・背景】** カーナビゲーションで使用するGUI画面の開発。 **【取り組む課題】** 安全を意識した画面の実装と、実際の画面動作の確認、不具合の修正。 **【進め方／自身の実装】** C++およびQMLによるGUI画面の詳細設計・実装。実機とシミュレータを用いた動作確認とデバッグ。画面実装から検証・修正までを担当し、設計・実装・検証を通じたGUI開発への取り組み。 **【担当した成果】** GUI画面の実装、実機・シミュレータによる動作検証、および確認した不具合の修正。 ### 主な技術 C++、QML、Qt。