中田 裕貴

建設会社のHP用にIBM Watsonを用いたChatBotアプリの作成を行いました。 また、HPのDB内容を操作するための管理画面アプリも同時期に新規に作成を行いました。 主な利用技術スタックは以下に記載しますが、IBM Watsonを用いてユーザーの入力からどの様な文脈の内容が入力されているかを判定し、Pythonを使ったREST API内で会話の文脈に沿った回答を選出して出力する。という開発を行っていました。 管理画面アプリは顧客から開発に依頼しなくても自らデータの入れ替えを行える様にNext.js, Nest.jsを用いて簡易的な管理画面アプリの作成を同時並行で進めました。 既存のアプリケーションではDBのカラム増減が手作業SQLで行われており、ヒューマンエラーが発生しうる可能性が非常に高かったため、管理画面の開発時にSQL AlchemyによるDB migration機能の追加作業も行いました。 また、副次的な内容になりますが、社員の中に日本在住のアメリカ人の方もいたため、PMとして英語でのやりとりタスクマネージメントを行っていました。 利用技術： Python, Docker, IBM Watson, Next.js, Nest.js, Flast, MySQL, AWS

Word2Vecを用い、Airbnbが発表している「Real-time Personalization using Embeddings for Search Ranking at Airbnb」という論文を元にレコメンドシステムのPoC作成を行いました。 担当部分はWord2Vecの利用したレコメンド機能のための前処理、学習モデルの生成、学習モデルを用いた近似ベクトルの出力と結果の整形、出力結果の精度調査です。 学習データの前処理の段階ではデータベース（BigQuery）に登録してあるデータを必要分抽出し、gensim(word2vec)で利用できる様にnull値を置き換える、カテゴリカルエンコーディングを利用してカテゴリを数値で表現する作業を行いました。その際データベースがstar schema型を利用していたり、BigQueryの利用などが初でしたので、少々苦労しました。 こちらの記事で紹介されている様にBigQueryには構造体という概念があり、構造体での取得、構造体をRDB方式で取得するようにSQLをコネコネする作業がこの案件の業務内では比較的苦労しました。 https://dev.classmethod.jp/articles/bigquery-advent-calendar-2020-array-type-and-struct-type/ 使用技術： Python, Docker, gensim (word2vec), GoogleBigQueryを用いて必要な情報を抽出 gensim(word2vec) https://radimrehurek.com/gensim/models/word2vec.html