ウォンテッドリー株式会社
名刺認識精度の改善(エラーの削減割合)
Wantedly People の名刺認識のエラー率を大幅に削減しました。 DeepLearning を用いた機械学習モデルを学習し、既存のシステムと共存させることで、大きく精度を改善することができました。 また、Wantedly にとって初めて DeepLearning を用いたモデル導入だったため、GCP を用いた学習プロセスやデプロイ方法についても整備しました。
400万人が利用する会社訪問アプリ
株式会社ヘンリー / Lead Engineer
株式会社ヘンリーで電子カルテのバックエンド開発をしています。
社会のシステムに良い変化を及ぼせるような仕事をしたい。 一握りの人々だけに価値を提供するのではなく、幅広い人々に価値を届けられることを大切にしながら課題を解決したい。
Henry の医事会計システム部分のバックエンドをメインに開発をしています。 経験豊富なメンバーが join してくれたので、Tech Lead 的な動きをメインに据えて、やれることはなんでもやっています。
プロダクトが大きくなってきたので、チームを分割し、医事会計システム部分のコンポーネントを開発するチームのリードをしていました。
電子カルテ Henry の開発をしていました。
Wantedly People の機械学習やデータ分析に関する開発に責任を持っています
Wantedly People の名刺読み取りや推薦のためのモデル作成と、それに関連するサーバサイド実装を行っています。
仮想化環境における,アプリケーションに特化したオペレーティングシステムの構成についての研究をしていました
Web アプリケーション開発
ウォンテッドリー株式会社
Wantedly People の名刺認識のエラー率を大幅に削減しました。 DeepLearning を用いた機械学習モデルを学習し、既存のシステムと共存させることで、大きく精度を改善することができました。 また、Wantedly にとって初めて DeepLearning を用いたモデル導入だったため、GCP を用いた学習プロセスやデプロイ方法についても整備しました。