#27卒
【富士通　インターン対策】

働き方がホワイト過ぎて、
バズってた影響で27卒は受ける学生増えると思う

※
ここ今日必ず確認して欲しい優遇ルートあるので、最後まで読んでください↓

締切12/7※
年収800万

面接まで使える3分で読める情報↓

富士通の戦略はシンプルで
AIデータ活用などのテクノロジーをベースとしたDXビジネスと、
DXに必要なクラウド移行などのデジタル領域

として、このデジタル領域に注力し、成長するという戦略のようです

★冒頭で記載した優遇ルート★
—————————————
1個目
https://t.co/FU9EkToFRm
ここは大手の早期内定狙うなら全学生必須
できれば明日の18時までに利用申請しよう

2個目※ここ11/27までアプリ起動を↓
https://t.co/2WNBV0dkeV
ちなみにキャリア診断面白くて、業界理由書けなくて迷っている学生はやってみると役立つよ

3個目※唯一SPI対策↓
https://t.co/Ke1EHHPfLE
SPIで落ちなくなるので利用申請しておくといいよ
—————————————

じゃあ企業研究に戻るけど、
本日はそんな富士通の技術力を最新の研究開発内容からピックアップします

①ディープラーニングを高速化する技術
画像認識精度を競うコンテストでの画像データを利用し学習時間を測定した結果、世界最高速
（2019年4月1日時点）を達成しました。

②IDYX：IDentitY eXchange
オンライン上で事業者や利用者の経歴や資格といったID情報の真偽を判断可能にするアイデンティティー流通技術
取引相手の評価や過去の取引などのユーザー間の関係性を構造化し、取引相手のID情報の信用度をスコア化

直近でも量子コンピューターの法人提案や作業用AIの技術を提案した共同開発
例えばブロードリーブの「OTRS」

など面白い取り組みも多いですね

今後のビジョンへの共感や意欲を伝えるなら

スーパーコンピューター富岳にも注目できる

VSChatGPTを東工大、NTTと行っていると日経が報じている
富士通の富岳は主な用途である高度なシミュレーション以外にも、AIの計算に対応できる設計

AIに対応する計算性能でも世界の上位に入った実績がようです

このように時代の変化に合わせて、最先端の技術を提供している
というところが富士通の強みと言えますね

デジタル領域が伸びること
そしてそれに対して上記のような富士通でしかできない技術がある

という形で志望動機を作ってみるとよいと思います

情報技術としては最早トップはNTTデータになってしまったが、やはり古参大手なのでまだ実力はある印象です

この時期から第一志望として就活をする人は少ないとは思うので、
現実的に狙える大手といった感じでしょうか

※締切は学生情報のため、マイページを参照してください

★就活hackブログ版
27卒受かりやすい大手300社リストやキリン、サントリー、バンダイなどの1万字越えの詳細企業研究を配布中です
※PR November 11, 2025

デュリンクスでかつて人気だった魔法「ガーディアンの力」
全体としては評価が分かれますが、特定の状況下では高く評価されています。
現在の遊戯王OCGの高速化した環境では力不足とされています。特定のテーマデッキやファンデッキでのロマンとして楽しまれることが多いです。
装備したモンスターに高い耐性を付与できる点です。特に特定のモンスターと組み合わせることで「無敵」に近い状態を作り出せるとして、ファンデッキや「遊戯王デュエルリンクス」のようなゲーム内では注目されることもありました。 November 11, 2025

Jigsaw メモ #kanto_kaggler

# 概要 (takaitoさん)
- Reddit のコメントとルールが与えられて、該当コメントがルールに違反しているか分類
- trainに出現するルールは2つ（例：法律に関するアドバイスするな）
- 各行に対して正例(違反している)コメントと負例(違反しない)コメントが2つずつ与えられる
- テストデータには未知のルールが含まれる（LB probing で4つ全て特定）

## 特徴
- test time training が大事：各行に対して正例と負例が2件ずつあるので、それを使った学習データが作れる
- モデルは色々だが、上位は7B~14BのLLMを高速化して組み込んでいる

# 15位解法 (hasibirok0さん&Kinosukeさん)
## ソリューション概要
- 多様性を意識したアンサンブル（causal LM, sequential classification, semantic search)
- 合成データを利用
- アンサンブル：Rank averaging

## 工夫
- 「ルール違反」ではなく「ルール遵守」を予測
- 2stage 学習：ローカルで合成データ→TTT

## tips
- generate()ではなくmodel()呼び出しでlogitを直接参照して高速化
- 分類ヘッドは、LLMの巨大な出力層を捨て軽いものに
- unsloth は高速・省メモリ
- Kaggleでもuvが使えるように：250sec→100sec以下に

# 7位解法（ktrさん）
## ソリューション概要
- 重複が多いので重複を削除（同じキーで異なるラベルは多数決）
- subredditの削除（ホストがアノテーションに利用していないことを言及）
- CVは捨ててCausal LM でTTT

## ソリューションに至るまで
- デカいモデルは強いはず：T4x2 で訓練と推論なので14Bくらいまでを利用
- 合成・外部データをうまく扱いたい：実験してもうまくいかずボツ
- とにかくモデルをアンサンブル：合成がうまくいかないので重点的に。色々なモデルを試す

# 5位解法 (エチレンさん)
## ソリューション概要
- アンサンブル沢山（7モデル）
- embedding 系、DeBERTa, LLM などの組み合わせ
- LLM は trl の SFTTrainerを利用

## 振り返り& tips
- TTTがメインだったので、やれることが限られている
- コスパの良さそうなアイデアから順番に試すと良かったシンプルなコンペ
- LoRA tuning のtips: https://t.co/4iz1d1XZhD

https://t.co/qqJzpzVAAA November 11, 2025

そうそう、空母3だったから、深雪のかわりに輸送で使ったキーロフ入れて41を高速化したら第二ボス行けて(Sボートは通る)、破砕ギミックで水母切らなくて済んだんだよね　一隻教ゆえ札をいかに切り詰めるかで勝負してるところあるからバチッとハマって嬉しい November 11, 2025

@kannahooku そういえばそんなことも言ってましたね‥‥
確かに現代遊戯王や新規カード事情は年々高速化してるから頭抱えてしまうのも無理もない(-_-;)
そんな環境下でも霊獣達を使ってくださって焔さんは優しいし霊獣達もきっと満足してるでしょうね😌 November 11, 2025

@ogawara2 バックパックかリアでビット系等の足止め・牽制用の装備＆攻撃時に足を止めないようにオートランチャー+最低限の自衛火器
背水で格闘距離以上に離れすぎないようにする
その他は軽量高速化＆近接補正積みに努める
ハイカンアクロは正義

うちの軽量高速ダブセアセンはこれが大体の基本方針ですねぇ… https://t.co/bTIFkMNr9o November 11, 2025

@tedcube 私が以前考えた案だと愛子以西を高速化＆ミニ新幹線化、愛子以東は国際センター経由で長町まで山岳地帯に新線を建設という感じでしたね
まあどの道ここは混んでますし大回りなのでなんとかした方がいいとは思います November 11, 2025