INSA Rouen Normandieで5年間、フランスのグランゼコール（エンジニア養成の名門校）における一貫教育課程を修了し、情報工学系の修士相当を取得しました。厳選された実践重視の環境で、AI／機械学習、ソフトウェア工学、データシステムを軸に、理論と実務を結び付けて学びました。
大学名
期間
2019 - 2024
分野
情報工学科
/// INSA Rouen（情報工学系）では、アルゴリズム／ソフトウェア工学／データシステムなどのCS基盤に加え、AIと応用機械学習を専門的に学修しました。再現性・厳密な評価・実課題への接続を重視して取り組みました。
/// Pythonは可読性に優れ、科学計算エコシステムが充実した高水準言語として学習しました。信号・画像処理では、生データを扱いやすい表現へ変換する力を養い、SciPy／OpenCV／scikit-image／PILなどを用いたフィルタリング、変換、特徴抽出を実践しました。さらに、前処理を安定させ、データセットを整備する小さなユーティリティを作る手法も教わりました。統計・データ分析では、NumPyとpandasでデータを構造化・探索し、Seabornで妥当な可視化を行い、正規表現でテキストを整える技法を身につけました。加えて、探索用ノートブックをモジュール化し、環境を適切に管理し、他者が再現・拡張できる形で成果をまとめる姿勢を徹底しました。
/// 機械学習・深層学習の講義や実験では、ベースラインの構築から公正な比較、そして実用的なプロトタイプ化へと進める手順を学びました。PyTorchでモデルを構築し、言語タスクにはTransformers／BERTを適用。さらにLLMのファインチューニングについて、OpenAI系モデルを含めた活用の適否や評価の在り方を学修しました。課題により、scikit-learn／XGBoost／LightGBMといった非ニューラル手法を補完的に用いる選択も教わりました。検証計画、アブレーション、指標に基づく反復がワークフローの中核となり、結論の妥当性と再現性を確保する姿勢が徹底されました。
/// 学修内容を実務へ結び付けるため、AWSでの展開・検証、Dockerによるワークフローのコンテナ化、Git／GitHubによる規律ある共同開発を身につけました。学内環境ではGPU資源が限られることも多いため、効率的でチェックポイント管理しやすいパイプライン設計や、明確なドキュメント化、データのバージョニング、環境の固定を通じて、他者が同じ結果を再現し、容易に発展させられる形で成果をまとめることが求められました。
