Weibang Yin

• Cloud Camera × POS Integration (Backend Lead): Led backend design and development of a retail loss-prevention product integrating Safie cloud cameras with the Smaregi POS platform to detect theft and staff misconduct across hundreds of retail, restaurant, and apparel stores, driving several million JPY in incremental quarterly revenue; split the work into tickets, delegated implementation, and reviewed teammates' code and designs.
• Redis-to-Valkey migration: Migrated the cache and Celery broker of four backend services from ElastiCache Redis to ElastiCache Serverless (Valkey) via dual writes, provisioning ECS services and network access in Terraform and rolling out zone by zone; after a data-volume spike during the dual-write phase, added a Datadog rate-of-change monitor to catch recurrences.
• Semantic video search API: Built the search and analysis-job endpoints for natural-language video search, embedding text queries with a SigLIP2 model and running vector search over sharded Amazon S3 Vectors indexes.
• Public API platform & security: Extended the Safie Developers public API for third-party developers with bulk user provisioning and device-group endpoints under department-scoped access control; took over the monthly AWS WAF review, analyzing CloudWatch metrics and raw WAF logs to separate vulnerability scans from false positives on legitimate client traffic.
• Production reliability & AI-assisted operations: Handled production incidents end-to-end, tracing requests across services by trace ID in Grafana Loki and triaging errors in Sentry and Datadog; added retry handling for transient Redis Cluster failures and used Claude Code with MCP connections to Grafana, Sentry, and Redash to speed up investigations.

• クラウドカメラ × POS 連携（バックエンドリード）: Safie のクラウドカメラとスマレジ POS を連携した小売向けロス防止プロダクトのバックエンド設計・開発をリードし、数百の小売・飲食・アパレル店舗で盗難や従業員の不正を検知。四半期あたり数百万円規模の売上増に貢献。タスクをチケットに分解してメンバーに割り振り、コードと設計をレビュー。
• Redis から Valkey への移行: 4 つのバックエンドサービスのキャッシュと Celery ブローカーを、ダブルライト方式で ElastiCache Redis から ElastiCache Serverless（Valkey）へ移行。ECS サービスとネットワーク設定を Terraform で構築し、ゾーン単位で段階的にリリース。ダブルライト期間中にデータ量が急増した事象を受け、再発を検知する Datadog の変化率モニターを追加。
• 映像のセマンティック検索 API: 自然言語で映像を検索する機能の検索・解析ジョブ API を開発。SigLIP2 モデルでテキストクエリを埋め込み、シャーディングした Amazon S3 Vectors インデックスに対してベクトル検索を実行。
• 公開 API 基盤とセキュリティ: サードパーティ開発者向けの Safie Developers 公開 API に、部署単位の権限制御付きでユーザー一括作成とデバイスグループ関連のエンドポイントを追加。月次の AWS WAF レビューを担当し、CloudWatch メトリクスと WAF の生ログを分析して、脆弱性スキャンと正規クライアント通信の誤検知を切り分け。
• 本番運用と AI を活用した調査: 本番障害を一貫して対応し、Grafana Loki でトレース ID をもとにサービス横断でリクエストを追跡、Sentry と Datadog でエラーを切り分け。Redis Cluster の一時的な接続障害に対するリトライ処理を追加し、Grafana・Sentry・Redash と MCP で接続した Claude Code で調査を効率化。

• Super Sale monitoring & incident response: Led a 5-person team that built unified real-time monitoring for Super Sale events, consolidating thread saturation, HTTP error ratios, and QPS/CPU/memory across domains, and wrote runbooks so junior engineers could tell normal from actionable states; cut anomaly detection from minutes to tens of seconds and helped avoid an estimated several million JPY in potential losses.
• Load testing program: As planning lead of the 17-person load-testing team, drove 3–5 late-night test rounds before each Super Sale: designed JMeter scenarios for new releases, ran distributed load generation on GCP, analyzed Apache logs and system metrics to pinpoint bottlenecks, then set busy thresholds and drove fixes with the owning teams.
• Reliability automation: Cut JMeter script uploads from about an hour to 5 minutes with Selenium, built an automated load-balancer report (CPU, bandwidth, busy-threshold utilization) that added a new evaluation metric to load tests, and auto-generated PDF reliability reports from Grafana and Jennifer metrics.
• CI/CD & infrastructure as code: Built Jenkins/Groovy CI/CD pipelines that raised deployment frequency from weekly to daily, operated Kubernetes clusters with stronger monitoring and auto-recovery, and automated provisioning with Ansible playbooks.

