スタッフ紹介
Our Proud Professionals.
AISingを代表するプロフェッショナルたちは、道なき道を切り拓いてきたメンバーばかりです。
その歩みの一部をぜひ知ってください
リサーチ＆デベロップメント部 データサイエンスチーム
リードデータサイエンティスト
一問一答で深堀
経歴
試験装置メーカーで設計・評価を担当後、自動車メーカーでバッテリセンサ開発に従事
保有資格・スキル
G検定（JDLA）、E資格（JDLA）取得。AI関連技術に関する特許を1件取得。
AIプロジェクト実績
製造業、エネルギー・インフラ業界のお客様のAIプロジェクトに従事（年間平均：約9件）
課題の“芯”を見極め、形にしていく——データサイエンティストとしての向き合い方
データサイエンティストとして案件に向き合う際に意識しているのは、お客様の課題の“芯”を正確につかむことです。
製造業の現場では、課題が明確に整理されていないことも多く、装置の動きや運転条件を一つずつ確認しながら、「どのアプローチが現場にとって本当に意味があるのか」を丁寧に探っていきます。要望の実現だけを目的にするのではなく、その設備にとって本質的な改善につながる提案ができているかを常に考え、課題が整理できた段階で「どんなAIを作るべきか」「どの手順が最も効果的か」を要件定義へ落とし込むようにしています。初期設計が成果を左右するため、特に慎重に進めています。
案件開始後は、まず装置理解に取り組みます。理解が浅いまま進めるとフィードバックが的外れになる可能性があるため、表面的なデータだけに頼らず、現地視察で設備を実際に見ることを大切にしています。
装置特有の癖や微細な挙動は現場でしか気づけないことも多く、そうした観察が精度向上のヒントになります。
分析工程では、時系列プロットの確認、散布図・ヒストグラムでの相関把握、基本統計量のチェックを行いながら、使用する特徴量や説明変数・目的変数を設計していきます。製造業のデータは、取得範囲が設備によって変わることも多く、「どう設計すればモデルが現象を捉えやすくなるか」を探る試行錯誤が欠かせません。
多くの仮説を立てて検証する日々が続きますが、そうした積み重ねの先でモデルが改善した時に大きなやりがいを感じます。
リーダーとしては、メンバーのアウトプットが“実際に現場で使える成果になっているか”にも注意を向けています。
「意図が伝わる構成になっているか」「お客様の知りたい点に沿っているか」を一緒に確認し、必要に応じて方向を軌道修正するようにしています。こうした積み重ねの先で現場で使える精度に到達したとき、チームとしての取り組みに手応えを感じます。
成果を支えるチームワーク——確かな議論と知見の共有
社内には、自分の専門を深めたい人や新しい分野に挑戦したい人が多く、学習意欲のあるメンバーが集まっています。その一つが、毎週開催している勉強会です。AIや制御分野をテーマに、週に2人が持ち回りで発表します。1人あたり約30分で、最新手法の検証結果や試行錯誤の気づきなどを共有します。統計検定の学習内容を題材にするメンバーもおり、互いに必要な知識を補い合う場になっています。
この勉強会をきっかけに、社内コンペも行われるようになりました。シミュレーション環境を使って高精度な制御AIを目指す取り組みや、一般的なデータセットによる画像認識など、実践的な検証の機会が増えました。
加えて、社外との接点を持つ機会もあります。学会参加では他社や研究機関の最先端の取り組みに触れる機会となっています。さらに、自主的にLT会を企画し、社内外で技術を共有する場を作っているメンバーもいます。
こうした機会を通じて知見が行き交い、難しい製造データに向き合う際の視点や引き出しが着実に増えています。その積み重ねが、チーム全体の底力につながっています。
技術を丁寧に届けるために——エンジニアブログ立ち上げの背景
エンジニアブログを始めたきっかけは、次世代リーダープロジェクトの中で「技術発信の強化」をテーマに掲げたことです。
