実験室の同級生を通してFAST OFFERのことを知りました。彼女の日本語は上手ではありませんが、FAST OFFERを通じてofferを取得しました。その後、多くの友人がFAST OFFERを知った後、このプラットフォームを通じて日本で働く機会を得ることに成功したことから、FAST OFFERで仕事を探そうと考えました。
プロセス ：
今年の6月、FAST OFFERのウェイチャット公式アカウントに掲載された6月の求人情報の中に、行きたい会社があるのを見ました。締め切りの日に応募して、すぐに返事を受けて、最初の面談の時間を予約しました。最初のFAST OFFERとの面談は比較的フリーで、応募者の経歴と就職の希望などを簡単にチェックしたものです。 その後、FAST OFFERからのメールがありました。研究内容の紹介と1分間の自己紹介などを含むビデオを提出するという内容です。その時は応募したばかりで、面接の3日前に通知を受けたので、自分の日本語に自信がなく、準備の時間が足りず、面接の機会をあきらめざるを得ませんでした。9月には、運が良くてほかの大手企業から面接の通知を受けました。面接の成功率を高めるため、fast offerはメンターの面接指導を手配してくれて、とても勉強になりました。2回目の面接ではpresentationが必要だったため、FAST OFFERはわざわざ一時的にメンターリングセッションを追加してくれました。メンターは2時間近くかけてパワーポイントをアドバイスして模擬面接をしてくれて、最後に私は順調にofferを手に入れました。
まとめ ：
FAST OFFERのおかげでofferを手に入れることができました。本当にありがとうございます。FAST OFFERのスタッフはとても親切で、質問があれば何でも相談してくれます。最後に、日本に行って仕事したいと思っている学生たちがみんなdream offerを取得できることを祈っています。
回帰分析は回帰予測の一種であり、環境予測、製品品質予測など日常生活に広く応用されている。さらに、通常、機械的および人間的要因によって引き起こされる欠落しているデータ問題は、予測解析における一種の問題である。行方不明の情報の不適切な処理は、直接予測の精度に影響する。このように、欠落したデータシナリオのもとでの非線形回帰分析は、研究分野において重要な問題となっている。しかし、多くの実際のアプリケーションでは、欠落値の推定は、特定の理由のために完璧な100 %を達成することはできないが、不足しているデータの不完全な推定結果はノイズの多いデータとして提供することができる。いくつかの古典解は、サンプル間の複素非線形関係をモデル化することは困難である。したがって、より強い値を持つ非線形回帰問題を解くための、よりロバストで強力な回帰モデルを開発することは非常に野心的である。したがって、より強い値を持つ非線形回帰問題を解くための、よりロバストで強力な回帰モデルを開発することが動機である。
そこで私の研究では、ノイズデータにロバスト性があるため、機械学習を利用して多局所線形モデルとセグメント線形モデルを構築した。準線形支持ベクトル回帰は分割統治戦略に基づく非線形モデリング方法である。標準カーネル関数とは異なり、非線形モデリングにおけるデータ構造の情報を利用することができる。そこで、欠損値を持つ非線形回帰を解くことができる一連の二段階混合モデルを提案した。第1ステップでは、自動エンコーダを使用してデータ情報をモデリングし、ゲートメカニズムを生成して、行方不明値を充填する。第2ステップでは、準線形カーネルを有するサポートベクトル回帰を用いてパラメータを解くことと組み合わせることにより、ゲート線形ネットワークを構築して多局所線形モデルまたはセグメント線形モデルを実現する。数値実験結果は提案したハイブリッドモデルの有効性とロバスト性を示した。
