せりの備忘録

データサイエンティストの備忘録

2025年を振り返る

今年も1年を振り返ります。 本ブログでは業務外に関して振り返ります。 今年は特に生成AIに対する取り組みが多くなった一年でした。

今年の大きな出来事

学会に2回参加した

会社で情報処理学会の全国大会と人工知能学会にスポンサー参加することになり、スポンサーブースに立つため&最新の発表を聴講するため私も参加してきました。 情報処理学会では、多くの学生と話すことができ、楽しく過ごすことができました！ また、人工知能学会では、興味のあるフィジカルAIに関するセッションを聴講したりもでき、興味深かったです。

大阪・関西万博に行った

大阪万博に行ってきました！ まだ混雑の少ない5月に行き、今後おそらく行くことのないであろう国のパビリオンを中心に多くのパビリオンを見ることができました。 特に興味を持っていた石黒先生の「いのちの未来」も何とかチケットを取ることができ、非常に満足でした。

技術書典に出展した

6月に開催された技術書典18に初めてサークル参加しました！ 直近半年でキャッチアップした音声対話AIアプリの開発方法についてまとめた本を執筆し、頒布しました。 表紙はイラスト作成が趣味の友人に依頼し、余裕を持って作り上げることができました。 創作活動は好きなので、今後も機会があればこういったイベント参加をしていきたいです。

techbookfest.org

松尾研のLLM講座基礎編を修了した

10月から開講した松尾研主催の大規模言語モデル講座2025基礎編を受講・修了しました。 業務終わりに毎週2時間の講義と課題をこなすのは大変でしたが、普段触れることがないLLMの事前学習についても学ぶことができ、非常に満足度の高い講義でした。 現在は応用編も受講しており、最後にはコンペもあるので、優秀生を目指して頑張りたいと思います。

勉強会で複数回登壇した

今年も多くの勉強会に参加する中で、2回ほど自分も登壇しました。 社外の勉強会での登壇は初めてだったので緊張しましたが、多くの方に聴いていただき、良い経験となりました。

ariseanalytics.connpass.com

ariseanalytics.connpass.com

技術記事を複数執筆した

今年も技術記事を複数執筆しました。 会社のテックブログにも複数執筆したほか、QiitaにもLLMの事前学習に関する記事を執筆でき、満足度の高い記事を継続して執筆することができました。 今後も質を担保した記事を継続して執筆していきたいです。

qiita.com

AIイラスト活動を始めた

12月頃から、細々とAIイラストとAIマンガの作成を始めました。 権利侵害などに気をつけながら、楽しく継続していきたいと考えています。

やりたいことリストの達成状況

今年は以下のようなやりたいことリストを作っていました。

【Qiitaやテックブログなど外部発信を継続する → ⭕️】
Qiitaやテックブログで4本執筆したほか、勉強会でも2回ほど登壇しました。

【AWS資格またはAzure資格を受ける → ⭕️】
Azure資格のAZ-900を取得しました。 また、12月に参加したJAWS-UG主催のAI Builders DayでAWSに取り組みたい欲が上がり、現在AWSのCLF取得の勉強中です。

【技術書典に出展する → ⭕️】
上述の通り、頒布することができました。

【マラソンに出る → ⭕️】
健康のため、マラソンに出ることを目指しました。 毎日4km走る習慣をつけ、5月に開催された奥州マラソンの10kmの部に参加、完走しました。 寒くなってきてから走るのをやめてしまったので、年明け以降また健康のための取り組みを何か始めたいです。

【地方移住する → ⭕️】
東京に住んでいましたが、地方移住したいという思いがあり、7月に引っ越しました。 現在はリモートと出社を混ぜたハイブリッドワークという形で働いています。

【恋人を作る → ❌】
今年も目標にしていましたが、結局成果は得られませんでした、、 ただ、8月から婚活を本格的に始めたので、来年は成果を出したいと思います。

【ICLを受ける → ❌】
極度な近視のため、ICLを受けることを検討していました。 ただ、引っ越しなどお金のかかることが多かったこともあり、今年は見送りました。 来年以降また考えていきたいと思います。