展示会ではデモ機を使って説明する場面が多くありますが、短時間では背景となる技術まで十分に伝えきれないことがあります。興味を持っていただいた方に、より深い情報を届けたいと考え、デモ機の挙動に隠れた考え方や精度向上の工夫まで丁寧に伝える場として、エンジニアブログの立ち上げを企画しました。
扱うテーマは、デモ機の仕組み、強化学習の解説、研究寄りのトピックなど多岐にわたります。エイシング独自のエッジAIや制御AIに加え、先端的なAI研究にも触れながら、当社の技術的な取り組みを知っていただけるよう意識しています。
また、記事を書く過程で自分自身の理解が整理されるとともに、社内での技術共有にもつながっています。現在は他のメンバーとも連携しながら更新を続けており、技術の蓄積と発信の両面で価値のある取り組みになってきています。
関連記事：
>>【制御AI】AI-PIDについての記事はこちら<<
>>【制御AI】AI-PIDを用いた蛇行制御デモ機の記事はこちら<<
>>強化学習 Q学習の考え方の記事はこちら<<
製造業のAIを前に進めるために——データの“難しさ”とどう向き合うか
製造業でAIを扱うと、データの難しさに直面する場面が数多くあります。時系列データが中心で、その取得方法や粒度が装置ごとに異なるため、一般的なAIの成功パターンがそのまま通用しないケースも少なくありません。さらに、目的変数に影響を与える重要な情報が取得対象になっていないこともあり、説明変数の設計が成果を大きく左右します。
こうした“データの非共通性”は、製造業全体に共通する構造的な課題でもあります。この部分を業界横断で整理・共通化できる技術が生まれれば、産業全体のAI活用が前進する可能性があると考えています。私自身もエイシングにおいて、この領域に継続的に関わっていきたいと考えています。
データサイエンスやAIを通じて、ものづくりの現場がより発展していくことに、技術の側面から貢献していきたいと考えています。
ある1日のスケジュール
8:00
起床
10:00
業務開始／分析・準備作業
・メールやチャットを確認し、その日の打ち合わせや作業内容などタスクを整理する
・前日に実行した学習プログラムや検証用スクリプトの結果を確認し、ログやグラフをチェックする
・PoC案件や開発案件のデータを見ながら、次に試す方針を整理する
12:00
ランチ
メンバーや他部署の人と、会社周辺でランチ
技術の話や仕事の近況などを気軽に会話する
13:00
打ち合わせ
・社内では、提案内容や進め方の議論、各案件の進捗共有を実施する
・社外では、お客様との定例ミーティングで進捗報告や方向性のすり合わせを行う
16:00
開発・分析・設計
・打ち合わせ内容を踏まえて、分析の見直しやコードの実装、アルゴリズム構成の検討を進める
・必要に応じて学習ジョブを実行し、夜間に回す設定をする
19:00
業務終了
24:00
就寝
休日は、子どもと近所の公園に出かけることが多く、気分転換の時間になっている
募集要項
データサイエンティスト
勤務地
東京都港区赤坂6-19-45 または自宅
仕事内容日本を代表する大手製造業のクライアントに対して、独自開発のAIプロダクトなどの提案、PoCおよび本開発業務を通じた課題解決をお任せします
クライアントが抱える経営課題を、機械学習/統計/数理最適などのデータサイエンスの力で解決するために、当社のコンサルタントや組み込みエンジニアと連携しながら、実践的かつ最適な技術の選定、アプローチ検討からソリューション開発/実装までをリードいただきます
AIコンサルタント
勤務地
東京都港区赤坂6-19-45 または自宅
仕事内容日本を代表する大手製造業クライアントをメインターゲットとし、顧客の課題を解決するために、弊社独自のAIプロダクトを始め、最適なソリューションを提案/提供する業務に従事いただきます
顧客が抱えるペインを引き出し、AI戦略の立案、課題の特定及び施策を提案・実行することにより、顧客の課題に寄り添い、伴走する一方で、新領域の探索やリサーチなど、ビジネスを自身の手で創り上げる役割も担います