400万人が利用するビジネスSNS
性格は真面目で、困難な課題に対して粘り強く取り組む姿勢があります。大学院進学前はソフトウェア開発エンジニアとしてAndroidアプリやWebフロントエンドの開発を経験し、大学院では深層学習を活用して生理信号の解析を行い、感情認識や個体識別の研究に従事しました。新しい技術への関心も高く、生成AIの講義では音声対話システムを構築・評価し、研究では大規模言語モデルによる生理信号解析にも挑戦しました。趣味はスポーツで、特にバスケットボールとジムでのトレーニングを好んでいます。
研究で培った深層学習および生理信号解析の知見を基盤に、実務で即活用できるAIシステムの開発に携わりたいと考えています。特に、汎化性能やロバスト性を意識したモデル設計・評価を通じて、安定して動作する実装を重視しています。
機械学習・深層学習を用いた生理信号データの解析基盤を構築しました。CNN・LSTM・Transformer系のモデルを実装し、データ前処理から学習パイプライン設計、性能比較・ハイパーパラメータ調整まで一貫して担当しました。各モデルの特性を踏まえて最適化を行い、汎化性能の検証と改善を実施しました。また、大規模モデルを活用した異種データ統合にも取り組み、実験設計・評価・結果分析まで自ら主導しました。
法政大学 / 情報科学研究科情報科学専攻
近年、メンタルヘルス支援技術として感情認識への関心が高まっています。本研究では、Attention機構を基盤とするCNN-Transformerモデルを用い、どの生理信号（EEG・ECG・GSR）が感情分類に適しているかを比較検証しました。 AMIGOSデータセット（40名分の生理信号データ）を用いて、arousalおよびvalenceの二値分類を実施しました。各信号ごとにモデルを構築し性能を比較した結果、ECGが最も高い分類精度を示しました。また、ECGとEEGを組み合わせることで、さらに精度が向上することを確認しました。 本研究を通じて、CNN-Transformerモデルにおける最適な信号選択およびマルチモーダル統合の有効性を示しました。
