{"data":{"jobs":{"edges":[{"node":{"frontmatter":{"title":"クラウド・AI・シミュレーション環境開発エンジニア","company":"Astemo","location":"茨城, 日本","range":"2025年12月 - 現在","url":"https://www.astemo.com/"},"html":"<ul>\n<li>自動運転アルゴリズムテスト環境の構築・バージョンアップ・構成管理を担当。自動化スクリプト（Python/Go）を作成し、1回あたり約6時間かかっていたバージョン更新作業を1時間以内に短縮。</li>\n<li>ヨーロッパのアルゴリズム開発チームおよびテストソフト開発チームと英語で対応し、テスト障害の原因分析・要件定義・対策検討を実施。平均障害対応時間24時間以内を維持しつつ、クラウドDBのオートスケーリングやテストPodの自動増減など複数のインフラ改善を実現。</li>\n<li>アルゴリズム実行結果の定量分析・問題再現調査を担当。自動化パイプラインによるテスト結果の定量評価と可視化インターフェースを構築。</li>\n<li>使用技術：Python, Go, Terraform, ArgoCD, GitLab, Kubernetes, AWS (S3/ECR/RDS)</li>\n</ul>"}},{"node":{"frontmatter":{"title":"研究員","company":"名古屋大学","location":"名古屋, 日本","range":"2023年4月 - 2025年11月","url":"https://www.nagoya-u.ac.jp/"},"html":"<p><strong>常勤研究員</strong> (2025年4月 – 2025年11月)</p>\n<ul>\n<li>症状・病歴・CT画像を入力として疾患を分析し自動診断Q&#x26;Aを行うVLM（Vision-Language Model）の研究開発に従事。成果は名古屋大学公式サイトに掲載され、国際会議（SPIE Medical Imaging 2026）にて発表。</li>\n<li>単一写真からの体型推定および内部臓器形状生成モデルの研究開発を主導。デモ要件定義・アルゴリズム開発・チーム調整・進捗管理を担当し、成果は2025年大阪・関西万博（EXPO 2025）にて展示された。</li>\n</ul>\n<p><strong>非常勤研究員</strong> (2023年4月 – 2025年3月)</p>\n<ul>\n<li>少数アノテーションを用いたSemi/Scribble Supervised Medical Image Segmentationの研究開発に従事。内視鏡手術映像のパノプティックセグメンテーション、CT/MRI画像からの臓器・病変領域の分割などに取り組んだ。</li>\n<li>大腸内視鏡映像からの腸管3D再構成、内視鏡手術映像からの腹腔内臓器3D再構成を実現。開発した内視鏡手術3D再構成モデルは、名古屋大学附属病院にて教育用ソフトウェアとして試験運用中。</li>\n<li>国際会議4件・SCI学術誌3件・国内学会複数件の研究成果を発表。</li>\n</ul>"}},{"node":{"frontmatter":{"title":"機械学習エンジニア（インターン）","company":"エルピクセル","location":"東京, 日本","range":"2024年12月 - 2025年3月","url":"https://elpixel.net/"},"html":"<ul>\n<li>DICOM画像とアノテーション間の処理パイプラインを構築。</li>\n<li>造影CTと単純CTの位置合わせアルゴリズムを開発。</li>\n<li>少数アノテーションデータを用いた膵臓・病変のセグメンテーションおよび分類モデルを開発し、検収完了まで担当。</li>\n<li>使用技術：Python, PyTorch, MONAI, SimpleITK, DICOM処理</li>\n</ul>"}},{"node":{"frontmatter":{"title":"AIエンジニア","company":"TAIIC","location":"天津, 中国","range":"2022年7月 - 2023年2月","url":"https://www.taiic.cn/"},"html":"<ul>\n<li>ドローンカメラの動画を使用し、目標検出および3D再構成アルゴリズムの開発・展開を担当。</li>\n<li>生成したテストデータと元データを用いてモデルを学習し、mAPを0.96以上まで向上させ、実運用可能な水準まで性能を向上。</li>\n<li>モデルの量子化・最適化（TensorRT/ONNX）・デプロイを実施。プロジェクトは実地試験を順調に通過し、検収に成功。</li>\n<li>使用技術：Python, C++, ONNX, TensorRT, Docker</li>\n</ul>"}}]}}}