2026年7月 | 機械学習エンジニア向け「画像分類モデルのファインチューニング」問題をリリース
リリースノートAI協働形式に、機械学習エンジニア向けの新問題「画像分類モデルのファインチューニング」を追加しました。
問題の概要
ImageNetで事前学習済みのResNet-50を、GBIF由来の生物種画像データセットにファインチューニングし、汎化性能の高い分類モデルを構築する問題です。
学習データは10クラス、各クラス100枚の小規模なデータセットです。候補者は、少ないデータで起きやすい過学習を抑えながら、PyTorchを用いてモデルの学習処理を実装します。制限時間は90分です。
評価できるスキル
本問題では、主に以下のスキルを評価できます。
- 事前学習済みモデルのヘッド付け替えや、層の凍結・層別学習率を含むファインチューニング戦略の設計
- 少量データに適したデータ拡張、正則化、学習率スケジューリング
- 汎化性能の見積もりとハイパーパラメータのチューニング
- PyTorchによる学習ループの実装
最終的なモデルは、隠し検証データに対する macro-F1 と ECE（Expected Calibration Error） で評価されます。分類性能だけでなく、予測確率の信頼性も確認できます。
推奨される採用ターゲット
PyTorchを用いた深層学習の実装経験があり、事前学習済みモデルのファインチューニングや、画像処理に関する基礎知識を持つ機械学習エンジニアの評価に適しています。