信頼できる AI プロダクトをつくるチームを探しています。

AIを探究し、信頼できるソフトウェアをつくる。

AI システム・フルスタックエンジニア

シドニー大学のコンピュータサイエンス修士課程で、データサイエンスと AI を専攻しています。AI アプリケーション、Agent セキュリティ、Android 開発を軸に、プロジェクトとオープンソースに取り組んでいます。

リボンを左右にドラッグして回す
四つのプロジェクトで、私の仕事を紹介します。

オーストラリアのシドニーを拠点にしています。

下へスクロールしてプロジェクトを見る

主なプロジェクト

AI エージェントのセキュリティ、企業向け AI プラットフォーム、連合学習に取り組んだ三つのプロジェクトと、自分で運営するソフトウェアスタジオです。

これまでの技術的な探究と開発の記録。

過去のプロジェクトを見る

インターン経験

本番障害の調査、信頼性の改善、テスト、データ分析、開発ツールの改善を経験しています。

2025.06 - 2025.08

Meituan Platform

ソフトウェア開発エンジニアインターン

コアシステムの信頼性と開発生産性の改善に取り組みました。弱いネットワークでの状態報告、問題調査、データ分析、Gradle ビルドの最適化を担当しました。

  • 状態報告と再試行ロジックを改善し、弱いネットワーク環境での信頼性を高めました。
  • JADX を用いて難読化された他社コード内の報告フォーマット不具合を特定し、ペイロード形式を修正しました。
  • Spark と SQL で異常検知と傾向分析のダッシュボードを構築しました。
  • Gradle の task DAG を分析し、ビルドの安定性を保ちながらボトルネックを最適化しました。
  • AI 支援ツールを使い、未知のコードの理解、API の調査、問題の切り分けを行いました。

2024.11 - 2025.02

Tencent Music - Ximalaya

Android 開発インターン

自動車メーカー向けの車載音声 SDK 開発に参加し、再生性能、端末互換性、テスト容易性に取り組みました。

  • 自動車メーカーのシステム統合を支える車載音声 SDK の開発に参加しました。
  • 対応チップセット上でソフトウェアデコードとハードウェアデコードを比較し、再生戦略の検討に活用しました。
  • MediaID の抽象化と状態管理を設計し、複雑な環境での再生処理の堅牢性を高めました。
  • JUnit でテストモジュールをリファクタリングし、実機に依存しないテストを改善しました。
  • LLM ツールを使って大規模なコードベースを理解し、API の調査とリファクタリングを支援しました。

学歴

中国とオーストラリアで二つの学士号を取得し、現在はシドニーでデータサイエンスと AI を専攻する修士課程に在学しています。

在学中 · 2027年11月 修了予定

シドニー大学

コンピュータサイエンス修士

データサイエンス・人工知能

現在の修士課程では、機械学習、データパイプライン、モデル結果の厳密な評価を学んでいます。

  • Data Science
  • Machine Learning
  • AI Systems

2026年卒業 · Distinction

スウィンバーン工科大学

工学士(優等)

ソフトウェア工学

ソフトウェア工学の優等学位課程で、AI、応用機械学習、チームでのソフトウェア開発を学びました。

  • Software Engineering
  • Applied ML
  • Team Delivery

卒業

山東科技大学

工学学士

ソフトウェア工学

アルゴリズム、OS、データベースを含むコンピュータサイエンスの基礎を学びました。卒業研究では、データを共有できない端末間の連合学習を扱いました。

  • CS Fundamentals
  • Federated Learning
  • Databases

オープンソースへの貢献

オープンソースの不具合調査と修正に取り組み、関連する Issue、設計判断、テスト結果、開発元での進捗を記録しています。

貢献記録を見る
QwenLM

Qwen Code

全 10 件の記録を見る

疑問から実装まで

プロジェクトごとに、開発中に生まれた疑問、うまくいかなかった実装、答えを確かめた方法、その後の修正を記録しています。

ブログを見る
03

進行中

LLM アプリケーションとエージェント

大規模言語モデルを使ったアプリケーション開発を、二つのトピックに分けて学びます。Harness はモデルの外側にあって、モデルがエージェントとしてタスクをこなせるようにする部分です。RAG は外部の資料をもとにモデルに答えさせる仕組みです。ノートはトピックごとにまとめ、それぞれ具体的な疑問から始めます。

