Claude Code / CodexでKaggle金メダルを取った話
TL;DR 実装と分析をAIに任せることで、実験量が桁違いに増えた（5-Fold CV合計1,515回） 実装から解放された分、人間はアイディアとデータ観察に集中できた ただし、スコアを押し上げたアイディアのほとんどは人間発。AIの提案の打率は低かった AIに素早く実験を回させるための環境・構成づくりも重要だった この構図はKaggleに限らず、定量評価できるR&D全般で起きうると感じている 今回のコンペで使ったコード・設定・分析結果を公開しています。 はじめに 2026/1/28に終了したKaggleの草コンペ（CSIRO - Image2Biomass Prediction）で5位 / 3,803チーム（Top 0.1%）、金メダルを獲得しました。 自分が書いたコードはほぼゼロです。実装のほぼすべてをClaude Code / Codexに任せました。EDAなどで自分が書いたほうが早い
技術負債も理解負債も生まないAIコーディング手法（2026年2月現在）
概要 AIコーディングは生産性が大きく向上する一方で、技術負債や理解負債が蓄積しやすいという問題があります。 普段自分が実践している、できる限り技術負債や理解負債を生まないAIコーディング手法について解説します。 対象読者 この記事の対象読者は普段の開発業務でAIコーディングツールを活用しているエンジニアです。 Claude CodeやCodex CLIを使っている方のほうが理解しやすい内容になっています。 筆者のバックグラウンド 最近は主にLLMを用いたアプリケーション開発に関わっています。 2023年頃からAIによるコーディングを積極的に取り入れています。 以下のようなメジャーなAIコーディングツールは一通り使ったことがあります。 GitHub Copilot Roo Code Cursor Windsurf Google Antigravity Claude Code Codex C
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