まとめ

今年はNotionにやりたいことをたくさん挙げて実行できたかを確認する形としましたが、かなり多くの部分で達成できていました。 ただ、目標があった方が頑張りがいがあるなとも思ったので、来年は一昨年までと同様目標を立てる形で取り組んでいこうと思います。

2024年を振り返る

今年も一年を振り返ります。

今年の大きな出来事

JSAI2024で発表した

昨年から取り組んでいた人とAIのコミュニケーションに関する研究について、人工知能学会全国大会で発表しました。
LLMエージェントの人間との対話における反芻的返答の親近感向上効果
LLMという今最もホットな分野だったこともあってか、ポスターセッションの間、人が途切れることなく発表を聴いていただき、いろいろな議論ができました。

 ブログを3本書いた

今年は3本だけでしたがブログを執筆しました。来年はブログだけでなく、勉強会での登壇もしたいと考えています。

資格を取得した

学生の頃から取りたいと思いつつ取れていなかった統計検定2級をようやく取ることができました。また、個人的な興味としてウイスキー検定の3級を取りました。これで、ただウイスキーが好きというだけでなく、資格も持っていると言えるようになりました。来年はAWSかAzureの資格を取りたいなと考えています。

データ分析コンペで銅メダルを獲得した

SIGNATEで行われたSIGNATE Cupという旅行パッケージ購入予測コンペで72/1226位となり、銅メダルを獲得することができました。評価データ時にシャッフルが起こる運の要素も強いコンペでしたが、メダルを獲得することができてよかったです。また、これによりSIGNATEのExpertに昇格することができました。

国内旅行に2回行った

今年も国内旅行に行きました。ゴールデンウィークに沖縄の石垣島・竹富島・本島に行き、この年末は下関・福岡に行く予定です。また、来シーズンの冬には念願のヨーロッパに行けないか検討を始めました。

目標を立てずに生活した

今年は例年のように年間と四半期ごとの目標を立てずに生活してみました。結果、定期的にこれから数ヶ月で何をしたいかの計画を立てたりしていたので、やはり目標を立てるほうが自分にはあっていると思いました。来年は、やりたいことと目標を立てて生活してみようと思います。

まとめ

今年はある程度やりたいことはできましたが、目標を立てていなかったので何ができるようになったかがあまり明確になっていない気がします。来年は目標を立てて、年末に達成感を得られるようにしたいと思います。

SIGNATE Cup 2024 夏 旅行パッケージ成約率予測 Bronze Solution

技術

はじめに

こんにちは、データサイエンティストをしているせりです。

2024/8/1~2024/09/01の期間に行われた「SIGNATE Cup 2024 夏」の旅行パッケージ成約率予測コンペ において、まだ確定ではないですが72位となり、銅メダルを獲得することが出来ました。
また、これによりSIGNATE Expertへ昇格しました！

72位で銅メダルでした！(チーム名は恥ずかしいので省略)
この記事では、そのBest solutionと戦略、他に検証した手法について紹介したいと思います。

コンペ概要

このコンペは、旅行会社が保有する顧客データを元に、旅行パッケージの成約率を予測することが目標です。
予測した成約率に対してAUCで評価を行い、そのスコアで順位を競うというものでした。
詳細はコンペサイトを見ていただければと思います。

SIGNATE Cup | SIGNATE - Data Science Competition

手順と戦略

手順

今回のコンペでは、以下の手順で取り組みました。
コンペに参加したのが8/15からで締め切りまで半月しかなかったのですが、手順5からは友人とチームを組んで2馬力で進めたので、様々なことを試すことが出来ました。

