日立製作所

夏季インターンシップ(技術系)2次募集

  • 24卒
  • インターン
  • オンラインまたは対面
締切 22/07/10

最終更新日:2022年07月01日

情報の精度には最大限注意しておりますが、新型コロナウイルスの感染予防対策等による社会情勢の変化の影響で、募集内容に随時変更があるかもしれないため、本記事に記載の情報は最新ではない可能性があります。締切情報収集の際には本記事の記載情報だけでなく、必ず当該企業の採用HP/マイページなどでご確認いただき、そこで発表されている"最新の一次情報"を優先して下さいますよう、お願い申し上げます。

研究開発・SE・設計開発等といった職種において、実務体験を行う日立のインターンシップ。世界トップレベルの技術を有する日立で、仕事のおもしろさややりがい、そして厳しさを体感してください。

■募集コース
◆インターンシップ(2~3週間程度)
実務を通した仕事の醍醐味を体感

■応募資格    
下記の 1.~4. の条件を満たしている方
1.国内外を問わず、高等専門学校または、4年制大学の学部・修士・博士課程在籍の方、および既に卒業された方(職歴の有無は不問)
2.各テーマ毎に設定してある「必須となるスキル・経験」を保有されている方
3.インターンシップ開始時に、就業規則の遵守や機密保持等に関する「誓約書」を提出できる方
4.インターンシップ期間中の損害賠償に関する保険や、傷害保険等に加入できる方 (全日程オンライン形式のテーマについては任意)
※インターンシップ期間中の損害賠償保険・傷害保険については、自身でご加入ください。加入する保険については、大学生協又はその他保険会社が取り扱う一般的な保険内容で問題ありません。
また、インターンシップ実施前迄に、保険加入証明書のコピーを提出します。

■実施期間
2022年8月 ~ 2022年9月中旬
※実施期間はテーマ毎に異なります。

■実施形式
オンライン、または対面・オンラインのハイブリット形式で実施
※実施形式はテーマによって異なります。

■待遇
報酬は支給されません。
但し、通信費、水道光熱費、昼食補助等相当分として、出勤日1日につき日当1,000円が支給されます。

■応募方法    
インターンシップ・キャリア教育 マイページ「新規登録」ボタンよりマイページに登録してください。
希望するテーマを選択し、ご応募ください。

■応募受付期間
[ 1次 ] 2022年6月1日(水)10:00 ~ 2022年6月13日(月)23:59  受付終了
[ 2次 ] 2022年7月1日(金)10:00 ~ 2022年7月10日(日)23:59

■選考方法
応募したテーマ毎に選考が実施されます。
1次選考:書類選考(エントリーシート・適性検査)
2次選考:面談
※テーマによって選考方法が異なる場合があります。

インターン情報

ES・選考レポート 10件

インターンエントリーシート(夏インターンシップ/8月開催)(SE) 日立製作所 2024卒 男性 Q 研究(ゼミ)の内容
A 私は、深層学習を用いた海の波高の予測に関する研究を行っている。 近年、様々な分野で自動運転技術の開発が加速しており、船舶でも自動避航操船や自動離着桟操船などの研究が進んでいる。海面を航行する船舶は波浪影響を受けやすいことから、自動操船の高度化や荒天中の航行安全化のためには、波浪影響を最小化することが望まれる。また、世界的に脱炭素化が進められており、船舶の省エネ運航はますます重要となることが予想される。例えば、プロペラピッチ角を波浪に応じて制御することで省エネ効果を確認した研究事例があるが、波浪の高精度な予測が課題として挙げられている。このように船舶の安全航行や省エネ航行を実現するためには、高額なセンサーや精緻なモデルを必要とせず、簡便かつ高精度に波の将来予測することが求められる。昨今のAI技術の発展により,従来は専門的な知識や経験なしには困難であった株価やエネルギー消費量などの時系列予測にも深層学習が適用されている。深層学習による波高の時系列予測に関する先行研究もいくつかあるが、これらの研究の多くは、数時間から数日の波浪パラメータ(有義波高、平均波周期など)の予測に焦点を当てており、リアルタイムに直近の波高を予測する研究はほとんど見られない。そこで、私は深層学習を用いて近い将来遭遇する波高の予測を可能にすることを目的として研究を進めた。 パソコンの数値シミュレーション上で作成した波の時系列データをAIに入力し学習させ、その後予測を行った。深層学習では、入力されたデータをAIのニューラルネットワークと呼ばれる人間の神経構造を模したネットワーク構造で処理し、学習させる。すなわち、ニューラルネットワークの構造がAIの学習およびその後の予測結果に大いに影響を与える。時系列の予測に深層学習を適用する場合、単純なニューラルネットワークでは、長期的な依存性を考慮することができないため、うまく機能しないことが知られている。そこで、過去の値の情報を記憶し,将来の予測に利用できるLSTMと呼ばれるニューラルネットワークが深層学習を用いた時系列予測の主流となっている。私は最初LSTMを用いてAIに学習させていたが、それだけでは予測精度を向上させることが困難だったので、通常、時系列予測では用いられないCNNと呼ばれるデータの特徴を抽出するニューラルネットワークをLSTMと組み合わせて学習を行った。 その結果、予測精度を3割程向上させることができ、高精度に30秒間波高を予測することができた。 現在は予測時間を長くすることと実際に計測した波で学習・予測を行うことに取り組んでいる。
1

就活テクニック 6 件

現在ES掲載数

77,622

すべて見れる

上に戻る

会員登録・ログインして全てのコンテンツを見る

無料会員登録