Posts on Mar 2019

PFN2019 夏季インターン募集要項

2019夏のインターンのお申込みは〆切ました。
たくさんのご応募ありがとうございました。

For international students in Japan:

  • This program is only for students who already have visa eligibility to work as an intern this summer in Japan.
  • English version of the instruction is available here.

 

Preferred Networks (PFN) は、今年の夏に PFN 東京オフィスで熱意をもって一緒に働いてくださるインターンを募集します。昨年までにご応募いただいた方の再エントリーも可能です(但し、既に過去のインターンシッププログラムに参加された方は除きます)。機械学習のみならず、コンピュータサイエンスの幅広い分野から、私たちと一緒に新しい技術、ソフトウェア、サービスを創り上げてみたいという学生のみなさまのご応募を歓迎いたします。

 

PFNインターンの特徴

  • 深層学習、コンピュータビジョン、自然言語処理、ロボティクス、バイオヘルスケア、強化学習、分散処理など、様々な分野の弊社スペシャリストがメンターとなり、2ヶ月の長期にわたって一緒に議論・研究・開発を行います。
  • インターン実施中に研究成果としてすぐれた結果が出た場合、公開可能な範囲でインターン後にOSSや論文にすることもできます。

 

期間

  • 開始日:8月初旬(各人のスケジュールを考慮して決定)
  • 終了日:2019年9月20日 (金)
    • 希望者は9月24日~27日もインターンシップと同条件にて勤務可能です:
      • 9月下旬から授業開始の学校が多いため、今年は最終日を原則9月20日に設定しています
      • しかしながら、夏季休暇が上記日程より長い場合、かつ研究成果の取りまとめや社員との交流という観点から、希望者は同条件にて9月27日まで勤務が可能です
      • また、インターン期間中であっても、研究室の活動や学会参加、帰省等による不在は柔軟に対応いたします

 

実施テーマ一覧

  • 2019年度夏季インターンシップの実施テーマは以下の通りとなります。
  • 選考の過程もしくは選考終了後、弊社メンバーと相談の上、取り組むテーマを最終決定いたします。応募フォームには必ず第2希望までご記入ください。第3希望は、希望するものがある方のみで結構です。

 

テーマ

  1. 機械学習/深層学習の理論研究
  2. 三次元空間を扱うコンピュータビジョン
    • 三次元ニューラルネット(微分可能レンダラー・ニューラルネットを利用した三次元再構成)の研究開発
    • 自己位置推定・3次元復元技術の開発
    • Visual-SLAM
  3. 動画を扱うコンピュータビジョン
    • 動画解析(スポーツ映像など)
  4. その他、コンピュータビジョン全般
    • 物体検出
    • セグメンテーション
    • 画像分類
    • 少数例での学習
    • 画像生成
  5. 深層学習のアニメーション応用・クリエイター支援
  6. 強化学習全般
  7. 機械学習アルゴリズムの応用(数理最適化、シミュレーション、時系列予測など)に関する研究開発
  8. バイオヘルスケア
  9. ケモインフォマティクス / マテリアルズインフォマティクス
  10. 対話・意味解析・記号接地・推論・翻訳
  11. 音声・信号処理
  12. インターフェース・インタラクション
    • 仮想現実・拡張現実
    • ヒューマンコンピュータインタラクション・ヒューマンマシンインタラクション・ヒューマンロボットインタラクション
  13. ロボティクス-ロボティクスのための深層学習/深層強化学習
  14. ロボティクス-ロボットシミュレーションの研究開発
  15. ロボティクス-移動ロボットの行動計画
  16. ChainerとChainerライブラリの開発
    • Chainer本体の開発
    • CuPyの開発
    • ChainerCV, ChainerRL, ChainerChemistryまたはChainerUIなどの、Chainerベースの分野特化ライブラリ開発
  17. 機械学習等の性能最適化に関する研究開発
    • 推論のためのNNモデル性能最適化
    • 深層学習のためのコンパイラ技術開発
    • 独自アーキテクチャ採用アクセラレータ向けアプリケーション開発
    • 深層学習のためのプロセッサ開発・低消費電力アーキテクチャ/VLSI技術開発
  18. 機械学習を支えるインフラの研究開発
    • 分散深層学習/深層学習のためのHPC・分散データ管理
    • 機械学習のための実験環境効率化・クラスタ管理・実験管理システム開発
    • Edge Heavy Computing/In-Network Computingの研究開発
    • Optuna 開発
  19. 機械学習パイプラインの自動化に向けた研究
    • 機械学習パイプラインの自動化に向けたハイパーパラメタ最適化・アーキテクチャ探索・特徴エンジニアリング等に関する研究
  20. フロントエンド開発
    • 【4月15日更新あり】機械学習のための情報可視化ツールやアノテーションツール開発など
    • 機械学習のための情報可視化ツール・フロントエンドの開発など
  21. プロダクト・デザイン
    • ロボット製品のコンセプト・スケッチ・ユーザーインタラクションのデザイン
    • 3D-CADモデル作成とハードウェア・プロトタイプの制作
  22. その他
    • 上記以外の持ち込みのテーマ。自身でテーマ設定をして研究を進められる熱意と能力のある人の応募を歓迎します


