AIエージェント🤖 AI主導開発中
ボートレース予測AI
毎晩データ収集・学習し、翌朝に予測を更新する全自動ボートレース予測システム
PythonNext.jsSQLite機械学習スクレイピングタスクスケジューラ
// VIBE CODING RATIO
💪 自力実装 20%🤖 AI担当 80%
■ 設計・判断・レビュー■ AI実装
予測パイプライン（収集→学習→予測）の全体設計と、どのデータを特徴量にするかの判断を自分で行った。動作確認・精度評価は自分が担当。実装はAIと壁打ちして進めた。
// BACKGROUND — なぜ作ったか
競馬・ボートレースの予測AIに興味を持ち、データが公式から取得しやすいボートレースで実装を開始した。予測するだけでなく、毎晩自動でデータ収集・学習して翌朝には最新予測が出ている、という完全自動パイプラインを目指した。
// WHAT I DID — 何をやったか
3つのバッチ処理を組み合わせた全自動予測パイプラインを構築した。
夜間バッチ（start_collect.bat）：公式からレース結果データを自動収集・DB保存・モデル再学習。朝バッチ（start_predict.bat）：当日レースの予測を生成してDBに保存。フロントエンド（Next.js）：予測結果・過去成績・モデル精度をリアルタイム表示。WindowsタスクスケジューラでこれらをPC起動時・時刻指定で自動実行。
// MY DECISIONS — 自分が設計・判断した部分
「毎晩自動で学習して翌朝に予測更新」という完全自動サイクルの設計を自分で決めた。モデルは汎用化せず大村競艇場を優先した理由（データ量・特性の安定性）も自分の判断。収集→学習→予測を分離した3バッチ構成にしたのも、障害時の再実行コストを最小化するため自分が設計した。
// TECH DETAIL — 技術的な工夫
- **データ収集**：公式ダウンロードページからの定期取得・SQLiteへの差分保存
- **機械学習**：出走データ・コース・モーター・選手成績を特徴量に予測モデルを構築
- **タスクスケジューラ連携**：install_daily_task.batでWindowsのタスクスケジューラに自動登録
- **Next.js フロントエンド**：予測結果・的中率・モデル精度をダッシュボード表示
// SCREENSHOTS
// RELEASE NOTES
v2.02026-03
Next.jsフロントエンド追加・予測ダッシュボード実装
v1.02024-09
収集・学習・予測の3バッチパイプライン・タスクスケジューラ連携
開発開始: 2024-09最終更新: 2026-03