  1. データを取り込んでtutorialをそのまま実行し、スコアを確認する
  2. データクリーニングを行い、データを整える
  3. EDAを行い、外れ値などの対処を行う
  4. Catboost用にカテゴリ化処理を行う
  5. LightGBM、Catboostを用いてモデルを構築・実行し、ベースラインを作り、EDA結果と合わせて戦略を練る
  6. 不均衡問題に対する対処を実施する
  7. 特徴量エンジニアリングを行う
  8. 異常検知モデルを試す
  9. 別モデルとしてXGBoost、TabPFNを試す
  10. アンサンブル、スタッキングを試す
  11. LLM fine-tuningを試す

戦略

手順【5】でベースラインが出来たところで、以下3点の戦略を練りました。

  • 3のEDAの結果から、不均衡データであることが分かっていたので、これの対処としてUnder sampling + Baggingを試すこと (手順6)
  • 単純に特徴量エンジニアリングを試すこと (手順7)
  • 並行して、LightGBMとCatboost以外の有効そうなモデルを検討すること

上記を実施後、再度戦略検討を行い、以下の案が出ました。

  • 不均衡問題に対して、Under sampling + Baggingはそこまで効いていない。別の対処法として、異常検知モデルのLocal Outlier FactorとOne Class SVMのスコアを特徴量として追加することを試す (手順8)
  • LightGBMとCatboost以外の有効そうなモデルとして、XGBoostとTabPFNを試す (手順9)

これらが終わった時点であと1日程度だったので、アンサンブル、Logistic RegressionとNeural Networkを使ったスタッキングをして終了しました (LLM fine-tuningについては後述)。

また、今回のコンペでは最終提出するファイルが2つまで選べるとのことで、以下の条件で2つのファイルを選択しました。

選択モデル 狙い CV LB
全モデルのスタッキングモデル 汎化性が高く、shake downの可能性が低い&shake upが狙えるモデル 0.86 0.8398
Catboostのモデル CV, LBとも精度が高いモデル 0.8442 0.8417

結果として、CatboostのモデルのLBがベストスコアとなりました。

Best Solution

上記の通り、最終評価で最もスコアが高かったモデルは、Catboostモデルでした。
本ソリューションのコードは以下で公開しています。

GitHub - TatsukiSerizawa/SIGNATE-Cup-2024-Summer-Best-Solution

このモデルで実施したことは以下の通りです。

  1. 受領データに対し、データクリーニングを実施する
  2. クリーニングデータに対し、数値データのカテゴリ化と外れ値補正を行う
  3. OptunaでCatboostのパラメータ最適化を行う
  4. 最適パラメータを用いて学習を行う
  5. K-foldの平均値を提出

今回のSolutionで特徴的な、1~3の処理内容を紹介します。

1.データクリーニング

https://github.com/TatsukiSerizawa/SIGNATE-Cup-2024-Summer-Best-Solution/blob/main/01_data_cleaning.ipynb

まずデータを確認したところ、明らかに内容がおかしいカラムが複数ありましたので、それらのカラムの内容を揃える処理を行いました。

例）性別：male, Male, Ma1e → Maleに揃える

これらの処理のスクリプトは基本的にChatGPTに書いてもらい。微修正することでパパっと終わらせました。

2.カテゴリ化と外れ値補正

SIGNATE-Cup-2024-Summer-Best-Solution/03_preprocess_make_ctgr.ipynb at main · TatsukiSerizawa/SIGNATE-Cup-2024-Summer-Best-Solution · GitHub

自分もコンペのディスカッションで知ったのですが、Catboostは名前の通りカテゴリカルデータに強いモデルとのことなので、年齢や年収など一部の数値データをカテゴリ化する処理を行いました。
特に月収カラムなどは振れ幅が大きく、区分分けの方法に悩んだのですが、各カラムで区分分けを変えて学習した時の精度差と、これまでデータ分析を行ってきた経験で決定しました。

また、クリーニングしたデータを確認した際、NumberOfFollowupsカラムは基本的には1~6の数値が入っていたのですが、一部100, 300といった数値が混ざっていました。
実際に店員が1組の顧客に対するフォローを何百回も行うことは現実的ではないので、顧客データベースへの入力ミスと仮定して100で割る処理を行ったところ、精度改善することが確認できました。

