シユ コウイ

AUTO-INSPECT株式会社にて、画像処理AIエンジニアとして約1か月半のインターンシップに参加しました。まず、既存製品の仕様・価値提供の流れを把握したうえで、CEOから本インターンにおける期待値や実現したいゴールを直接ヒアリングし、課題設定と優先順位を明確化しました。続いて、関連領域の最新論文を調査し、知見を設計へ落とし込みながら複数モデルを比較検証し、改善サイクルを回して開発を推進しました。 その過程で直面した大きな課題は、学習データの不足でした。加えて、画像処理は私の主専攻とは異なる領域であったため、基礎から体系的にキャッチアップする必要がありました。そこで、画像処理の基本（前処理・特徴表現・評価指標など）を集中的に学習しつつ、限られたデータでも性能を引き出せる少数データ／少数ショット学習（Few-shot、データ拡張、転移学習など）のアプローチに注力しました。具体的には、データの品質改善と拡張、事前学習モデルの活用、過学習を抑える学習設計などを組み合わせ、データ制約下での性能向上を図りました。 最終的に、検証結果と得られた示唆を整理した発表資料を作成し、開発内容についてプレゼンテーションを実施しました。限られた条件下でも成果を最大化するために、課題の本質を見極め、学習と実装を並行して進める姿勢を身につけることができました。