プロフィール

• 名前: 千葉 大稀 (Daiki Chiba)

北海道白糠町出身。北海道釧路湖陵高等学校を経て、新潟大学理学部物理学科に進学し、2019年に卒業しました。卒業後は機械学習エンジニアとして、モデルの研究開発からMLOps、運用改善、データセットの品質改善まで、機械学習に関わる業務に幅広く取り組んできました。特にComputer VisionとDocument AIの領域を中心に、モデル開発だけでなく、ソフトウェアやインフラを横断した課題解決に取り組んでいます。

• 職種: 機械学習エンジニア
• Kaggle: Competition Expert（金 0、銀 2、銅 3）
• 連絡先: daikichiba.tech.ml[at]gmail.com

専門・関心領域

• 応用機械学習
  • コンピュータビジョン・文書AI
  • データセット設計・アノテーション品質・評価設計
• MLシステム
  • MLOps・本番運用
  • データエンジニアリング・データマネジメント
• 現在の関心
  • 検索システム・情報アクセス
  • VLMを含むマルチモーダルAIの活用
  • コンピュータビジョンモデルのリアルタイム推論
• 持続的なプロダクト・システム開発
  • ユーザーとビジネスに長期的な価値を届けるプロダクト開発・システムアーキテクチャ
  • 保守・運用コストを抑える、変更容易・テスト容易な設計
  • 本質的な複雑さに向き合い、偶発的な複雑さを抑える設計
  • 人間とAIエージェントが協働しやすい開発環境・システム

リンク

• GitHub
• LinkedIn
• Wantedly
• Lapras
• Kaggle
• Zenn
• Bluesky
• SpeakerDeck

職歴

• 2019年7月〜2021年12月: 機械学習エンジニア

  • レコメンドモデルの開発
  • メモリデバイスのテストデータを対象とした予測モデルの研究開発
  • 英語学習者のレベルを評価するモデルの開発と、AWSやCircleCIを用いたMLOps

• 2022年1月〜現在: 機械学習エンジニア

  • 帳票系SaaSで、AI関連APIの要件定義から研究開発、運用・保守まで一貫して担当
  • 帳票画像読み取りでは、モデルアーキテクチャの改善に加え、アノテーション基準の整備とデータセットの再構築を通じて実運用品質を改善
  • 推論コストの改善、学習データ準備パイプライン、HITLによる評価・継続学習基盤、ドキュメント検索基盤など、MLを継続的に価値へつなげるシステムを設計・運用

コンペティション実績

Kaggle

• Image Matching Challenge 2022 - 個人参加、99位 コンペページ
• Child Mind Institute - Detect Sleep States - チーム参加、34位 コンペページ
• LEAP - Atmospheric Physics using AI (ClimSim) - 個人参加、55位 コンペページ
• CZII - CryoET Object Identification - チーム参加、54位 コンペページ
• Yale/UNC-CH - Geophysical Waveform Inversion - チーム参加、18位 コンペページ

コミュニティコンペティション

• 26-shinnen-3Dpathology - チーム参加、5位 コンペページ

atmaCup

• atmaCup #17 - 個人参加、12位 コンペページ

ライセンス

本ブログの記事は以下のライセンスの下で公開しています。

• 記事本文: CC BY 4.0 - 著作者表示を行えば自由に利用できます
• コードスニペット: MIT License - 自由にお使いください

© 2024 Daiki Chiba