• スーパーSALE の監視とインシデント対応: 5 名チームのリーダーとして、スーパーSALE 向けの統合リアルタイム監視を構築。スレッドの Busy 率、HTTP エラー率、QPS・CPU・メモリといったドメイン横断の指標を一元化し、正常と要対応の判断基準をまとめた監視マニュアルを整備して、経験の浅いメンバーでも監視できる体制を作った。異常検知を数分から数十秒に短縮し、数百万円規模と試算される潜在損失の回避に貢献。
• 負荷試験の企画・運営: 17 名の負荷試験チームで企画・運営を担当し、スーパーSALE ごとに 3〜5 回の深夜負荷試験を主導。新規リリース向けの JMeter シナリオ設計、GCP 上での分散負荷生成、Apache ログとシステムメトリクスの分析によるボトルネック特定を行い、Busy 閾値の設定や関係チームへの改善依頼まで一貫して対応。
• 信頼性向上のための自動化: Selenium で JMeter スクリプトのアップロードを自動化し、作業時間を約 1 時間から 5 分に短縮。ロードバランサーの稼働状況（CPU・帯域・Busy 閾値への到達状況）を自動集計するレポートを開発し、負荷試験の評価指標に追加。Grafana・Jennifer のメトリクスから信頼性レポート（PDF）を自動生成。
• CI/CD と IaC: Jenkins・Groovy で CI/CD パイプラインを構築し、デプロイ頻度を週次から日次に向上。Kubernetes クラスタの運用で監視と自動復旧の仕組みを強化し、Ansible プレイブックでプロビジョニングを自動化。

Side project · Solo-built · 1,000+ users · 128 paying subscribers (Stripe) · 1,300+ commits

個人開発のサイドプロジェクト · 1,000+ ユーザー · 有料課金128名（Stripe）· 1,300+ コミット

• Real-time voice AI pipeline: Built a low-latency pipeline (browser mic → WebSocket → streaming STT → streaming LLM → TTS) that generates suggested answers in real time during interview practice sessions.
• RAG & LLM evaluation: Grounded each session in the user's resume with RAG (LangChain, Redis vector store, sentence-transformers) and ran LLM-as-judge evaluation with a stronger model, plus usage and cost monitoring in production.
• Platform & ops: Architected 8+ FastAPI microservices with a Next.js frontend and Stripe billing; set up CI/CD with security scanning, database migrations, and automated backup/restore on GCP.

• リアルタイム音声 AI パイプライン: ブラウザマイク → WebSocket → ストリーミング STT → ストリーミング LLM → TTS の低遅延パイプラインを構築し、面接練習中に回答例をリアルタイムで生成。
• RAG と LLM 評価: LangChain・Redis ベクトルストア・sentence-transformers による RAG で各セッションの応答をユーザーの履歴書に基づかせ、より強力なモデルによる LLM-as-judge 評価と、利用量・コストの監視を本番で運用。
• 基盤と運用: 8 つ以上の FastAPI マイクロサービスと Next.js フロントエンド、Stripe 課金を設計。セキュリティスキャン付きの CI/CD、DB マイグレーション、バックアップ／リストアの自動化を GCP 上で整備。

• Designed and trained a deep neural network (U-Net + ResNet) in PyTorch to remove reflections from images (glass glare, fences) — including the data pipeline, model training, and evaluation.

• PyTorch で深層ニューラルネットワーク（U-Net + ResNet）を設計・学習し、画像から反射（ガラスの映り込み、フェンスなど）を除去。データパイプライン、モデル学習、評価まで一貫して担当。