勤務場所

〒100-0004 東京都千代田区大手町1-6-1 大手町ビル PFNオフィス


応募資格

  • 個人でアプリケーションやツールを開発できる能力と高いモチベーションを持っている方を募集しています
  • また、【実施テーマ一覧】に掲載したテーマに沿った知識や開発経験は選考において考慮されますが、特段無くとも構いません。必要な資格は以下の通りです:
    • 高校生・高専生・大学生・大学院生。その他高等教育機関に通っている方は応相談
    • 日本語または英語でコミュニケーションが流暢にとれる方
    • コミュニケーションを主体的にとれる方
    • プログラミング経験がある方(言語問わず)
    • インターン期間中の平日、東京オフィスに来社できる方
      (リモート勤務によるインターンは受け入れておりません)
  • 本格的な開発を行ったことがない方も、ぜひ積極的にご応募ください


ご応募における注意事項

  • 2019年度のグローバルインターン(日本でのインターン就労にビザサポートが必要な方)の応募は既に終了しており、今回は受け付けておりません
  • 日本国内の大学に学生ビザで通う外国人留学生の方については、インターン開始までに【資格外活動許可】を申請・取得してください
  • 大学の単位認定の為に事務作業が生じる場合は、事前のご相談が必要です。必要な手順が多いものはお断りさせていただくこともございます


応募方法

  • こちらの応募フォームからご応募ください。応募フォームへのアクセスにはGoogleアカウントによるログインが必要です。応募フォームに記入いただいた個人情報は、インターン選考の目的に利用いたします
  • PR 資料の提出に関して
    • 能力を証明、アピールするものをA4一枚程度でまとめてください
    • 形式は自由ですが、ファイルフォーマットはPDFのみとします。(特にアピールしたいソフトウェア、サービス、受賞歴、論文リスト、ポートフォリオ、プログラミングコンテストの参加歴、ブログやサイト、Twitter ほかソーシャルネットワークのアカウント等を想定しています)
    • 「応募フォーム」の【ご自身のPR資料】欄からアップロードしてご提出ください。
  • 応募締切:2019年4月18日(木)正午12:00PM(日本時間、締切後の応募不可)
  • お問合せ先:intern2019-admin@preferred.jp


応募後の選考フロー

  • 一次選考
    • 4月18日の応募締切後、原則として全員に選考課題として、コーディングテストを弊社から送付いたします。
      【3月29日追記】21.プロダクト・デザインを選んだ方にはコーディングテストの代わりに、他の課題を別途ご案内いたします。
    • 解答提出の締切は5月7日を予定
  • 面接
    • 面接を実施します。遠方の方は Wepow を使用したオンライン面接実施が可能です
    • 実施期間は5月27日より3週間程度を予定
  • 合格通知
    • 6月25日以降に順次結果を送付予定


待遇

  • 時給
    • 高専生・大学生・大学院生 2,500円
    • 高校生 2,000円
  • 勤務時間:原則実働8時間、週5日(土曜・日曜・祝日を除く)
  • 移動費用:インターン参加に際し、現在お住まいの場所から飛行機・新幹線での移動を要する場合、往復移動費用1回分をサポートします
  • 通勤交通費:ご自宅または、宿泊場所から会社が認める経路にて支給します
  • 宿泊費補助:遠方から参加する場合、5,000円/日の宿泊補助費を支給。期間中の休日も含まれます
    • 宿泊先はご自分で手配していただきます(通勤圏内に10万円台前半のウィークリーマンション等はございます)
    • 補助金額は課税対象となりますのでご留意ください

