monnu (@monnu0621) profile picture

Kaggle Grandmaster / ML Engineer

Joined July 2018
Photo by monnu (@monnu0621)Photo by monnu (@monnu0621)Photo by monnu (@monnu0621)Photo by monnu (@monnu0621)Photo by monnu (@monnu0621)Photo by monnu (@monnu0621)Photo by monnu (@monnu0621)Photo by monnu (@monnu0621)Photo by monnu (@monnu0621)Photo by monnu (@monnu0621)
AI本部の内田 (@yu4u) が社内勉強会にて発表した資料「Biohub - Cell Tracking During Development3rd Place Solution」を公開しました。 先日終了したKaggleコンペティションの内容紹介と3位入賞した解法を解説しています。ぜひご覧ください。 speakerdeck.com/yu4u/biohub-…
16
2
73
12,645
ResearchPort様の調査レポートに掲載されたKaggle Competition Grandmasterの企業・組織別在籍人数ランキングで、当社が「同率6位」にランクインしました!当社にはMasterやExpertも多数在籍しており、日々切磋琢磨しています💪 また、Kaggler向けの求人として、当社のデータサイエンティスト職もご紹介いただいています。
7
20
7,162
Kaggle「Biohub - Cell Tracking During Development」にて、AI本部の内田 (@yu4u) が全3,947チーム中3位となり金メダルを獲得しました。発生過程にあるゼブラフィッシュの3次元タイムラプス顕微鏡画像から個々の細胞を検出・追跡するとともに、細胞分裂を捉え、細胞系譜を高精度に推定するコンペでした。解法も下記スレッドのURLからぜひご覧下さい。 go-drive.co.jp/news/pr_26101… prtimes.jp/main/html/rd/p/00…
1
10
51
7,542
AI本部の高橋 (@onick_man) が社内勉強会にて発表した資料「モデル評価を効率的にする方法」を公開しました。実務ではアノテーションは評価より学習に回したいというジレンマに対して、評価に必要なラベルを減らす研究を4本紹介しています。最後にタスクの状況を2軸で整理し使い分けをまとめています。 speakerdeck.com/ftakahashi/m…
17
2
94
10,653
AI本部の小林 (@soreike1234) が社内勉強会にて発表した資料「論文紹介:VGGT-Ω」を公開しました。 大量のデータで学習を行い、3D基盤モデルでもスケーリング則が有効かを検証した論文の紹介です。論文内で述べられている3D基盤モデルに関する様々な考察や知見についても取り上げています。ぜひご覧ください。 docswell.com/s/sgk-000/ZPRQE…
10
27
7,779
LLMの使い方、感覚があっていて少し安心した
AI本部の立松 (@monnu0621) が社内勉強会にて発表した資料「いま、生成AIにKaggleをどこまで任せられるか」を公開しました。Kaggle ROGIIコンペで金メダルを獲得するまでの生成AI活用について、実験の進め方、活躍したツール、失敗からの学びなどを紹介しています。ぜひご覧ください。speakerdeck.com/k951286/ima-…
3
88
9,950
monnu retweeted
マジでこれで、すぐにこのアプローチは閉じましたとかいうネガティブclaude codeにいつもはうるせえやれみたいにやってたけど、ちょっとアプローチを変えて一緒にスコアxx目指していこうぜ!みたいにポジティブに盛り上げてあげたら、いいですね!と乗っかってきたのに提案がTTAだったのを思い出した
AI本部の立松 (@monnu0621) が社内勉強会にて発表した資料「いま、生成AIにKaggleをどこまで任せられるか」を公開しました。Kaggle ROGIIコンペで金メダルを獲得するまでの生成AI活用について、実験の進め方、活躍したツール、失敗からの学びなどを紹介しています。ぜひご覧ください。speakerdeck.com/k951286/ima-…
18
163
12,446
社内勉強会の発表資料を公開しました!
