PROFILE 候補者プロフィール

候補者ID
6567
誕生年
1994年
性別
女性
学生の出身エリア
東アジア
大学のタイプ
国内 有名国立大学
卒業年度
2019年5月
学位
修士
特徴
ヘルスケアや薬物開発分野に興味のある、生物学およびバイオインフォマティクスのスペシャリスト

アクティブ・コネクター
推薦の理由
RECOMMENDATION

【特筆すべき経験】
・東京大学大学院の修士課程で1年間研究を行い、修士論文は「技術トレーニング:融合転写産物の検出に関するロングリードアライナーの包括的な評価」について。
・ロングリードRNA配列データにおける融合イベントを呼び出すためのアプローチを開発し、融合転写物を調査し検出するために合成および実際の臨床データセットの両方にそれを適用。さまざまなプラットフォーム(PacbioとNanopore)とアルゴリズム(LAST、ngmlr、minimap2)の偏りを調べるために、融合転写産物とブレークポイント部位の検出における長年にわたるアライナのパフォーマンスの評価を行う。
・チューリッヒ工科大学に在籍。研究成果を特集した論文「複雑なトランスクリプトームの特徴付けのためのナノポア天然RNA配列決定の包括的な検査」を出版。2019年5月修了予定。
・3ヶ月間、機械学習コースでKaggle競争プロジェクト「MRIヒト脳スキャンに基づく年齢と病期の予測」に参加。
・脳の構造と年齢や病気に冒された部分についての研究を行う。
・データ前処理:0値と欠落データの削除、配列ボクセルデータの3D構造への変換、白質領域の削除による次元の縮小。
・特徴選択の場合:F統計量で最も有意性の高い特徴を選択。
・回帰と分類:選択した特徴に線形回帰を適用。不均衡クラスの重みを増やし、勾配ブースティング分類器を使用して確率を出力する。
・パラメータ調整:MSEとSpearmanのテストデータセット上のモデルの相関スコアに基づいてGridSearchCVによって最適化されたハイパーパラメータ。
・使用ツールは、 numpy、pandas、sklearn、Xgboost、matplotlib。
・4年間、名古屋大学に在籍。卒業論文は、「塩分ストレスに応答したイネの根と側根のトランスクリプトームプロファイリングの比較について」。
・今後、ヘルスケア、薬物開発、および疾患関連研究におけるデータ科学に興味あり。
【スキル】
生物学データ処理, Python(2年半), R(2年半), C++

この候補者が気になる
候補者ID: 6567

上記ボタンより、候補者の詳細情報や選考招待などをお問い合わせ頂くことができる送信フォームにつながります。

SERVICE FLOW グローバル人材の検索から採用アプローチまでの流れ

  1. Step 1

    検索

    御社が今必要としている人材を、ご検索ください。候補者の職歴、専門、日本語力等が確認できます。
    ただし候補者の氏名は伏せておりますので「候補者ID」を参考にしてください。

  2. Step 2

    問い合わせをする

    プロフィール検索からご興味のある人材がいましたらプロフィール下部にある「この候補者が気になる」ボタンをクリックし、お気軽にお問い合わせください。

    紹介手数料は採用が決定した時点で発生いたします。

  3. Step 3

    採用に関するヒアリング

    お問い合わせをいただいた候補者へのアプローチを開始するにあたり、御社の求人要項のヒアリングをさせていただきます。ヒアリング内容をもとに、候補者へのアプローチ、面談設定を行います。

グローバル人材を採用したい方はこちらへ

弊社の人材紹介サービス全般、または特定の候補者の詳細なプロフィールにご関心がある方はこちらからお気軽にお問い合わせください。なお、紹介手数料は採用が決定した時点で発生いたします。問い合わせは無料になります。

PAGE UP