Den Patin 丹羽暖

シニアプロダクトエンジニア/リサーチャー

Ruby、Ruby on Rails、Python、PostgreSQL、Oracle · 言語学と医療

台湾からのリモート勤務(日本との時差は 1 時間)、または高度専門職ビザでの来日を検討中 — 希望条件をご覧ください。

職務要約

本番システムを作り、最初から最後まで自分で担当します — アーキテクチャ、バックエンド、インフラ、運用まで。領域は通信、GIS、企業業務の自動化(総務、管理会計、プロジェクト管理、採用・入社手続き)、不動産、EdTech、音声・画像の AI 解析と生成、言語学、医療です。ソフトウェアは 15 年、コンピュータサイエンスと計算言語学の学位があり、研究もプロダクトと並行して続けています。現在は音声・言語・医療データが中心です。

活かせる経験・知識・技術

プロダクト
  • 要件を実際の業務フローと照らして検証
  • ステークホルダーとのコミュニケーション
  • スコープ交渉
  • トレードオフ分析
バックエンド
  • Ruby on Rails
  • PostgreSQL
  • Python
  • REST API
  • バックグラウンドジョブ
  • Hotwire
データ
  • 数テラバイト規模のクエリ最適化
  • pgvector
  • Oracle PL/SQL
  • Redis
音声・言語
  • 音声 DSP(MFCC、F0、フォルマント)
  • 統計的言語モデル
  • ゴールドセット評価(ブートストラップ、McNemar)
AI エンジニアリング
  • RAG とハイブリッド検索
  • 構造化出力と関数呼び出し
  • 評価ハーネス
  • ローカル推論(Ollama、ONNX)
  • MCP サーバー
デリバリー
  • Docker
  • Kamal
  • GitHub Actions
  • AWS
  • Heroku
  • RSpec
リーダーシップ
  • 最大 8 名のチームのテックリード
  • インターン 16 名を指導
  • 大学での講義

職務経歴

〜現在

プロダクトエンジニア

VOIS — iOS 向け AI ボーカルコーチ · 業務委託、リモート

  • バックエンドとインフラを全面的に担当:API、バックグラウンド音声処理、管理ツール、デプロイ、監視。
  • ライブフィードバック層を構築中:アプリの信号処理コアが出す音符ごとのスコアと確率で小型モデルを学習させ、声楽教育のメソッドに沿ったフィードバックを実現。
使用技術
  • Ruby 4
  • Rails 8.1
  • PostgreSQL
  • GoodJob
  • Heroku
  • S3
  • Scout
  • Sentry

バックエンドエンジニア

StagedByAI — AI バーチャルホームステージング · 業務委託、リモート

  • バックエンドとインフラ全体をゼロから構築(画像生成パイプラインとの連携を含む)し、成長期の 2 年間を運用。
使用技術
  • Ruby on Rails
  • PostgreSQL
  • Docker
  • CI/CD

リードデベロッパー/バックエンドエンジニア

nebenan.de(ドイツ最大の近隣コミュニティ SNS)、shyftplan(シフト管理)、Rentumo(賃貸物件アグリゲーター)· 業務委託、リモート

  • 互いに無関係な 3 領域でバックエンドとアーキテクチャを担当;最大 8 名のクロスファンクショナルチームを牽引。
  • ホスティングコスト −30%、デリバリー速度 ×2:コスト分析のうえでレガシーモノリスを Ruby 3+ / Rails 7–8 へ移行し、CI/CD を刷新。
  • 数テラバイト規模の PostgreSQL で重要クエリの実行時間 −90%;監視とプロファイリングにより障害解決時間 −40%。
使用技術
  • Ruby on Rails
  • PostgreSQL
  • Redis
  • Docker
  • CI/CD
  • Sentry
  • Datadog

シニアソフトウェアエンジニア/テックリード

Deutsche Telekom IT Solutions(T-Systems)· サンクトペテルブルク

  • 社内プロダクト 12 件、うち 9 件をエンドツーエンドで構築(すべて NDA 対象);最大 8 名のチームのテックリード。
  • 全社の従業員マスターデータサービスを設計・運用:SAP、1C、Active Directory のレコードを 1 つのクレンジング済みソースに統合し、従業員 2,500 名の組織の 10 以上の下流システムに提供。
  • T-Mobile ドイツの全国モバイルネットワーク(GSM/GPRS/UMTS/LTE)の運用状態を記録するシステムのテックリード:国家規模のインフラデータと地理空間ビュー。
  • 最も負荷の高いダッシュボードを 10 倍高速化(3 秒 → 300 ミリ秒、同時利用者 2,500 名以上):インデックス設計、ストアドプロシージャ(utPLSQL)、クエリの再設計。
  • 繰り返し発生する事務手続きをソフトウェア化:人件費予測、屋内ナビゲーションと座席・コスト計画、全国拠点の Web GIS、全社イベント予約。
使用技術
  • Ruby on Rails
  • Oracle
  • PL/SQL
  • APEX
  • MySQL
  • ExtJS
  • OpenLayers
  • Python
  • Bash
  • Jenkins

非常勤講師

ITMO 大学;ピョートル大帝サンクトペテルブルク工科大学

  • Linux、Ruby、Ruby on Rails による Web 開発を指導(1 クラス最大 20 名);インターン 16 名を指導し、うち 60% が正社員エンジニアに。
使用技術
  • Linux
  • Ruby
  • Ruby on Rails

リサーチアシスタント

サンクトペテルブルク国立大学 文献学研究所

  • 研究助成プロジェクト「テキストの文体特徴と領域を判定するための定量的言語パラメータ」:レジスター識別のためのコーパス統計。
使用技術
  • Python
  • NLTK

