ID:74883さん

# 社内クラウド利用支援ツール開発 社内でAWSを利用する上で、部署や社員単位での権限管理やスケジュール機能など提供されていない機能を含めて容易に利用できるツール（Webアプリケーション）の開発プロジェクト インスタンスの作成やネットワーク設定など基本的な機能に加えて、 各部署ごとに管理可能とするため、アカウントの管理機能やインスタンスの起動・停止をスケジュール管理するを提供していました。 サーバサイドでは、AWSのAPIをラップしたり、業務フローに応じた処理を実装しました。 また、クライアントサイドは過去にsilverlightで実装されていたものをJavascriptにより再構築しました。 最終的に、社内利用だけでなく、製品の導入支援をするコンサルタントが顧客と共に利用できるツールとして提供することになりました。

# 分散処理による速度改善の検証 ## 概要 自社製品の中の検索機能を対象として、現状の速度検証と分散処理を利用した速度向上手法の研究開発を行いました。 速度検証では、一連の検索処理の中でボトルネックとなっている箇所を特定しました。 その問題を解消するために、分散処理の技術を利用して検索時間を短縮する手法について研究を行いました。 ## 詳細 製品ではRDBを使用しており、検索機能で複数テーブルを結合するクエリを実行すると速度低下が起こる場合があり問題となっていました。 そこで、当時AWSの機能として追加されたEMRを利用してHadoop環境を構築し、分散処理をすることで速度向上が可能か検証を行いました。 事前にRDBに正規化されて格納されているデータを非正規化し、分散処理で利用可能なデータに変換しておき、 業務ロジックをMapReduceで実行できるよう実装しました。 検索内容とHadoopの構成について複数パターンを試し、結合するテーブル数が一定以上になる場合に、RDBでは速度低下が顕著になるがHadoopでは現実的な時間で完了させることができ、速度改善が実現できました。 製品開発部門に対して改善策として提案し、検証内容・結果をプレゼンして知見をフィードバックすることで、プロジェクトは完了しました。

# 広告配信のレコメンドアルゴリズムの開発 ## 概要 広告配信のレコメンドロジックの開発・実装に取り組み、A/Bテストを実施し広告効果の改善を実現しました。 ## 詳細 広告配信におけるレコメンドの新規導入プロジェクトに携わりました。 当初は、協調フィルタリングとロジスティック回帰をアンサンブル的に組み合わせ、結果をレコメンド広告として配信するロジックを開発し検証しました。 A/Bテストで多少のCVR向上が見られたものの、さらに改善を図るため非負値行列因子分解を利用したロジックに変更しました。 こちらはSparkで実装し、日次でレコメンドを生成してプロダクト側と連携し配信するという構成としました。 A/Bテストの検証期間は約5ヶ月で、直近のランキング上位を配信する従来の配信に比べてCVRで最大約10%の向上が見られました。

広告の不正対策アルゴリズムの開発・実装 ●独自のユーザID紐付けロジックの開発 ・ユーザ属性や行動パターンをクラスタリングすることで、メディアを横断した同一ユーザの特定を可能にしました。 ・不正ユーザの特定に応用することで、単一メディア内の履歴では発見できなかった不正検知が可能になりました。 ●大量アクセスパターンの不正に対する検知ロジックの開発 ・来訪数やクリック数が急増する不正パターンに対する検知ロジックの開発・運用をしました。 ・検知ロジックには、変化点検出やDeepLearningを利用した異常値検知の技術を応用しました。 ・これにより、ルールベースでは検知できない不正パターンの洗い出しが可能となりました。 ●可視化 ・Google Data Studioを使った各指標（クリック数やコンバージョン数など）の推移や増したポイントを可視化し、上記のような大量アクセスの把握を容易にしました。

広告の配信効果を最大化するための予算配分最適化アルゴリズムの開発を行いました。 ユーザの要望や現状の課題についてヒアリングした上で、ドメインに依存する制約などロジックに取り込む必要のある条件を調査し、要件を固めました。 その後、PoCフェーズでは、予算に対して獲得できるコンバージョン数の予測モデルと、全体予算を複数の広告・媒体の組み合わせに対して最適な配分を行うアルゴリズムを検証し、定量・定性両方の評価を経たうえで、ロジックの実装を行いました。 開発後は社内での運用で稼働し、概ね実現可能なシミュレーション結果を出すことができました。 予算だけでなく効果を基準としたシミュレーションもできるため、適切な予算の提案を可能にしました。 当初の要件の洗い出しからPoCと実装、開発チーム管轄のダッシュボードとの連携まで一気通貫で担当し、完成させることができました。

# レコメンドシステムのクラウド移行プロジェクト ## 概要 オンプレで稼働していた既存システム(バッチ、API)をクラウド化しました。 ## 詳細 日次で動かしていたレコメンドバッチは、従来オンプレのクラスタ上でHiveやSparkのジョブを実行していましたが、 AWSのクラウド上への移植タスクに取り組みました。 クラウド上で実現するためのインフラに関する知見がチームメンバー内で不足していたため、kubernetesなどの勉強会を実施し チーム内での知識の底上げを行いました。 その後、アーキテクチャの選定を行い、移植後のデータの繋ぎ込みやパラメータチューニング、ジョブスケジューリングの調整などの変更を行い、正常稼働を実現しました。 APIに関しましては、EKSでKubernetesのアプリケーションとして動作するように変更し、負荷試験により自動的にスケーリングし、応答にも問題がないことを確認し、移植を完了しました。

# レコメンドロジックの改善 ## 概要 推薦ロジックの改善、新規アルゴリズムの調査・検証に取り組みました。 ## 詳細 直近の傾向分析の結果に基づいて、データの使い方や前処理、パラメータチューニングにより既存ロジックの改善を行いました。 購買順序に着目した推薦ロジックの改良によりKPI(ARRPU)が改善したため、本番に適用し運用を開始しました。 また、論文やWeb上の記事等を参考にして新規アルゴリズムの調査・検証も行いました。 閲覧されたアイテム間の関係をEmbeddingした上での類似度として求めることで、アイテムベースの推薦を行う検証を行いました。

# 官公庁のシステム構築上流工程のコンサルタント 公共系開発案件の上流工程にPMOとして携わり、プロジェクト内での進捗、課題・リスクの管理や対応を行いました。 また、業務課題の整理や要件定義をし、RFIを実施することによりコストや構築スケジュールを見積もり、調達や詳細な要件定義に向けての報告を行いました。

# ECにおける不正対策プロジェクト ECサイトでbotや大量アクセス・大量購入など一般ユーザとは思えないユーザの予測判定ロジックの開発に取り組みました。 転売目的のような不正ユーザの定義から始め、どういう対策が考えられるかのロードマップを議論し、不正対策プロジェクトとしてのコンセプトを作成しました。 また、現状の不正と思われる人数や購買のボリュームを集計し、インパクトがある取り込みであることを共有してプロジェクトを開始しました。 調査の中で様々なパターンを発見したため、それに対応するルールベースでのフィルタを作成し、プロダクト側との協力で対応策を実施しました。 予測モデルに関しては、PoCを継続したものの、外的環境の変化など不安定な要素が大きくクローズすることとしました。

# LLMを利用した提案生成ロジック開発 特許などの知財データに対して、社内で蓄積した関連情報を検索し、 両者を組み合わせた新たなインサイトをLLMにより出力するRAGシステムの構築に取り組んでいます。