新卒から2年間、機械学習エンジニアになり、初心者なりに働いてみた〜2年目〜
はじめに
この記事は、https://note.com/muu4649/n/n1552532edc45 の続きになります。2年目は、実際に機械学習・深層学習の応用に触れていくことが多くなりました。はじめて、学会にも参加（聴き専）しました。
2年目前期：様々な分野に触れる。画像認識・自然言語処理を勉強する。
ちょうどこのころ、私のバイブルであるゼロから作るDeep Learning の２巻（自然言語処理編）が登場していた。はじめはおもしろそうというだけの感じだったのだが、業務で必要になってきた。
というのも、以下の論文を実装したいなという思いから、この本を勉強しないと特に、RNN（リカレントニューラルネットワーク）を会得したいとなった。論文を読み込んでしっかりプログラムを書いたのはこれが初めてだと思う。
これは、化合物の物性を予測するための特徴量エンジニアリング手法だ。勉強して下記のようなアウトプットをつくったのはいい思い出。
ここまでで、かなり化合物の特徴量抽出を学んだ。下記のリンクに書いてあるもののうち上１０個そのほかにも、論文を調査したと思う。
http://lan496.hatenadiary.jp/entry/2018/02/16/091521
２年目前期では、
○自然言語処理の基本（word2vec・one-hot表現）
○RNN
○特徴量エンジニアリング（化学）
を習得した。（完璧ではないが、、、）並行して１年前期の業務も引き続き行い、先方にプログラムを渡すなどの技術移管を行った。その際に、
○エクセルの扱い
○エクセルでpythonのバッチファイルを動かす方法
を身につけた。
また、下記の学会にも参加した。
大学の頃に戻れた感じがあってワクワクできた。来年も行けないかなと。
2年目後期：様々な分野に触れる。画像認識に力を入れる。
２年目はディープラーニングを使った画像認識のニーズが多くあったので、ちまちまと勉強と調査を始めていた。もちろんここでもバイブルであるゼロから始めるディープラーニング1を基本として勉強したが、もう少し視野を広げるために、下記の本を買った。
現在もそうだが、画像認識のバイブルになりえる本が現在も少ない。論文を調査することが必須となる中で、私は、上記本を推したい。
上記２冊の本で全てをカバーできるわけではないが、
○CNN（畳み込みニューラルネットワーク）
○Booling・padding
○画像処理（統計的な画像の処理（機械学習を含めた ex.SVM））
○Mnist問題
を学習でできた。
ネットやブログの知見は重要だ特に、お世話になったのが、
この方のブログである。本当にオススメ。
また、下記の内容も学べた。
上図は現在の画像認識のタスクの遷移を自分なりにまとめたものだ。車の自動走行に応用される物体検出技術はNNが特にCNNが生まれて劇的に発展していったようだ。
基本的な知識は学習できたので、いざ応用だ！ということで、セマンティックセグメンテーションを使って問題を解決したいということになった。大学の友達やネットの知り合いを駆使して情報を集め、一つのプログラムを作り上げた。
○セマンティックセグメンテーションの理解と実装
を終えた。
プログラム提供が可能になり、あとはUIや細かい条件を合わせていきたい、、、というところで、
ここで、日記は止まっている。。。。（異動）
おわりに
振り返れば、長い間多くのことを勉強できたし、無駄なこともやってきたし、何より初心者から機械学習エンジニアとして働いた経験を持てた。機械学習と深層学習の知見が得られただけでなく、技術開発をする上で、ニーズと技術調査→先方とのディスカッション→技術開発→目標を考慮したフィードバックというPDCAサイクルの回し方が実感できたし、習得できたのではと思う。
２年間も研究開発をすれば、実務経験（笑）有りといえるだろうが、転職はまだまだ考えてない、、、、
区切りがいいし、記録したいため、筆を取った。
勉強は続けます。死なない限り。
以上
この記事が気に入ったらサポートをしてみませんか？