【テクノロジーで幸福度向上】【23卒】 サイバーエージェント エンジニアコースの内定ES(エントリーシート) No.78503（非公開/男性）（2022/5/24公開）

テクノロジーを活用して日本全国の幸福度を底上げすることに従事したいためです．日本は経済的には十分な発展を遂げている一方で，一つの指標に過ぎませんが世界各国と比較して国民の幸福度が低いという問題を抱えています．私は，個々人の幸福・人生に対する充足感は各自が心からやりたいことにどれだけ打ち込むことが出来たかに左右されると考えています．私は修士の現在は情報分野を専攻していますが，学部生の頃は都市工学を専門としており，全く分野の異なる領域への編入を行いました．大学院の受験期には一から分野の知識を学び必要があり，入学後も常に学び続けることが求められ，大きな苦労が伴う行為であると感じています．しかし，誰からの指示でもなく，自分の意志で選択し，自分のやりたいことに打ち込めている現在は大変充実していると感じています．私はこの経験で得た学びと，現在の専攻で培った技術力を組み合わせることで，一人でも多くの人が自分の打ち込める対象を見つけることに貢献したいと考えています．サイバーエージェントであれば，情報発信の基盤となるメディア事業や，広告事業に対してテクノロジーを存分に活用した貢献ができ，やりがいのある業務に携わりながら自分自身が成長していける理想的な環境であると感じ志望しました． 続きを読む

【大学での研究】 - 期間：2020年3月〜2021年2月（11ヶ月） - 使用技術：Python，Keras，TensorFlow - 内容：「一時間後に都市各地に滞在している人口を正確に予測するモデルの開発」に関する研究に取り組んでいました．都市の滞在人口数は，時系列相関を持つと共に，観測地点間の位置関係に基づく相関を有している点が通常のデータとは異なります．既存研究では都市を緯度経度でグリッドに分割し，畳み込みニューラルネットワークを使用することで空間的な位置関係を考慮していました．しかし，この手法では都市を幾何学的に処理しているに過ぎず，集客施設や鉄道網の分布といった，都市特有の空間的な関連性を考慮できません．そこで，私は都市構造の情報を反映した複数のグラフを作成し，グラフ畳み込みニューラルネットワークを適用することで，都市特有の空間的関係を明示的に扱う独自モデルをKears/TensorFlowにより構築しました．さらに，天候や祝祭日といったコンテキスト情報を活用する注意機構を設けることで，予測時の状況に基づき，どの都市構造に基づく空間的相関をより重視するかを動的に決定することを可能としました． 続きを読む

学部生の頃に使用していた深層学習フレームワークはTensorFlowでしたが，現在研究で使用しているBigDLという深層学習フレームワークがdefine-by-runの設計思想に基づいていることを受け，PyTorchについても学習を行っています．モデルの設計方法について理解するために，実際に自分でResNet，Res2Netなどの著名をモデルをスクラッチで実装し，画像データに対する推定精度の検証に関する実験を行いました．また，自分自身で手書き文字の画像データを作成し，画像データに対するDataLoaderを作成することで，モジュールとして提供されているImageNetやPlaces系の画像データに対するDataLoaderがどのような設計になっているのかについて理解を深めました． 続きを読む

2020年の4月から8月にかけて，体験型学習の講義において，5名で構成される班員と協力して提示された課題に対する解決に取り組みました．課題は大学の周辺地域に人々を誘客するための方針立案でした．その時，自分たちで一次情報を収集することに注力し，近隣の環境調査，来訪者へのアンケートからランニングが有効であると判断，さらに実際に複数の候補コースを走り，最終的な提案を行うことで講義で高い評価を得ました． 続きを読む