Nakanishi cab0a

Python R&Dエンジニア

機械学習評価、コンピュータビジョン、点群・3Dデータ処理を中心に、再現可能な実験基盤と監査可能なPythonツールを実装しています。

プロジェクト	解決する問題と技術的な証拠
Few-Shot Anomaly PoC	少数例の異常検知を採否判定まで検証。正常画像20枚以内・CPU実行・異常ラベルを学習に使わない条件で2手法を比較し、事前固定した誤検知率・再現率・処理時間の基準により両手法を却下しました。ラベル開示前のスコア、誤検知・見逃し、処理時間、判定根拠をCSV・JSONで保存しています。
Point Cloud Playground	点群処理を既知の真値で評価。NumPy・SciPyによる7種類の実験で重なり率と外れ値率を制御し、変換誤差、対応点精度、幾何学的被覆をCSVと比較図へ出力します。
Research Notes	研究課題を再現可能な証拠へ接続。17件の研究で文献調査、統制実験、結果、考察、制約を記録しています。最新のv0.17.0では、JPEG metadata admissionの10種類のresource上限を24個の合成fixtureで評価し、5環境の120観測からdecision、reason code、work counter、fixture hashの安定性を確認しています。

異常検知の固定基準評価	点群の同時感度分析

データ整形 — Data Cleaning Toolkit: Python標準ライブラリ、型付きPython API、JSONスキーマ、文書化した終了コードを備え、行単位の変更理由を監査JSONへ記録し、同じ入力から同じ内容のCSV・JSONを生成します。
モデル評価 — ML Evaluation Workbench: 共通のデータ分割で3種類の分類器を比較し、6種類の実験と25件の代表比較から分割ごとの評価指標、行単位の予測、誤分類、評価図を生成します。
入力監査 — Image Dataset Inspector: JPEG・PNGを再帰的に検査し、読み込みエラー、画像サイズ、明るさ、コントラスト、ラプラシアン分散をCSVへ記録します。
手法比較 — Vision Playground: 二値化、ノイズ除去、輪郭検出、古典的な画像分割を、正解データ付きの合成画像と公開画像で165件の手法・条件評価にかけます。

機密性のある運用データや継続中の検証条件を含むため、以下の個人開発は非公開にしています。

時系列データ評価・運用基盤: 原データ・整形済みデータ・特徴量の分離、DuckDB、品質ゲート、入れ子型の時系列交差検証、確率校正、データリーク防止、CLI、定期実行、稼働監視を実装しています。
仮説検証・意思決定研究ラボ: 仮説、データ、成功・停止条件、実験、採否判断を接続し、情報源、固定スナップショット、データ仕様、検証条件、CSV・GeoJSON・レポート・運用手順書を管理しています。
業務台帳・ワークフロー自動化: Excel VBAで外部データ取込、既存入力を保持する台帳更新、業務ルールに基づく一覧作成、帳票出力、状態管理、処理ログ、管理者・利用者向け文書を実装しています。