例）300 → 3

3.パラメータ最適化

SIGNATE-Cup-2024-Summer-Best-Solution/04_catboost_parameter_tuning.ipynb at main · TatsukiSerizawa/SIGNATE-Cup-2024-Summer-Best-Solution · GitHub

本学習を行う前に、OptunaでCatboostのパラメータ最適化を行いました。
ただ、iter=20より iter=100 の方がcvは良くなるものの、LBは低下するということもあり、あまり意味はなかったかもしれないです。

他に試したことで面白かったこと (LLMの話)

本コンペが終わる直前の8/29~31に、atmaCupが開催されていました。
こちらのコンペで話題となっていたのが、上位陣のソリューションの多くがLLMをコンペデータでfine-tuningしてスコアを予測させていたということです。

こんな方法があるのかと思い、コンペ最終日を使って真似してみることにしました。
コードはatmaCupでも使われていた、Kaggleで公開されている以下を用いて実装しました。

[Training] Gemma-2 9b 4-bit QLoRA fine-tuning | Kaggle

LLMのfine-tuningを行うのが初めてということもあり、トライアンドエラーを繰り返しているうちにタイムアップとなってしまい、提出があと30分間に合いませんでした。。
ただ、手元のデータでcvを確認したところ、0.7515 というようなスコアとなりました。
自分の他のモデルやベストソリューションのスコアが0.84台なのを考えると低いですが、これはatmaCupなどと違い、コンペデータに自然言語があまり入っていないことが原因の1つかなと考えています。
ただ、特別な前処理をせずにこの精度が出たことを考えると、改善の余地は多分にありそうだなとも考えています。

感想

今回のコンペは、正直運の要素も大きいコンペでした。
ただ、参加してから締め切りまで半月しかないなかで多くの試行が出来ました。
特に、異常検知モデルやTabPFN、LLM fine-tuning辺りは初めて触ったので、実装経験を積むことが出来て良かったです。
加えて、コンペの全体像を把握した後や戦略を練る際の構造化と分析設計について、普段の業務経験を踏まえながら自分が出来ることとまだ出来ないことを把握することができ、非常に良い経験となりました。

コンペお疲れ様でした！

謝辞

今回、コンペでチームを組んで一緒に取り組んでくれたご学友のデータサイエンティスト、baibai氏に深く感謝申し上げます。

2023年を振り返る

今年も1年を振り返ります。

今年の大きな出来事

社内異動した

現職ではコンサル系のチームでデータサイエンティストをしていましたが、希望していた研究開発がメインのチームに異動しました。業務として研究開発を行う上で必要となる思考方法などスキルを学ぶことができ、良い経験になっています。

HAI×生成AIの研究を始めた

元々取り組みたかったHuman Agent Interactionに関する研究に取りくんでいます。今年流行りの生成AI (LLM) をエージェントとして見立てて研究しており、途中で得た知見は以下の通りまとめています。

国内旅行に2回行った

近年は友人と定期的に旅行に行っており、今年は北海道と広島に行ってきました。また、出張で岩手にも行ってきています。来年は山形に行くのが決まっており、また久々に海外旅行も行けたらと考えています。

コロナに罹った

9月末に初めてコロナに罹りました。1週間程度寝込み、未だに味覚が十分に戻りきっていないです。。

推しに出会った

去年からNine chocolatesというグループは知っていましたが、今年初めてメンバーとお話して推しが出来ました。来年もよろしくお願いします。

ブログを書いた

今年は技術ブログを中心に複数の記事を書きました。特にLLMのRAGに関する記事は2本ともかなりPV数が伸びており、注目技術をキャッチアップできていたのかなと思っています。

目標の達成状況

今年は以下の通り目標を立てていました。

【いい人を見つける → ❌】

今年は昨年末から始めたサービスで出会いを探しましたが、なかなか合う人と出会うことは出来ませんでした。来年こそ。

【満足のいく仕事をする → △】

希望する業務に取り組むことができましたが、特に年末にかけて生産性が低く、高いアウトプットを出すことが出来ませんでした。特に言語化ということに課題を感じており、来年は課題解決を目指したいと思います。

