齋藤 孝太

プロジェクト名 IBM社向け 離職率低減提案資料（データ分析・予測モデル活用） 概要 GCIの最終課題でIT業界における人材不足の背景を踏まえ、IBM社の人事データ（年齢、月収、残業時間、リモートワーク日数など）を分析し、離職率に影響を与える要因を特定しました。LightGBMモデルを用いて離職率を予測し、AUC 0.806という高精度な結果を達成。予測結果を基に、カウンセリング・待遇改善等の具体的施策を提案しました。 成果・効果 離職率上位10%かつ残業あり社員の残業削減により、離職率を15.6%→9.9%に改善可能 低所得層社員への給与改善により、離職率を15.6%→13.9%に改善可能 データドリブンな施策により、IT人材流出防止と採用コスト削減の効果を見込める 使用技術 Python（pandas, LightGBM, scikit-learn） データ可視化（特徴量重要度、傾向分析） 評価指標：AUC（0.806） 添付されているURLはこの提案資料のスライドです

プロジェクト名 自動運転のための道路交通標識判別システム（画像処理・機械学習プロジェクト） 概要 大学の授業の一環でチームでプロジェクトを実施しました。（私は主にCNNを担当しました）自動運転における交通標識認識精度の向上を目的に、画像処理、ディープラーニング、クラスタリング、特徴量ベース分類など複数の手法を実装・比較しました。環境変化（雨・霧・夜間・雪・強い光・レンズ汚れ・ブレ）を想定したデータ拡張を行い、現実環境での認識性能を向上させました。 成果・効果 CNN＋転移学習（VGG16, ResNet50, EfficientNetB0）で精度を約9%向上（loss 0.84 → 0.64、ReLUが最も有効） Random Forestによる特徴量ベース分類で Accuracy 0.88、F1スコア 0.88 を達成 simCLRによる自己教師ありクラスタリングを検証し、ラベルなしデータ分類の可能性を確認 現実の悪条件下でも標識認識精度が維持されるモデル構築の知見を獲得 使用技術 Python（NumPy, pandas, scikit-learn, OpenCV, TensorFlow, PyTorch） 画像処理（データ拡張、サリエンシーマップ、Median Filter） 機械学習（Random Forest）・深層学習（CNN, 転移学習）・クラスタリング（simCLR, GMM） 添付されたURLは最終発表の際に使ったスライドです。