Discover companies you will love
ミイダス株式会社 / HRサイエンス研究所 シニアリサーチャー
ミイダスHRサイエンス研究所 シニアリサーチャー。ミイダスサービスのなかで、ユーザー行動の裏に走るロジックをデータから解き明かすことと、サービスに参加する多数のステークホルダに共通する利益を最適に近づけることを考えています。過去には、統計学と機械学習の研究者として、医学・生物学・神経科学における高次元少量データの解析に携わっていました。
適材適所の理想形をデザインするサイエンスを通して、人と組織を元気にしてゆくことに貢献してゆきたい。
/assets/images/4749383/original/45dae799-b439-4be5-911d-3389d0047ac2?1601010710){kind=avatar}
適材適所の理想を情報科学で形にする
推薦エンジンの基盤となるデータベースを（ミイダスの基盤DBとは別に）再構成すること、推薦エンジンと希望条件マッチングをスムーズに統合すること、推薦エンジンを定期的に更新できるように再デザインすること、推薦エンジンの心臓部となる機械学習アルゴリズムの変更、などについてチームメンバーを増やしながら2年ほどかけながら対応しました。 主に推薦システムを取り扱い続けてきたチームは、職種・スキルデータベースの科学、ユーザー行動モデリング、転職市場の労働経済学など、手広い対象を扱うようになり、情報科学研究グループと名前を変えました。
求職者と求人オファーの属性に基づいて、求職者にマッチしたオファーに優先順位をつける仕組み（推薦エンジン；推薦システム）を開発しました。それまでは、SQL による希望条件マッチングによってオファーリストが作られていました。 私と担当技術者の２人体制で機械学習に基づく心臓部デザインとAPI開発まで、ほぼ ２ヶ月ほどの突貫工事を行い、これをAPIにして開発部署に渡し、そこから２ヶ月ほどでサービスインし、その後１ヶ月ほどで本番環境における応募率の大幅改善を確認しました。
統計学・機械学習・生命情報学・神経科学・人工知能
講師という職位は、専任教員のなかで、助教→講師→准教授→教授のラインの下から２番目であり、専攻会議のメンバーとして専攻業務を行います。 さらに具体的には、研究室に配属された学生の研究指導、各種講義・演習の担当のほか、専攻やキャンパスの運営、などに関わらせていただきました。また、学会の運営、競争的資金の獲得やプロジェクト管理も頑張りました。 研究・教育以外の役割は、大学教員の間で「雑務」と呼ばれることの多かった仕事ですが、これを通してボトムアップ型自治組織の仕組みを知ることができたのが個人的に面白かったです。 研究者としては、ベイズ統計およびこれを用いた機械学習に関する理論研究を中心として、神経科学・生命情報科学・ロボット制御・計算機科学などの応用にも共同研究や学生指導の一環として関わりました。自由エネルギー原理に基づいて脳型人工知能をデザインするプロジェクトは、一連の研究のひとつの集大成を目指しましたが、わかりやすい結果には繋がらず、心残りとなっています。
機械学習・生命情報学
神経芽腫（小児がんの一種）に関わる千葉県がんセンターを中心とした共同研究に、情報科学の専門家として参画しました。神経芽腫は、当時の各種有力マーカーに基づく診断において予後の良いタイプ（手術は不要であり自然寛解することも多い）、予後の悪いタイプ（手術が必要）のほかに、中間型タイプがあるとされていました。中間型はおそらく予後良・予後悪の混合からなりますが、予後良タイプに対して手術を行うのは患者の身体的負担が大きく、予後悪を放置すれば患者のリスクとなります。われわれはマイクロアレイ技術による5000遺伝子の発現量解析を適用することによって、中間型タイプの予後の良し悪しを高精度で分類できることを示しました。 これを示した論文は Cancer Cell 誌（当時インパクトファクター 20）[1] に掲載され、大きな反響をいただきました。またこの後、搭載遺伝子数を絞ることで診断コストを下げた小型マイクロアレイを実用化しました[2]。 Ohira, M.*, Oba, S*., Nakamura, Y., Isogai, E., Kaneko, S., Hirata, T., Kubo, H., Goto, T., Yamada, S., Yoshida, Y., Ishii, S.,and Nakagawara, A. (2005) Expression profiling using a tumor-specific cDNA microarray predicts the prognosis of intermediate-risk neuroblastomas. Cancer Cell, 7(4), pp.337-350.
ミイダス株式会社 / HRサイエンス研究所 シニアリサーチャー
求職者と求人オファーの属性に基づいて、求職者にマッチしたオファーに優先順位をつける仕組み（推薦エンジン；推薦システム）を開発しました。それまでは、SQL による希望条件マッチングによってオファーリストが作られていました。 私と担当技術者の２人体制で機械学習に基づく心臓部デザインとAPI開発まで、ほぼ ２ヶ月ほどの突貫工事を行い、これをAPIにして開発部署に渡し、そこから２ヶ月ほどでサービスインし、その後１ヶ月ほどで本番環境における応募率の大幅改善を確認しました。