プログラマー

Other Accents Studio · サンクトペテルブルク

  • スタジオの Web アプリケーションとサイトの開発:PHP(CodeIgniter)、JavaScript、jQuery。
使用技術
  • PHP
  • CodeIgniter
  • JavaScript
  • jQuery

テクニカルライター/翻訳者

Nexenta Systems;Systematica;Odnoklassniki · サンクトペテルブルク

  • 製品ドキュメントの執筆・組版・ローカライズ;技術翻訳とネイティブチェック(英語、日本語、ドイツ語)。
使用技術
  • Adobe FrameMaker
  • RoboHelp
  • i18n/l10n

プロジェクト

〜現在

TaiwanCards

台湾華語のコーパス言語学・発音評価プラットフォーム;コーパス、モデル、評価器すべてを単独で開発

  • 単語分割:Kneser–Ney バイグラムモデル上の Viterbi 復号、EM による再分割、相対エントロピーによる枝刈り;510 件のゴールドセットで評価(McNemar 検定、F1 のペアドブートストラップ)。
  • 語彙関係:文脈分布平滑化付き PPMI と logDice;密な SVD 埋め込みは同じゴールドセットで評価のうえ不採用。
  • 発音評価は音響特徴から直接計算(F0 曲線、VOT、フォルマント軌跡)、サーバー側処理、クラウド ASR 不使用;復習間隔は FSRS-6。
  • ソースコード:学習アプリ(Apache-2.0)、コーパスパイプライン
使用技術
  • Ruby on Rails
  • PostgreSQL
  • Python
  • Hotwire

〜現在

dsprb と dtwrb

音声信号処理のオープンソース Ruby ライブラリ

  • dsprb:Pure Ruby の音声 DSP — 基数 2 FFT、メルフィルタバンク、MFCC、YIN 基本周波数推定、LPC フォルマント(ソース)。
  • dtwrb:Sakoe–Chiba 帯制約付き DTW と、可変長系列の DBA 平均(ソース)。
使用技術
  • Ruby

〜現在

taiwan-corpora

Hugging Face 上の台湾華語公開データセット 3 本

  • twngrams(CC0)、twsyllables(CC BY 4.0)、twfilter-tables
  • パイプライン(MIT、GitHub):twpipeline — Web クロールから n-gram 表までの 9 段階 JSONL 処理;twfilter — 台湾華語テキストの来歴分析(文字種、正書法、語彙の由来、句読点)。
使用技術
  • Python

〜現在

DenMed

多言語医療記録のローカル完結型パイプライン;開発中

  • あらゆる言語の検査結果 PDF・スキャン → LOINC コードと SI 単位 → 複数の参照範囲と対比した経時チャート;ローカルモデルのみ。
使用技術
  • Python
  • Ollama
  • ONNX
  • PostgreSQL

研究プロトタイプ

  • 動脈圧と脳血流速度のクロススペクトル解析 — コヒーレンス、B 波・M 波の位相差、脳血流自動調節指標 — ポレノフ脳神経外科研究所向け、2020 年。
  • オセット語の主要オンライン辞書 ironau.ru の検索関連度と二方言ランキング、2018–2019 年。
  • Prolog によるキルギス語形態素解析器、2017 年。
使用技術
  • Python
  • SQL
  • Prolog

学歴

応用情報学 修士(計算言語学)

サンクトペテルブルク国立大学

修士論文:Greenberg の定量的類型論をコーパス規模で自動化 — 機能文体で層化したハンガリー語・日本語・トルコ語の 100 万〜1,200 万トークンのコーパス上で、形態論的指数(総合度、膠着度、接尾辞化)とレジスター弁別統計量を計算。Greenberg(1960)から Kasevich(2009)までの先行研究は 100〜1,000 音節の手作業サンプルに依拠していた。結論:類型論的プロファイルは言語だけでなくレジスターの属性である;公刊された手作業の計数と照合して検証。

情報学・計算機科学 学士

ITMO 大学

卒業論文:ハンガリー語、トルコ語、および正解の分割が構成上既知である自作の複統合語(統制されたテストケース)の自動グロス付与(ライプツィヒ・グロッシング・ルール);母音調和と形態配列規則による制約付きの規則ベース形態素分割;自作のフィードフォワードニューラルネットワーク(誤差逆伝播法)で同形接辞の曖昧性を解消。2013 年、Delphi で実装 — ML フレームワークがこれを当たり前にする前の話。

語学

出版物

研究者プロフィール:Google Scholar · ORCID 0009-0009-6496-382X

希望条件

自己PR

仕事はコードを書く前から始まります。まず、実際の流れを図にします — 誰が何をするか、データが本当はどこから来るか、どの手順がまだ手作業か。これは、その業務を担当している方と一緒に、その方の言葉で行います。そのうえでデジタル化します:食い違う 3 つの情報源ではなく、信頼できる 1 つの情報源へ。表計算とメールのやり取りではなく、明確に定義されたプロセスへ。スコープはこの図から決まります。割に合わないものには、数字を添えて「やりません」と伝えます。必要だと確かめる前には作りません。形だけのプロセスも作りません。必要な手続きはきちんと行います。この判断は、8 つの領域で 25 以上のプロダクトを作ってきた経験に基づいています。

もう半分は研究です。計算言語学の学位論文を 2 本書き、その後も形態論、検索の関連度、生体信号の解析などのプロトタイプを続けています。古典的な手法が勝つ場面では古典的な手法を、モデルは価値を示した場面だけを、そして計測はあらゆる場面で。