人工知能（機械学習・深層学習）
インターンシップの目的
ダミーデータではなく実データを用いて意味のある成果を出したい方や、企業における実データの活用に興味のある方が参加しているインターンシップです。
インターンシップの内容
大学院などで専門的な機械学習や人工知能の研究を行っている方向けの長期インターンシップです。
ファッションアパレル企業の商品情報・在庫情報・店舗情報など著作権処理済みかつ実利用されている一次データを利用したサービス開発や技術検証を経験できます。
※弊社スタジオでファッションアパレル企業の商品写真撮影から採寸を含めた一次データ管理を行っているため実現できています。
参加条件
コンピュータサイエンスを専攻している、または1年以上の開発経験をお持ちの方
修士または博士課程において機械学習や深層学習の研究経験がある
8週間以上での参加
週24時間以上
※リクルーターが個別に参加プログラムを案内する場合は条件の限りではありません。
利用技術・ツール
Python / PostgreSQL / Colaboratory / AWS / Docker / Git など
取り組んでいるモデルの紹介（一例）
画像分類モデル（EC商品画像の管理）
目標
画像データの内容を正確に理解し、画像の分類化を行う(この画像はシャツの”襟”の部分である等)
分類した画像をクライアントが指定するルールに沿って並び替えを行う。
モデルの特徴
アパレルECサイトの商品画像に特化した画像分類モデル
技術概要
フレームワーク：pytorch
手法：CNN
バックボーン：convnext
損失関数：クロスエントロピー＋トリプレットロス
データセット：自社オリジナル
画像位置特定モデル（洗濯マークや原産国などの登録）
目標
商品の内タグの画像から、洗濯マークや原産国が記載されている箇所を特定し切り出す。
切り出された箇所から洗濯マークや原産国を認識し、のちのち利用可能な値に変換する。
変換された値はバリデーションや商品登録時にそのまま使用できるようにする。
モデルの特徴
洋服に付属する内タグ画像の読み取りに特化した位置特定モデル
技術概要
フレームワーク：pytorch
手法：EAST (An Efficient and Accurate Scene Text Detector)
バックボーン：VGG16
損失関数：クロスエントロピー+ CosineLoss + IoU Loss
データセット：自社オリジナル
需要予測モデル（新規商品の価格・生産数・発注数を経験則で決定）
目標
登録する商品に関する情報を予測モデルに入力する。
上代 / 画像 / カラー / 性別 / 販売予定日
これらの情報からその商品の売れ行き確立を出力する。
最適な販売価格を提供する機能を実装する。
モールと連携でどのくらい売れるかを予測する。(モールによって販売取引数が異なるため)
モデルの特徴
ECサイトの登録情報に応じて需要を予測するモデル
技術概要
手法：勾配ブーティング決定木
バックボーン：LightGBM
損失関数： Binary Logarithmic Loss
商品説明の自動生成モデル（商品説明の生成）
目標
PCS上で商品登録を行う際、商品説明文の登録が不可欠
商品画像からその商品の特徴を抽出し、キーワード化する
キーワードからその商品に関する説明文を自動生成する
モデルの特徴
商品説明文自動生成に特化したモデル
技術概要
フレームワーク：Pytorch
バックボーン：CLIP × Mapping Network × GPT2
手法：ClipCap（Transformer）