【継続したアウトプットを出す → ️△】

上記した通り、学んだことをテックブログとしてまとめることでアウトプットを出し続けることが出来ました。ただ、業務でのアウトプットが年の後半は不十分だったのと、資格も取りたいと思いながら結局取る事が出来ませんでした。

【健康 → △】

持病が一時期悪化してしんどい時期が続きました。また、健康診断では数値が悪いものもあったので、もう少し改善したいです。

まとめ

今年は立てた目標をしっかり達成出来たものがありませんでした。来年は達成出来る目標を立てるようにしたいと思います。

2022年を振り返る

生活

今年も1年を振り返ります。
今年の主な出来事と目標の達成状況に関して振り返ろうと思います。

今年の主な出来事

D進を諦めた

今年の上半期にかけて、D進を検討していました。
これまで「AIと感情」をテーマに研究をしていましたが、関連してHAI (Human Agent Interaction) に関する研究をしたいという想いが強くなりました。
そこで、この分野に強い大学を4つほどピックアップし、中でも自分の関心と関連性が強く、HAIやHRIにも強い研究室を訪問をして入学までの具体的なフローを確認しました。また、ちょうど春に行われたML関係の研究者の集まりや、周囲のD進経験者達に話を伺い、D進した場合の生活を予想したり、何度も金銭的なやりくりの計算をやり直してやっていけるかを確認しました。

研究室見学では久々に学生気分を味わえて楽しかったです

ただ、D進するには金銭的余裕と精神的余裕がないとやっていけないなと思い至りました。特に志望研究室は金銭的フォローの多い大学院・研究室でしたが、それでも就職している現在の年収と博士課程に進学した場合にもらえる奨学金などとの差を考えると、やっていける自信がありませんでした。
また、精神的負荷も大きく、1度はしんどくなることが見込まれたため、お金の余裕がない状況で強い精神的負荷に耐えられる自信もありませんでした。

転職した

前述したD進を諦めた一方、現職を続けていくことに疑問があったことから、転職をしました。前職はAIエンジニアとして働いていましたが、現職はデータサイエンティストとして働いています。これに関しては、↓にまとめています。

AIベンチャーを退職しました - セーターの備忘録

新卒で社会人になってから2年連続で転職してしまっているので、今度こそ長く続けていきたいと思っています。

引っ越した

転職に併せて、引っ越しもしました。

港区暮らしをして思ったこと - セーターの備忘録

記事に書いた通り前に住んでいたところは賑やかすぎたので、静かな環境に移れて満足しています。

人工知能学会で発表した

6月に京都で行われた人工知能学会の全国大会の国際セッションで発表をしてきました。

Optimization of Convolutional Neural Network Using the Linearly Decreasing Weight Particle Swarm Optimization

学生時代にやり残した研究の内容でしたが、業務の合間で論文を書いていくのは大変でした。。
ただ、学会の会場でいろんな発表を聴いたり、Twitterで繋がっている人とお会いできたり、転職を検討していた企業の方とお話できたりして楽しかったです。

Twitterで炎上した&バズらせた

夏に2週連続でツイートが伸びて炎上したりバズったりしました。

炎上したのは、過去にあった闇深い話を夜寝る前に投稿したところ、翌朝には見事「通知が止まらないw」になってました。
プラスなツイートではなく、伸びるのも不本意だったのでツイートは消しましたが、まとめサイトなどにも載せられてしまっていたので、気をつけようと思います。

また、バズったツイートはこちらのツイートで、自分の将来の夢を載せたら勝手にバズってました。

こちらもまとめサイトとかに転載されてましたが、こういうバズり方は今後もしていきたいです。

新しく推しができた

推しはいいぞ。

立てた目標と達成状況

立てた目標

毎年、1年の目標とそれを達成するために四半期ごとの目標を立てて行動しています。
1年の目標は以下の通りでした。

達成状況

【資格取得：✕】

業務に関連する資格を取得しようと考えていましたが、取ることができませんでした。理由としては、人工知能学会での登壇が決まったり、D進または転職を考えたなど、状況の変化によって優先すべき課題が他にできたためで、何もしなかったわけではないのでしょうがないかなと思っています。

