Akira Kitauchi

株式会社ニューズピックス, データサイエンティスト

Masayuki Izumi

株式会社LayerX, バクラク事業部 PlatformEngineering部 Enablingチーム - Staff Software Engineer

Takuji Tahara

Madoka Sawa

Yuta Yoshida

株式会社ブレインパッド, リードデータサイエンティスト

Yamaguchi Takahiro

一條 端澄

Makoto Tanji

Kensuke Yasuma

Turing × atmaCup #18: 1st place

Kaggle Parkinson's Freezing of Gait Prediction: 2nd place(gold)

Kaggle Feedback Prize - English Language Learning: 4th place(solo gold)

Kaggle NBME - Score Clinical Patient Notes: 4th place(gold)

KaggleDays Championship in Moscow: 3rd place

Kaggle Google Brain - Ventilator Pressure Prediction: 15th place(gold)

Purchase Intent Prediction task in SIGIR eCom’21 Data Challenge: 3rd place

Booking.com Challenge: 6th place

RecSys Challenge 2020: 3rd place

Kaggle Days Tokyo Competition: 5th place

Kaggle IEEE-CIS Fraud Detection Competition: 5th place(gold)

atma杯 オンサイトデータコンペ #1 2nd place

Shuhei Goda

【論文紹介】EX2: exploration with exemplar models for deep reinforcement learning

Target Encoding はなぜ有効なのか

Kaggle Masterになるまでを振り返る

Turing × atmaCup #18 - 1st Place Solution

Weighted Averaging of Various LSTM Models for Next Destination Recommendation

【論文紹介】Learning sparse neural networks through L0 regularization

【論文紹介】Sparse Embedded k-means Clustering

A machine learning contest enhances automated freezing of gait detection and reveals time-of-day effects

Kaggle Grandmaster への道のりで得られたもの

Kaggle Rコンペ解法紹介

Feedback Prize - English Language Learning  における擬似ラベルの品質向上の取り組み

天体写真

Adversarial Validation to Select Validation Data for Evaluating Performance in E-commerce Purchase Intent Prediction

「Recommendation Industry Talks」の発起と開催

DEIM2023 DBSJ学生企画ナイトセッションに登壇

Accomplishments / Portfolio

統計検定2級

情報処理技術者（応用情報技術者）

Awards and Certifications

ジョブマッチングサービスにおける相互推薦システムの応用事例と課題

とある事業会社にとっての Kaggler の魅力

A Best-of-Both Approach to Improve Match Predictions and Reciprocal Recommendations for Job Search

Wantedlyは第38回 人工知能学会全国大会にプラチナスポンサーとして協賛し、インダストリアルセッションにて市村が登壇致します

第38回 人工知能学会全国大会 に協賛し、相互推薦システムの活用事例と技術的課題の紹介を行いました！

課題の解像度が荒かったことで意図した改善ができなかった話

Wantedly は DEIM2024（第16回データ工学と情報マネジメントに関するフォーラム）にゴールドスポンサーとして参加します

Wantedly におけるマッチング体験を最大化させるための推薦システム

機械学習領域のテックリードになって1年間取り組んできたこと

不可能を可能に変えていく。データサイエンティストが目指す「究極の適材適所」とは | Wantedly Engineer Blog

会社訪問アプリ「Wantedly Visit」での シゴトに関する興味選択機能と推薦改善

論文紹介: Improving Implicit Feedback-Based Recommendation through Multi-Behavior Alignment(Xin Xin et al., 2023)

ウォンテッドリーにおける推薦システム開発の流れ

Wantedly 推薦チームで RecSys 2023 に現地参加しました & RecSys 論文読み会の会場スポンサーします

ウォンテッドリーにおける推薦システムのオフライン評価の仕組み

Kaggle Grandmaster への道のりで得られたこと w/ @jy_msc by Wantedly Engineering Podcast

ウォンテッドリーの5年間に渡る推薦システムの変遷

Wantedly は DEIM2023（第15回データ工学と情報マネジメントに関するフォーラム）にゴールドスポンサーとして参加します

なぜ Wantedly に推薦システムが必要なのか w/ @jy_msc by Wantedly Engineering Podcast

会社訪問アプリ「Wantedly Visit」における 人・仕事・会社の関係性を考慮した相互推薦システム

機械学習でプロダクト成長させる技術と組織を3社のMLエンジニアが語る - note/コネヒト/Wantedly

テックリードの頭の中 - モバイルと推薦のリードに話を聞いてみた by @Altech_2015 w/ @swiz_ard @jy_msc by Wantedly Engineering Podcast

なぜ Wantedly に推薦システムが必要なのか

Kaggle Days Championship @ Barcelona に参加しました

Wantedly RecSys 2022 参加レポート⑤ - RecSys in HR

Wantedly RecSys 2022 参加レポート① - Wantedly データサイエンスチームで RecSys 2022 にオンライン参加しました

会社訪問アプリ「Wantedly Visit」における推薦システム開発事例

会社訪問アプリ「Wantedly Visit」 における募集画像がユーザーに与える影響

"Kaggle" に集中できる推薦基盤改善 w/ @jy_msc by Wantedly Engineering Podcast

Wantedly RecSys 2021 参加レポート④ - 推薦システムのユーザインターフェース

DEIM2021技術報告 / 会社訪問アプリ「Wantedly Visit」のデータで見る相互推薦システム

Wantedly RecSys 2020 参加レポート⑥ - Offline Evaluation in Recommender Systems

RecSys Challenge 2020 Workshop: A Stacking Ensemble Model for Prediction of Multi-type Tweet Engagements

A Stacking Ensemble Model for Prediction of Multi-type Tweet Engagements

The Web Conference2020 参加報告会 - 論文・セッション紹介

Kaggle Google Quest Q&A Labeling - 23rd place solution

Kaggle Days Tokyo Report #2

Publications

機械学習

Python

kaggle 

仕事で使える仮想化・コンテナ・サーバーレス技術

仕事で使えるミドルウェアサービス・製品

扱えるモニタリング / オブザーバビリティツール

仕事で使えるAI開発プラットフォーム・製品

仕事で使えるデータプラットフォーム製品・ベンダー

仕事で使えるデータ統合 / 変換 / 管理ツール

持っているデータサイエンス系資格

データサイエンス関連の国際会議における論文採択の数

持っているデータベース関連の資格

携わったプロダクト・サービスの種類

携わったプロダクト・サービスの段階

経験したプロジェクトの契約形態

直接マネジメントしたことのある人数

経験した開発ライフサイクルモデル

データサイエンティスト