  1. 01 エージェントループと最小構成の RAG
  2. 02 ベクトル検索の内部
  3. 03 コンテキストエンジニアリングと検索品質
  4. 04 ツール、MCP、Skills、サブエージェント
  5. 05 フック、サンドボックス、権限
  6. 06 記憶、永続実行、取り込みと生成
  7. 07 評価、可観測性、本番運用
01

進行中

GPT-2 をゼロから実装する

テキストの tokenization から自己回帰学習までを実装し、問い、誤った仮説、検証の証拠を残す学習プロジェクトです。

  1. 01 基礎と Tokenizer
  2. 02 データパイプライン
  3. 03 Transformer モデル
  4. 04 学習と評価
02

進行中

Turing Complete で論理ゲートから CPU をつくる

Turing Complete のサンドボックスモードで掲げた三つの長期的な学習目標で、決まった予定ではありません。16 ビットの Hack コアから始め、32 ビットの RV32I と Armv6-M のコアへ進みます。どのコアにも明確な命令セットアーキテクチャ(ISA)があり、回路をどう組むかは設計しながら探ります。

  1. 01 論理ゲートと組み合わせ回路
  2. 02 算術演算とメモリ
  3. 03 Hack 16 ビット CPU
  4. 04 RV32I
  5. 05 Armv6-M

仕事の進め方

要件を、開発・テスト・保守しやすいソフトウェアに落とし込みます。機能だけでなく、サービス境界、データの流れ、障害時の処理も考えます。

オーストラリアのシドニーを拠点にしています。

要件からアーキテクチャへ

プロダクト要件を、明確なサービス境界、データの責任範囲、障害時の処理方針に落とし込みます。

  • Requirements
  • Architecture
  • Code review

長時間実行する AI ワークフロー

非同期 Worker、進捗の永続化、再試行、コアバックエンドとの明確な境界を備えた AI ワークフローを設計します。

  • Worker
  • Async
  • RAG

スタックを横断して

バックエンド、フロントエンド、AI 連携、デプロイまで経験し、機能を設計からリリースまで進めてきました。

  • Spring Boot
  • Next.js
  • PyTorch

使用言語

中国語が母語です。英語で学習と業務を行い、日本語も継続して学んでいます。

  • 中文
  • English
  • 日本語

使用技術

プロジェクトやインターンで実際に使用した技術です。

AI・機械学習

モデル学習、Android 端末での連合学習、意味検索、LLM エージェントの評価に使用。

  • PyTorch
  • TensorFlow
  • TensorFlow Lite
  • RAG
  • FAISS
  • SentenceTransformers

バックエンド・データ

API の構築、アプリケーションデータの管理、サービスのデプロイに使用。

  • Spring Boot
  • Java
  • MyBatis
  • Microservices
  • Python
  • Pydantic
  • SQLAlchemy
  • Spark
  • SQL
  • AWS

フロントエンド・モバイル

このサイトを含む Web と Android の画面開発に使用。

  • Next.js
  • TypeScript
  • Tailwind CSS
  • Android
  • Kotlin
  • JUnit

ご質問や採用のご相談は、お気軽にご連絡ください。

お問い合わせ

AI エンジニアリング、バックエンド、フルスタック開発に関わるインターンおよび新卒向けのエンジニア職を探しています。フォーム、LinkedIn、GitHub からご連絡いただけます。

AI 利用量

≈ 1,096 億 トークン · 集計対象日

サイト更新履歴

最終更新