NVIDIA GPUなどの最新技術を採用した プライベート・スーパーコンピュータ MN-2 を自社構築し、7月に稼働

MN-1、MN-1b、MN-2合計で約200※1ペタフロップス※2の計算資源を保有

株式会社 Preferred Networks(本社:東京都千代田区、代表取締役社長:西川徹、プリファードネットワークス、以下、PFN)は、プライベート・スーパーコンピュータ MN-2(エム・エヌ・ツー)を自社構築し、2019年7月に稼働します。

MN-2は、NVIDIA(R) V100 Tensor コア GPUを搭載した最新のマルチノード型GPGPU※3計算基盤で、すでにPFNが保有するプライベート・スーパーコンピュータMN-1(2017年9月稼働)、MN-1b(2018年7月稼働)と合算して、PFNは合計約200 ペタフロップスの計算資源を保有することになります。またMN-2の構築に並行して、PFNが独自開発するディープラーニング・プロセッサ MN-Core(TM) によるプライベート・スーパーコンピュータ MN-3を2020 年春に稼働予定です。

PFNは継続的に計算資源に投資することで、深層学習の研究開発および関連技術の実用化を加速し、世界的な開発競争における優位性を確保していきます。

 

MN-2の完成イメージ

 

  • PFNの次期プライベート・スーパーコンピュータ MN-2(エム・エヌ・ツー) の概要

PFNは、2019年7月より、最新CPUを5,760CoreとNVIDIA V100 Tensor コアGPUを1,024基搭載した MN-2を稼働します。MN-2は、国立研究開発法人海洋研究開発機構 横浜研究所 シミュレータ棟内に構築され、2020年稼働予定のMN-3と同一サイト内で連携稼動し、さらに、現在稼働中のMN-1およびMN-1bとも閉域網で接続されます。MN-2の理論上のピーク性能は、深層学習で利用される混合精度浮動小数点演算において約128ペタフロップスであり、MN-2のみでMN-1bの2倍以上のピーク性能となります。

MN-2のGPUノード間インターコネクトは、RoCEv2※4の採用に併せて1ノードあたり100ギガビットイーサネットを4本搭載し、PFN独自のチューニングを行うことで、マルチノードの高速処理を実現します。同時に総容量10PBを超えるソフトウェア・デファインド・ストレージ※5を独自に構築して機械学習時のデータアクセスを最適化することで、学習の高速化を図ります。

PFNはこのMN-2の上でオープンソースの深層学習フレームワークChainer(TM)(チェイナー)を活用し、大量の計算資源を必要とするパーソナルロボット、交通システム、製造業、バイオ・ヘルスケア、スポーツ、クリエイティブ分野での研究開発をより一層加速させます。

 

株式会社Preferred Networks 執行役員 システム担当VP 秋葉 拓哉のコメント

我々はこれまでも、最先端のNVIDIA GPUを用いた大規模データセンターを活用し、ディープラーニングとその応用に関する研究開発を行ってきました。高い計算力はディープラーニングの研究開発を支える大きな柱の1つです。今回NVIDIA V100を1,024基搭載したMN-2を構築することで、研究開発をさらに加速することができると確信しています。

エヌビディア合同会社 日本代表 兼 米国本社副社長 大崎 真孝 様のコメント

Preferred Networksが、現在運用中のMN-1およびMN-1bに加え、最先端のデータセンター向けGPUであるNVIDIA V100 を採用したMN-2を構築されることを歓迎いたします。超高速なGPU間通信を実現するNVLINKを搭載した、NVIDIAのフラグシップGPUにより、ディープラーニングおよび関連技術の研究開発がより一層加速され、世界をリードする成果が生まれることを心より期待しております。

 

※1:MN-1は半精度浮動小数点演算能力、MN-1bおよびMN-2は混合精度浮動小数点演算能力。混合精度浮動小数点演算は、複数の精度の浮動小数点演算を組み合わせて利用する方式のこと。

※2:コンピュータの処理能力を表す単位の一つ。peta (ペタ) は1,000兆(10の15乗)、FLOPS (フロップス) は1秒間に行える浮動小数点演算の回数を表すので、1ペタフロップスは毎秒1,000兆回の浮動小数点演算を行えることを意味する。

※3:General-purpose computing on GPU(GPUによる汎用計算)

※4:RDMA over Converged Ethernet。遠隔ノード間での直接メモリアクセス (RDMA) を実現するネットワークプロトコルの一つで、イーサネット上で低遅延・高スループットを実現する方式

※5:分散するデータストレージの使用効率を高めるためソフトウェアにより一元管理されたストレージシステム

 

*MN-Core(TM)、Chainer(TM)は、株式会社Preferred Networksの日本国およびその他の国における商標または登録商標です。