4ヶ月間の長期インターンシップを終えて

初めまして、LeapMindさんで4ヶ月間インターンシップしました、西浦といいます。 こういった記事を書くのは初めてなので正直何を書けばいいのか分かりませんが、とりあえずインターン中に何をしたかと感想ぐらいは書いておこうと思います。

インターン中のプロジェクト

私のインターンシップは4ヶ月と期間が長かったこともあり、2つのプロジェクトを行いました。1つ目が「機械学習を用いた蒸発冷却実験の解析」というプロジェクト、2つ目が「データクレンジングによるモデルの性能向上」というプロジェクトです。

機械学習を用いた蒸発冷却実験の解析

このプロジェクトは、元々LeapMindさんが行っていたものを引き継いだものでした。簡単に(?)説明すると、「蒸発冷却」という原子を冷やすための実験があり、その実験を行うには複数のパラメータを上手く調整しないといけません。調整自体は機械学習が自動的にやってくれる(前プロジェクトの成果(Nakamura et al. (2019)、すごい！)んですが、どのパラメータを使うかは事前に決める必要があります。そうなると一番効くパラメータから使いたいですよね？そこで、このプロジェクトです。

Nakamura et al. (2019)では、「ベイズ最適化」という手法を使って自動でパラメータを調整していますが、この時に「ガウス過程」を使います。そして、この「ガウス過程」になんやかんやしてやると最適化しながらどのパラメータが効くのかも出してくれます。

色々と専門用語が出てきて何を言ってるのか分からない方もいるかもしれません。でも大丈夫です。私もインターンシップに来る前は、この辺の知識は全くといっていいほどありませんでした。しかし、プロジェクトを進めるうえで、その知識を勉強することも含めて面倒を見て頂きました。このようにして、1つ目のプロジェクトは半分勉強をしながら約3ヵ月で終わりました。

データクレンジングによるモデルの性能向上

データクレンジングとは、データセットから悪いデータ(本来そのクラスが持つべき特徴を持ってないデータ)を取り除くことで、識別器が間違った特徴を学習するのを防いで、性能を向上させようというものです。このプロジェクトは、1つ目のプロジェクトが終わってからの1ヵ月でやりました。期間が短かったのもあり、理論や手法の詳細を勉強する過程を飛ばして、実際にやってみてどうだったかを知ることがメインでした。実験を進める傍ら、報告用に資料をまとめたりと1つ目のプロジェクトに比べると忙しかったですが、色々とLeapMindの方々にサポートして頂いて何とか結果を出して終わることができました。

感想

振り返ってみると「4ヶ月ってあっという間だったな」というのが一番に出てきました。普通に考えると、4ヵ月って結構長いと思うのですがそう感じないってことはLeapMindさんでのインターンシップは非常に充実していたのだと思います。またプロジェクトに参加するだけではなく、社内で交流するイベントが多くあったことも良かったです。2週間に1回、他の部署の方たちとランチに行くShuffle Lunchという企画があったり、1週間業務を止めて自分のしたいことができるHackDaysという企画があったり他にも色々と企画がありインターンシップをより楽しむことができました。

最後に

学生にとって一番重要かもしれない点を書いておこうと思います。

なんと、LeapMindさんのインターンシップでは、(一応上限はありますが)インターンシップ期間中の宿泊費を出してくれます。さらに給料まで出ちゃいます。

正直、学生の長期休暇なんてバイトして遊ぶばかりだと思います(少なくとも私はそうでした)。それだったら、インターンシップに参加してお金ももらいつつ有意義に過ごしたくないですか？

この記事を読んで少しでもLeapMindさんでのインターンシップに興味が出たら幸いです！