Skill
得意とする領域・技術
トップ研究者タイプ
機械学習のトップカンファレンスである NeurIPS や ICML での採択論文をはじめとして、多数の論文を発表する第一線の研究者。
データ分析や技術開発の業務でも、研究者としての、アカデミックの最先端の技術の理解、土台となる機械学習や統計解析などの広範な基礎知識に基づき、最先端技術からシンプルな手法まで柔軟に検討し、お客様に適したアプローチを創出する。
専門知識とお客様のドメイン知識を融合させ、信頼関係を築きながら課題を解決を目指す。
Achievements
主な実績
- 2017年
- 入社
- 2017年~2020年
- NTTデータ、東京大学鈴木大慈准教授と共同で、深層学習モデルの圧縮技術を始めとする複数の汎用機械学習技術の研究開発プロジェクトに参画し、共著論文を執筆
Taiji Suzuki, Hiroshi Abe, Tomoya Murata, Shingo Horiuchi, Kotaro Ito, Tokuma Wachi, So Hirai, Masatoshi Yukishima,Tomoaki Nishimura: Spectral pruning: Compressing deep neural networks via spectral analysis and its generalization error (IJCAI-PRICAI 2020)
- 2021年~2022年
- 道路異常検知および変化検知技術に関連したデータ分析・技術開発プロジェクトに参画
- 2022年~
- 研究所と共同で連合学習におけるプライバシー保護技術の研究開発プロジェクトを推進
- 主要論文
Tomoya Murata and Taiji Suzuki: Doubly Accelerated Stochastic Variance Reduced Dual Averaging Method for Regularized Empirical Risk Minimization (NIPS2017)
Tomoya Murata and Taiji Suzuki: Sample Efficient Stochastic Gradient Iterative Hard Thresholding Method for Stochastic Sparse Linear Regression with Limited Attribute Observation (NeurIPS2018)
Tomoya Murata and Taiji Suzuki: Bias-Variance Reduced Local SGD for Less Heterogeneous Federated Learning (ICML2021)
Tomoya Murata and Taiji Suzuki: Escaping Saddle Points with Bias-Variance Reduced Local Perturbed SGD for Communication Efficient Nonconvex Distributed Learning (NeurIPS 2022)
Tomoya Murata and Taiji Suzuki: DIFF2: Differential Private Optimization via Gradient Differences for Nonconvex Distributed Learning (ICML2023)
Style
仕事のスタイル
新たな手法やアプローチを身に着けながら、お客様の課題解決に貢献
私は機械学習アルゴリズムの開発やデータ分析の業務に取り組んでおります。私にとって、機械学習技術はお客様の価値創造のために課題を解決する重要な手段です。しかし、常に機械学習を使用する必要はなく、シンプルなアプローチで十分な場合もあります。そのような場合には、お客様に最も適したシンプルな解決策を提案します。
一方で、シンプルなアプローチがうまくいかない場合や改善の余地がある場合もあります。そのような時には、広範なデータサイエンスの知識を駆使し、シンプルなアプローチをたたき台として批判的に検証し、課題やデータを根本的に捉え直して新しいアプローチを創出します。これらには最先端の技術を含む様々な機械学習手法の日々の地道なキャッチアップと、様々な機械学習手法の土台となる理論的な知識や経験・感覚を身に着けることによって得られた自分なりの指針が役に立っていると考えます。
最先端の技術を生み出しながら、機械学習技術の論文執筆にも従事
会社の業務と並行して機械学習技術の研究や論文執筆も取り組んでいます。特に 2017年 から 2023年現在までに機械学習分野の最難関国際会議と言われる NeurIPS や ICML にて第一著者として 5 本の論文を採択されることが出来ました。自分自身で最先端の技術を生み出すプロセスを経験することで、単に本や論文を読むだけでは得られない技術の本質的な理解を深めることができています。
データサイエンスの研究者としての専門知識や経験を活かし、お客様と協力して価値創造を目指す
私の所属するシミュレーション&マイニング部では受託業務が多いのですが、案件のスタート時点ではお客様から提供されているデータや課題の背景となるドメイン知識が自身に不足していることがほとんどです。そのような場合には、その分野の専門家であるお客様とのコミュニケーションを通じて様々な質問をさせていただいたりご意見を伺いながら課題やデータの理解を深めていくことを重要視しています。そしてそのような過程で、お客様と信頼関係を築き、お客様の持つドメイン知識と私たちの持つデータサイエンスの専門知識や経験を組み合わせて協力して課題を解決し価値創造を目指していく、というスタイルを理想としています。
Our Data Scientists
データサイエンティスト
数理科学を信じ、数理科学を乗りこなす
シミュレーション&マイニング部
伊藤 孝太朗
リサーチャータイプ
データサイエンスにおける研究と実用の二刀流
シミュレーション&マイニング部
村田 智也
トップ研究者タイプ
現場のノウハウも取り込み、お客様が納得する分析結果を出し続ける
データマイニング部
中道 祐希
アナリストタイプ
「シミュレーション・数理最適化・機械学習」三種の神器を武器に課題を解決する
シミュレーション&マイニング部
豊岡 祥
リサーチャータイプ
お客様や現場を巻き込んだ強いチームを作り、プロジェクトの成功に邁進する
数理ソリューション部
佐藤 誠
コンサルタントタイプ
データサイエンスが身近な世界を作りたい
データマイニング部
尾崎 博子
製品活用コンサルタントタイプ
長く使い続けられる、数理最適化システムを作る
数理計画部
岸本 祥吾
モノづくりタイプ
人類の英知をフル活用し、AIプロジェクトを生産的に推進する
数理工学部
大場 拓慈
アナリストタイプ
「いい結果が出ました」が ゴールではない 「日々業務で使っています」が 私のゴール
数理工学部
茂野 真弓
モノづくりタイプ
化学・物理法則をシミュレートする、サイエンスにおけるデジタルツインを推進
数理工学部
望月 俊輔
アナリストタイプ
アルゴリズムの美しさを楽しみつつ実用的で頑健な実装を目指す
数理計画部
清水 翔司
製品開発者タイプ
数理最適化の技術に夢をみる
数理計画部
藤井 浩一
トップ研究者タイプ