• Student at National University

Bachelor of Engineering(Physics & Applied Mathematics)
Master of Engineering(Information Technology) -- In Progress

• Intarested in data science 📊
• Just a geek wannabe... 🤓

• Python 🐍

Pandas, Numpy, Pytorch, Optuna, Scikit-learn, LightGBM, Selenium, etc...

• Django 🎉

Instructor

• Ruby, Ruby on Rails 💎

So-so

• Git 🔄
• Docker 🐳

• SIGNATE STUDENTS CUP 2023 modeling category special award 🏆
• SIGNATE STUDENTS CUP 2023 Slack Activity award 💬
• SIGNATE Hiroshima Quest NEO special award 🌟

• Human Activity Recognition WISDM dataset with Transformer 🏃‍♂️

学部の研究では、WISDMデータセットを題材にTransformerを用いて人間行動識別に取り組みました。単一のTransformerモデルはすでに高精度のものが公開されていました。しかし、SoTAの精度でも97％と誤検知が人命に直結する人間行動識別において不安な精度のものしかありません。そこで私はモデルの出力に確度という概念を導入し、確度に着目したアンサンブル学習を行うことでテストデータの72％において99.5％の精度を達成しました。

• Cattle Estrus Detection with raw dataset with TransMIL🐄

修士の研究では、畜産業界の人手不足の解消や労働負担の軽減をすることを目指して深層学習を用いた放牧牛の管理システムの開発に取り組んでいます。中でもマルチモーダルアプローチに興味があり、動画像、角速度センサ、加速度センサから得られる多様なデータを統合し、単一のデータでは得られない高精度な発情検知を行うことを目指しています。※学会発表予定の内容を含んでいるため現在公開はしていません。

• JPHACKS-Emotter 😊

「Emotter（えもったー）」は、表情認識と自然言語感情認識を組み合わせた新感覚のSNSです。ユーザーの表情と投稿内容の感情が一致しない場合を偽りの表現と定義し、その一致度に基づいて投稿の表示頻度を調整します。開発の背景には、感情表現の正直さを重視し、インターネット上の偽情報を減少させる目的があります。技術面では、Python, Django, ferライブラリを使用し、表情とテキストの感情を分析しています。JPHACKSという日本最大級の学生ハッカソンで3人チーム丸２日かけて取り組みました。

• Railway Knowledge System with rinna 🚆

「Railway Knowledge System with Rinna」プロジェクトは、Microsoftによって開発されたAIチャットボット「りんな」を活用して構築された鉄道ナレッジシステムです。このシステムは、鉄道に関する技術的な基準や省令の解釈についてユーザーが問い合わせる際、自然な会話形式で回答を提供します。主にPython, transformersライブラリ, Faissを使用し、大量の鉄道関連データを効率的に検索・参照できるように設計されています。

• SIGNATE "Predict Blue Carbon Dynamics!" 🌊

4人チームで2023年の4月から5月にかけて取り組みました。様々な環境変数や衛星画像データをもとに、ブルーカーボンの重要な指標となる海草藻場の被度の予測を機械学習モデルLightGBMを用いて構築しています。

• SIGNATE Phone Price Prediction 📱

1人チームで2023年の5月にかけて取り組みました。携帯電話の機能データをもとに、携帯電話の価格帯の分類を機械学習モデルLightGBMを用いて構築しています。

• SIGNATE STUDENT CUP 2023 Used Car Price Prediction 🚗

2人チームで2023年の7月から8月にかけて取り組みました。中古自動車の情報(車種・走行距離など)をもとに、中古車の価格の予測を機械学習モデルLightGBMを用いて構築しています。

• SIGNATE SMBC Group GREEN×DATA Challenge 🌱

1人チームで2023年の12月から2024年の1月にかけて取り組みました。木の大きさ、潜在的な問題点、周辺環境といった定量および定性データをもとに、木の健康状態の予測を機械学習モデルLightGBMを用いて構築しています。

• HMS - Harmful Brain Activity Classification🧠

2人チームで2024年の3月から4月にかけて取り組みました。脳波の波形データから発作やその他の有害な脳活動を検出や分類を深層学習モデルを用いて構築しています。