ＮＴＴドコモの夏インターン体験記(エンジニア)_No.24598

1. トランプゲーム（テキサスホールデム）のゲームアプリ
開発目的：趣味，GUIの学習
開発期間：2022年6月 ~ 2022年7月
開発環境：Java, Swing
概要：bot対プレイヤーのオフラインゲームのアプリを開発した．

2. 機械学習による顔/非顔の画像認識モデル
開発目的：趣味，機械学習を学ぶため
開発期間：2023年4月 ~ 2024年5月
開発環境：Python
概要：画像に顔が写っているかいないかを判別する認識モデルを開発した．画像認識において比較的容易に実装できるVGG16を学習モデルに採用し，数万枚の学習データをもとに，およそ90%の精度で正しく判別できる画像認識モデルを完成させた．

3. 機械学習による為替予測とそれを利用した自動売買ツール
開発目的：趣味
開発期間：2023年5月 ~ 2024年2月
開発環境：Python, Keras
概要：過去10年のドル円の為替価格の時系列データを学習データとして，畳み込みニューラルネットワークによる為替予測を行った．一週間分の為替価格の時系列データを入力として，価格が閾値より上がるか，下がるか，どちらでもないかを出力するように設計した．また，MetaTraderという為替取引ツールのAPIを利用してリアルタイムで実際に自動為替取引できるシステムを開発した．試行錯誤したが，利益が安定しなかったのでシステム運用は中断した．

4. 機械学習による音声認識システム
開発目的：学部時代の卒業研究
開発期間：2023年8月 ~ 2024年1月
開発環境：Python
概要：大量の〇〇〇の音声データと少量の△△△の音声データを学習させて，△△△を対象に高精度の音声認識システムを開発した．

私は，機械学習による音声認識システムを学部時代の卒業研究として開発しました．現在サービスとして提供されている一般的な音声認識システムは全て〇〇〇を対象としているため，△△△は，音声認識システムの利用に不便を強いられてしまいます．このような理由から，△△△に対して精度の高い音声認識システムを開発することにしました．

△△△のための音声認識システムを開発する上では，△△△のラベル有り音声データが少量であるという課題が存在します．そこで，比較的収録が容易であるラベル無しの△△△の音声データも利用することで，より精度の高い音声認識システムを作れないかと考えました．

ラベル有りの学習データで学習させて完成というのが，機械学習において考えうる一番単純な流れです．しかし，前述した課題点から，ラベル有りの少量の学習データだけでは十分な精度が出せません．そこで，ラベル無しの多量な学習データで事前学習させ，その後にラベル有りの学習データで学習するという流れをとることで，データ不足による問題を解消させました．学習モデルには，ラベル無し音声データによる事前学習ができるwav2vec 2.0というモデルを採用し，〇〇〇のラベル無し音声データ，△△△のラベル無し音声データによる2段階の事前学習をした後に△△△のラベル有り音声データによってファインチューニングを行いました．結果として，△△△のラベル無し音声データを用いることでより音声認識率の高いシステムの開発に成功しました．

面接選考がないため、丁寧なES作りを心がけた。

Git と基礎的なアルゴリズムの知識を復習しておくことをおすすめします。

競プロの問題を練習に使うといいと思います。

インターンでは選考要素がなく、参加者全員が早期選考に進むことができるので重視されているところはない。思い思いにハッカソンに取り組めばいいと思う。