Shunsuke Tsuchiya

Appearance

履歴書・職務経歴書 ​

概要 ​

2021年12月の株式会社PR TIMES主催のハッカソンでの入賞をきっかけに、インターンを経て新卒入社。ウェブアプリケーション、検索システム、機械学習プロジェクトに携わる。2024年8月にファインディ株式会社に参画。データエンジニア・プラットフォームエンジニアとしてデータ基盤の設計・開発に従事。

経歴 ​

A1A株式会社 ​

概要 ​

  • 会社名: A1A株式会社
  • 創業: 2018年6月26日
  • 従業員数: 非公表
  • 所属期間: 2024-09-01 - 現在
  • 所属部署: プロダクトチーム
  • 職種: 技術調査、設計レビュー、開発等
  • 補足: 開発ではLangChainを用いたマルチモーダルなAI機能のテストシステム構築、精度改善をしておりました。

ファインディ株式会社 ​

概要 ​

  • 会社名: ファインディ株式会社
  • 創業: 2016年7月1日
  • 従業員数: 275名 (2024年9月時点)
  • 所属期間: 2024-08-16 - 現在
  • 所属部署: CTO室
  • 職種: データエンジニア・プラットフォームエンジニア

Findy Toolsデータ基盤構築 ​

Findy Toolsのデータ基盤の新規構築に携わりました。設計や実装をメインで行いました。

具体的には、AWSからGoogle Cloudデータを移送するシステムをECS、データを加工するシステムをBigQueryとdbtで構築しています。インフラリソースの管理はTerraformをGitHub Actionsで動かすことで管理しています。また、上記システムの監視システムも併せて開発しました。Googleのリソースは、Cloud LoggingとCloud Monitoring、AWSのリソースはCloudWatch, SNS, Chatbotを利用しました。

基盤構築後、Looker Studioを利用したBIの機能追加など運用保守に携わっております。

参考: https://tech.findy.co.jp/entry/findy_tools_data_infrastructure_introduction

データ同期の高速化 ​

Findy Team+のチームにおいてBIは始業後の朝会等で参照されています。このBIはEmbulkによってAWS RDSと同期されたBigQueryのテーブルを参照していました。

しかし、Team+の成長にEmbulkによる同期システムの処理が追いつかなくなってきていました。そこで高速化を行い解決しました。具体的には、Embulkの並列数とEmbulkを起動するECSを並列化しております。

既存のBIに対する同期システムの移行の影響範囲を小さくするために、同期システムとデータセットを別で作成し、インフラストラクチャの構築終了後に参照の切りかえを行いました。これにより、BIを落とすことなく移行できました。

PR TIMES ​

概要 ​

  • 会社名: 株式会社PR TIMES
  • 創業: 2005年12月26日
  • 従業員数: 119名 (2024年2月末時点)
  • 所属期間: 2022-02-01 - 2024-08-15
  • 所属部署: 開発本部
  • 職種: サーバーサイドエンジニア、機械学習エンジニア

PR TIMESトップページのカテゴリー別ランキングの実装 ​

PR TIMESにはランキング機能があり、プレスリリース投稿者の目標になる人気の機能でした。実際、XなどのSNSで「PR TIMESのランキングに載りました」といったシェアが投稿されています。しかし、プレスリリースは日に1500本程公開されるため、総合ランキングの難易度が高すぎるという問題がありました。そこでプレスリリースのカテゴリー別のランキングの実装が決まりました。

私は、実装者として、携わりました。生のPHP, Smarty, Vanilla JavaScriptといった慣れない技術スタックでの開発でした。同僚エンジニアへの相談やペアでのプログラミングを通じてシステムへの理解を深め、機能実装できました。このプロジェクトは、二人で実装をしました。私はLayered Architectureで表現すると、Controller層・Service層(UseCase層)を担当し、もう一人の方がRepository層(Infrastructure層)を担当しました。

この実装の結果、ランキングに掲載できる企業数が増加しSNSでのシェアに利用しやすくなりました。

プレスリリースの前処理サーバー構築 ​

インターン時代にプレスリリースが機械学習と相性が良いことを提示したことから、プレスリリースの前処理バッチを作成するプロジェクトにアサインされました。

BigQueryをDWHとして運用していることからGCPをインフラとして採用しました。リトライ処理の実装のしやすさからDataWorkflow FWのPrefectを用いています。サーバーはPythonのバージョンに制約をつけたくなかった為、DockerをCloud Compute上で動かしています。また、Web UIを通じてDWHに通信できることから認証にGoogle AccountやIAMを用いるIAPを採用しています。

このプロジェクトは周りからアドバイスをいただきながら、一人で実装しました。このプロジェクトによってBigQueryから手軽に前処理済みのデータを取得してデータ解析できるようになりました。

機械学習を用いたPoCの開発 ​

PR TIMESの記事データには、プレスリリースに基づく大量の自然言語データが含まれており、公共性が高く、かつ正確な日本語で記述されていることから、機械学習モデルの学習データとして非常に適していると考えられました。一方で、社内ではこのデータの価値が十分に認知されておらず、その活用が進んでいないという課題がありました。

この課題を解決するために、PR TIMESのプレスリリースデータを活用し、Word2Vecを用いた単語ベクトルモデルを構築。構築したモデルを利用して、類似キーワードを推薦するシステムのPoCを開発しました。開発には、自然言語処理に適した形態素解析器MeCabや、Word2Vecの学習にGensimを使用し、APIはFastAPIで提供しました。

フロントエンドには社内での導入実績があり、開発効率の良いNext.jsを採用。インフラ面では、学習と配信にAWSのEC2を、社内アクセス制限のためにGCPのIAPを利用しました。PoCであることと、機密データと接続しないという要件から、シンプルにベーシック認証を用いてアクセス制限を行いました。

さらに、PoCを通じて得られた知見はエンジニアだけでなく、ビジネスサイドのメンバーにも共有され、データ活用の重要性や可能性について広く認識されるきっかけとなりました。また、このプロジェクトでは、日本語の新字体・旧字体の表記ゆれを解消する必要があり、独自に互換表を作成して前処理に組み込む工夫も行いました。

新旧字体の表記ゆれを統一するために互換表を作成した話