龍崎 翔子

吉村 武

株式会社バンダイナムコネクサス, データストラテジーオフィス

Sho Maekawa

コミューン株式会社, データチームアクティングマネージャー

颯 中村

私は現在、機械学習の実践力を高めることを目的に、Kaggleのコンペティションに参加しています。目標は明確で、将来的にメダルを獲得することを掲げています。まだメダル獲得には至っていませんが、参加を重ねる中で実務に近い形でのデータ処理、特徴量設計、モデル選定、評価指標の活用といった一連のワークフローを経験することができ、着実に力をつけてきていると感じています。
特に、他の参加者のノートブックやディスカッションを積極的に読み込み、工夫された前処理やアンサンブル手法、ハイパーパラメータ調整の方法などを吸収し、自分の実装に反映させることで、理論の理解に加えて「現場で通用する」知識が身についてきました。また、複数のコンペティションに挑戦する中で、扱うデータの性質や課題設定の違いに応じた柔軟な対応力も養われています。
Kaggleでの活動は、単なるスキルアップにとどまらず、論理的な思考をもとに仮説を立て、データをもとにその正しさを検証し、改善を繰り返すという、研究や実務に共通するプロセスを体得できる貴重な機会となっています。今後も継続して参加し、技術の深化とともに目標達成を目指して取り組んでいきます。

機械学習コンペティション

AtCoderでは毎週開催されるコンテスト（ABC)に継続的に参加し、問題に取り組む中で、アルゴリズムの実装力や時間配分の感覚を磨きました。特に、苦手と感じた問題に対しては復習を重視し、Notionを活用してデータベースを作成しました。そこでは問題のジャンル（例：全探索、DP、二分探索など）や正答までの所要時間、間違えた原因、改善点などを記録することで、弱点の可視化と知識の定着を図りました。
その結果、約5か月という短期間でAtCoderのレーティングを900まで引き上げることに成功しました。これは中級者の領域に到達したことを意味し、コンテスト内でも徐々に上位に食い込めるようになりました。
この取り組みを通じて、問題解決力や論理的思考力に加え、自ら学習を設計・管理する力が大きく伸びました。特に、復習をシステム化し、記録を積み重ねることで知識の定着を加速させる学習習慣は、研究や実務にも通じる重要なスキルです。また、失敗を糧に改善を繰り返す姿勢や、継続する力の大切さも実感しました。
今後もこのような学びのサイクルを継続しながら、より高度な問題にも挑戦し、自身の思考力と技術力をさらに磨いていきたいと考えています。

颯中村

颯中村

颯 中村

颯 中村

颯中村

颯中村