【データ分析・ML関連で何か成果：〇】

学生時代にやり残した研究成果を人工知能学会の国際セッションで発表してきました。 また、前職ではAIエンジニアとして、現職ではデータサイエンティストとして業務に取り組む中で、データ分析やMLに関する成果を継続して出しています。

【継続的に文章を書く：〇】

今年ははてなブログでは以下5本の記事を書きました。

2022-01-01から1年間の記事一覧 - セーターの備忘録

また、Qiitaでも以下にある通り5本の記事を書いています。

t_serizawa - Qiita

加えて、繰り返しになりますが人工知能学会での発表のために論文を1本書きました。

Optimization of Convolutional Neural Network Using the Linearly Decreasing Weight Particle Swarm Optimization

【いい人を見つける：✕】

今年はまた新しいサービス (The SINGLE, ヒトオシ など) を使ってみたりしていろいろ工夫して頑張りましたが、良い結果は得られませんでした。
クリスマスお茶漬け事件は忘れません。
来年こそ納得できる結果を得たい。。

【健康：✕】

5月に食中毒になり、1週間苦しみ続けて7kgほど痩せました。二度と鳥刺しは食べません。
また、4~8月にかけて自律神経の不調に苦しみ続け、安定させるまで苦労しました。
fitbitや連携できる体重計を買ったりしたので、来年はもう少し健康を取り戻していきたいです。

まとめ

今年は大きいイベントがいくつもありましたが、マイナス方面ばかりでプラス方面の出来事はあまりありませんでした。
ただ、転職で良い環境に移れたり、出会いに関して新しいサービスを年末に始めたりなど種まき的なことはできたかなと思うので、来年は飛躍の年にしていけたらと思います。

聖蹟桜ヶ丘に思いを馳せる

生活

聖蹟桜ヶ丘。

名前の響きからとても好きだ。
この街を知るきっかけになったのは、自分のオタク人生に大きい影響を及ぼした『一週間フレンズ。』という作品のアニメ版の舞台になっているということからだった。
『一週間フレンズ。』の作品の透明感は読んだり観た人にはわかると思うのでぜひ見てみてほしい。

oneweekfriends.com

この作品のメインヒロインである藤宮さん役を演じているのがTrySailの雨宮天さんで、その演技力から声優というものとTrySailというグループに興味を持つようになり、TrySail沼にずぶずぶと足を踏み入れていった。

それはともかくとして、この街を訪れたのは初めてだった。
たまたま遊ぶ予定の友人が遊んだ後に聖蹟桜ヶ丘で用事があるということで、この地を訪れることができた。
基本的に住宅街なので、よほど用事が無い限り来ることのない場所だ。

都心から京王線で向かうと聖蹟桜ヶ丘駅に着く少し手前で多摩川を渡るため、住宅街が続いていた車窓からの風景が一気に開けた景色に変わった。
その瞬間、「あ、この場所絶対自分に合っている場所だ」という確信があった。
車窓から下を多摩川、上の方には丘陵地帯の緑が広がっていて、地方の都市に来たかのような錯覚に陥った。

友人と遊び終わった後、ふらふらと街を散策すると、都心とは違う少し緩やかな時間が流れていた。
いろは坂を登りながら息を吸ったとき、木々の香りを含んだひんやりとした空気を感じ、都内であることを忘れることができた。

いろは坂を登ってくると、ドラマやアニメで使われてそうな住宅街を一望できる景色が広がった。
駅からそこまで離れていない距離でこれだけ高低差があるのは驚きを感じ、また登ってくる途中でも住宅が途切れない辺り、やはり都会の住宅街だなという印象。

