リサーチエンジニア
理化学研究所
エンジニアリングの力で科学研究を加速する「AI for Science」に挑戦中。研究の最前線で、AIシステムの研究開発を担っています。
AI Engineer — RIKEN
研究から実装、導入まで。
信頼できるAIを、実務に導入し価値に繋げるエンジニア。
機械学習、ソフトウェアエンジニアリング、研究、ビジネス—4つの領域のスキルを駆使して、AIシステムをアイデアの段階から現場への導入まで一貫して手掛けています。
これまで製造・小売・金融など幅広い業界で、機械学習・生成AIの実務導入に携わってきました。導入にあたっては、生成AIの品質評価やAIセキュリティなど、AIを安全に活用するための知見も活かしています。現在は理化学研究所で、AIの力で科学研究を加速する「AI for Science」に取り組んでいます。
また、『先輩データサイエンティストからの指南書』(技術評論社)を共著で執筆したほか、litellmなどのOSSへの貢献や個人プロダクトの開発を通じて、学んだことを形にして発信しています。
生成AIブームの前から、機械学習を実務で使い続けてきました。深層学習から生成AI・AIエージェントまで、課題に向き合って最適な手法で必要な精度を実現します。
アイデアをPoCで終わらせず、現場で使われるシステムまで辿り着かせます。アルゴリズムの考案から実装、導入まで全工程を担えるため、分業の隙間で開発が止まりません。
AIを安心して本番運用できる状態で届けます。生成AIの品質評価やAIセキュリティ、ガバナンスの実務経験に基づき、性能だけでなくリスクまで設計します。
データの前処理・分析から機械学習モデルの構築、MLOpsまでの実践経験。
NumpyPandasscikit-learnLightGBMPyTorchVertex AI PipelineLLMアプリケーションの開発・精度チューニング経験。松尾研LLM開発コンペ2025に参加し、基盤モデルの学習にも携わる。
LangChainLiteLLMRAGAIエージェント基盤モデル学習APIの設計・開発を中心としたバックエンド実装。
PythonFastAPIFlaskGoRDB・NoSQL双方の実務経験と、パフォーマンスチューニングの知見。
PostgreSQLFirestoreCosmosDBSPA開発と高速プロトタイピング。Lighthouseを用いたパフォーマンスチューニング。
Vue.jsSvelteDashStreamlitクラウド上でのアプリケーション構築と、IaCによるインフラ管理。
GCPAzureAWSTerraformAIセキュリティに関しての知見がある。CTFにも参加している。
責務分離・疎結合・モジュール化を意識した再利用性・拡張性の高い設計。可用性・保守性・障害耐性を考慮したエンタープライズ向けAIプロダクトの設計・品質管理経験。
リサーチエンジニア
エンジニアリングの力で科学研究を加速する「AI for Science」に挑戦中。研究の最前線で、AIシステムの研究開発を担っています。
Software Engineer & Solutions Engineer
AIガバナンスのプロダクト開発と、プリセールス・PoC・導入支援を両輪で担当。技術はビジネスの言葉に翻訳されて初めて価値になる—それを顧客との最前線で学びました。NEDO事業では生成AIの品質・安全性を調査研究し、成果を生成AI実践ガイドと企業事例集として公開しています。
機械学習エンジニア
製造・小売・金融の現場で、機械学習・生成AIのPoCとシステム開発を多数経験。開発リードとして生成AI活用基盤を立ち上げからリリースまで牽引し、「現場で使われるAI」の作り方を体得しました。
など多数
バグ修正や機能改善を中心に、各種OSSプロジェクトへPRを提出。BerriAI/litellmでは、LLMプロバイダ対応やObservability連携の改善などに特に積極的に貢献。