AI本部の立松 (@monnu0621) が社内勉強会にて発表した資料「いま、生成AIにKaggleをどこまで任せられるか」を公開しました。Kaggle ROGIIコンペで金メダルを獲得するまでの生成AI活用について、実験の進め方、活躍したツール、失敗からの学びなどを紹介しています。ぜひご覧ください。speakerdeck.com/k951286/ima-…
1
2
49
3,457
AI本部の立松 (@monnu0621) が社内勉強会にて発表した資料「いま、生成AIにKaggleをどこまで任せられるか」を公開しました。Kaggle ROGIIコンペで金メダルを獲得するまでの生成AI活用について、実験の進め方、活躍したツール、失敗からの学びなどを紹介しています。ぜひご覧ください。speakerdeck.com/k951286/ima-…
58
7
349
50,461
AI本部の堂込 (@CALPIS10000) が社内勉強会にて発表した資料「論文紹介: HDVIO2.0 Wind and Disturbance Estimation with Hybrid Dynamics VIO」を公開しました。 ドローンのカメラ・センサーを用いた自己状態推定にNNを用いた空力補正や数学上の工夫を組み合わせて高精度化する手法を示した論文です。ぜひご覧ください。 docswell.com/s/calpis10000/5…
7
1
23
9,757
AI本部の内田 (@yu4u) が「ROGII – Wellbore Geology Prediction」にて15枚目の金メダルを取得し「3x Grandmaster」を達成しました。 GOドライブ株式会社では、Kaggle参加等の自己研鑽活動を推進し、培った高度な技術力や知見を自社プロダクトの機能向上へと還元していきます。 kaggle.com/ren4yu
1
16
61
11,230
AI本部の福井 (@tattaka_sun) が社内勉強会にて発表した資料「VLMの推論を高速化する視覚トークン削減の仕組み」を公開しました。VLMの高速化の手法である視覚トークン削減について、最近の研究と福井がMIRU2026にて発表した手法を合わせて系統立てて紹介しています。ぜひご覧ください。 speakerdeck.com/tattaka/vlm-…
26
1
135
25,373
Kaggle「ROGII - Wellbore Geology Prediction」にて、AI本部の立松 (@monnu0621) と内田 (@yu4u) がそれぞれ6125チーム中13位、18位となり金メダルを獲得しました。掘削中の水平坑井がどの地層を通っているかを、ガンマ線ログの照合から推定するコンペでした。解法も下記スレッドのURLからぜひご覧下さい。
1
12
60
4,108
ROGII コンペ運良くshake upして13位でした! typewell× 水平井の組み合わせを1枚の画像にして、2DCNNで解いてました
4
2
107
3,588
#MIRU2026 GOドライブ ブース準備完了です! 次世代AIドラレコサービス『DRIVE CHART』や「道路情報の自動差分抽出プロジェクト」でのコンピュータビジョンに関する取り組みを紹介します。 GOドライブから2件の研究発表があり、それらのチラシも配布しています。ぜひお立ち寄りください!
11
51
4,617
AI本部の廣中 (@pensuke_san) が社内勉強会で発表予定の資料「ARC-AGIとは何か」を公開しました。AGIの実現に向けて知能の再定義を行い、人間とAIのギャップの解消を目指すARC-AGIコンペの取り組みのこれまでについて紹介しています。 speakerdeck.com/pensukesan/a…
15
1
43
6,422
#CVPR2026 のAUTOPILOT workshopで行われたコンペ(ACCIDENT部門)にて優勝した解法について、AI本部の立松 (@monnu0621)、高橋 (@onick_man) が論文を公開しました。 6/3から開催されるCVPR2026の同ワークショップにおいても優勝解法が紹介される予定です。ぜびご覧ください。 arxiv.org/pdf/2605.29325
15
1
53
6,699
AI本部の本多、内田 (@yu4u) が国際学会WACV2024にて発表した論文であるCLRerNetが被引用数100件を突破しました!また公式リポジトリのスター数も250を突破しています。 こちらの論文ではレーン検出のSOTA手法を提案しています。ぜひご覧ください。 paper: openaccess.thecvf.com/conten… リポジトリ: github.com/hirotomusiker/CLR…
13
71
6,846
monnu retweeted
ViTでCLS tokenとpatchのパラメータを分けて学習すると下流タスクで性能改善するというICLR'26論文。 CLS token vs. GAPとか、cross attentionやencoder-decoderのモデルをデータ毎にパラメータ分けたself-attentionでやったらどうなのとか良く考えるので読んでみた。 speakerdeck.com/yu4u/revisit…
1
19
117
9,012
#CVPR2026 のAUTOPILOT workshopで行われたコンペ(ACCIDENT部門)にて、AI本部の立松 (@monnu0621)、高橋 (@onick_man)、堂込 (@CALPIS10000)、廣中 (@pensuke_san)のチームが105チーム中1位となり優勝しました。 固定映像から事故の時刻・場所・種類を、実データの学習なしで特定するタスクでした。現在論文執筆中で、解法はworkshopでも発表予定です! kaggle.com/competitions/acci…
16
1
57
9,845