坂の上からは住宅街を一望できる

ただ、坂の上に住むのであればやはりバスか車は必須だなとも思った。
行きの登りで疲れ果てて帰りはタクシーを使った。

フルリモート勤務をするようになるか、家庭を持つようになったら、このような自然を感じられて緩やかな時間が流れる街に住みたい。

この時期の駅はノスタルジーを感じやすい

引っ越し時に気をつけるべき物件のネット回線条件の見方

はじめに

はじめまして、都内でデータサイエンティストをしているセーターと申します。
こちらは 一人暮らし Advent Calendar 2022 4日目の記事になります。

みなさんは引っ越しをしてから、家のネット回線が遅かったりオンラインゲームが上手く繋げられなくて失敗したー！という経験はありませんか？
今回は引っ越し時に気をつけないと後で後悔しがちな物件のネット回線状況の見方について書かせていただきます。

賃貸物件のネット回線でミスらない4つのポイント

物件のネット回線でミスらないためのポイントとして、まず以下の2つの状況に応じて注意する4つのポイントがあります。

  • ネット無料物件 (入居直後から使えます！)
    • グローバルIPが物件全体で共通になっている可能性がある
    • 回線契約先の条件が良くない場合がある
  • ネット使えます物件 (ネット回線は自分で契約してね)
    • 回線方式 (光回線かVDSLか) を確認すべき
    • 希望するプロバイダを使えるか確認が必要

ネット無料物件

ネット無料物件は物件の大家や管理会社が既にネット回線を契約しており、入居したその時から使えることが特徴です。しかし、以下のような点に気をつける必要があります。

【グローバルIPが物件全体で共通になっている可能性がある】
ネット回線を1つ契約してそれをアパートやマンション全体で共有しているような形の場合、グローバルIPが共通になっていることがあります。
共通になっていると、自宅サーバーを立てられなかったり、VPN接続やオンラインゲームをしようとするときに支障が出る場合があります。

【回線契約先の条件が良くない場合がある】
管理会社や大家が光回線を契約しているので、契約先や条件次第で回線速度が遅い可能性があります。

ネット使えます物件

ネット使えます物件は自分で好きなネット回線会社 (プロバイダ) を契約して使うことになるのが一般的です。ただ、「自分で選べるんだから速度も出したい放題でしょ？」と勘違いしていると沼るので要注意です。

【回線方式 (光回線かVDSLか) を確認すべき】
物件紹介に「ネット使えます」と書かれていても、方式までは書かれていないことがほとんどですが、この方式には主に「光回線」と「VDSL」の2つの方式があります。

光回線はその名の通り、部屋まで光回線が来ている方式で、最大1Gbpsの速度が出ます (最近は10Gbpsも出てきてるみたいです)。

光回線方式

一方、VDSLは物件の共有スペースまでは光で来ているのですが、そこから各部屋へ分配するときに電話回線を使っており、最大100Mbpsしか出なくなっています。

VDSL方式
厄介なのが、多くの不動産屋で対応してくれるスタッフもネットには詳しくない人が多く、VDSLの物件も「光来てますよ！」と言ってくることが多いです (自分が引っ越すときの担当者がこのタイプでした)。
なので、ネットをよく使ったりリモートワークをしたりして回線速度を重視する人は、物件を決める前に担当スタッフに「物件の管理会社にネット回線は光方式かVDSL方式か確認してください」と言うのをオススメします。

【希望するプロバイダを使えるか確認が必要】
多くの物件では好きなプロバイダを契約するように言われますが、たまに契約先を指定してくる物件もあります。
また、au光やNURO光のように高確率で新たに回線を引き込む工事が必要になるプロバイダは、管理会社や大家が工事を許可しないことが多いです。
そのため、契約したいプロバイダがある場合はそこが使えるかも確認する必要があります。

まとめ

ネットが生活の重要インフラとなっている現代において重要ですが意外と知られていないポイントをまとめました。
引っ越しをする機会がある方がいればぜひ参考にしていただけると嬉しいです。