WHAT'S UP?

New post every sometimes. Here's OKKAH NET.

日立製作所 研究開発インターンに参加してきた

8/22-9/11の3週間、日立製作所 研究開発グループのIoT向け画像計測・認識アルゴリズムの開発コースのインターンシップに参加してきました。


選考フロー
「書類選考 → Webテスト(玉手箱) → 面接」という流れでした。

書類選考は、研究職だということもあり大学での研究内容について書く量がかなり多い印象がありましたが、それ以外は比較的普通でした。
面接は担当部署の課長さんと一対一で、穏やかな雰囲気ではありつつも、研究については非常に細かいところまで聞かれるといった感じでした。

基本的には大学での研究を通じて得た技術力、主体性、問題解決能力、コミュニケーション能力等を見られていると感じましたが、最終的にはインターンの業務をしっかりとやり遂げられるのかどうかを面接官が直感的に判断しているのだと感じました。


インターンシップの内容
AI活用欠陥画像自動分類技術の研究に取り組みました。

具体的には、新規欠陥画像で既存欠陥のモデルに追加学習をしたとき既存欠陥の分類性能が以前よりも劣ってしまうという問題に対して、新規欠陥画像のみでモデルを学習し既存欠陥の性能を保持できる手法を提案し、既存手法との比較を行いました。

まずは英語の論文から必要な技術やアルゴリズムを学び、環境構築、提案手法の実装・検証、成果報告会の準備・発表といった流れでした。
途中、全インターン生合同で行うアイデアソン、社内施設・他部署見学、社員さんや他の部署のインターン生との飲み会などもありました。


インターンシップを終えて
提案手法独自の損失関数について、英語の論文のみから詳細を理解してコードを実装することが大変でした。

オブジェクトの扱い方が分からず何度もエラーになったり、逆伝搬を求める際の複雑な微分計算に手こずったり、実際にコードが動くようになっても限られた時間で学習を終わらせるために更なる工夫が必要であったりと何度も挫けそうになりました。

こういった課題に対して、まずは紙とペンで与えられた状況を明確化し、ある程度の当たりをつけてからコードの読み込みや検索を行い、粘り強くトライ&エラーを繰り返しました。
また場合によっては社員の方々や他のインターンシップ生から必要な情報を獲得することで解決できたこともありました。
最終的には良い結果を得られ、非常に大きな達成感を味わえたので良かったです。

今回のインターンシップを通じて、仮説を立て、検証し、正誤を判定するという研究の基本姿勢を学ぶことができました。
また、モデル定義やデータ読み込み、Fine-tuningの復習から始まり、オブジェクトの扱い方や独自の損失関数の定義、パラメータチューニング等を学び、プログラミングのスキルアップができました。