機械学習エンジニアをやってた時の実話とキャリアパスについての考察
著者のChris I.氏は、カナダ・トロントでデータサイエンティストとして活躍しています。同氏がMediumに投稿した記事『機械学習エンジニアが職を失いつつある。しかし、とにかく機械学習を学ぼう』では、北米のAI業界に関する雑感とAI業界で働き続けるための心得が書かれています。 Chris I.氏が北米のAI市場を見る限りでは、「第三次AIブーム」の熱は冷め、AI技術の研究職に関する求人は減り、AI技術者の供給が需要を上回る景気後退局面に入りました。しかし、こうした見方はAI業界の一側面を見ているに過ぎません。AI研究に対する熱は冷めたかも知れませんが、既存のAI技術を活用して解決すべき問題は、まだ無数にあるのです。このように現状を見たうえで、今後もAI業界で働くにあたっての心得を同氏は以下のように書き記しています。 問題を解決するのに、最先端のAI技術は必要ない。むしろ、既存のAI技術を
Tech sovereignty has become a looming priority for a number of nations these days, and now a startup working in semiconductors has received a major boost in aid of that… It’s not the sexiest of subject matters, but someone needs to talk about it: The CFO tech stack — software used by the chief financial officers of the world — is ripe for disruption. That’s according to Jonathan Sanders, CEO and c
米国でフリーの機械学習・自然言語処理エンジニア・コンサルタントとして働いています。機械学習・自然言語処理、英語・中国語学習などのトピックが中心です。 先週をもって、これまで４年間勤めた Duolingo (デュオリンゴ) を退職した。 アメリカの非日系のスタートアップで働くこと、退職すること、そしてアメリカで機械学習エンジニアとして独立することなど、こういった話はあまり出てこない（そもそも日本人の前例があまりない）ので、誰かの役に立つかかもと思い、これまで４年間のまとめも兼ねて書いてみる。 最終出社日に外から撮影したオフィス 「ロケットシップ」で働くということ ご存知の無い方のために書いておくと、Duolingo (デュオリンゴ) は、現時点で世界で最も人気のある語学学習アプリである。2018年の時点で3億人以上の登録ユーザー、2500万人以上の月間アクティブユーザーが居る。米国ペンシルバ
こんばんは、かえるるる(@kaeru_nantoka)です。 先日、10ヶ月勤めたSES企業に辞意を伝えました。 そして4月からは、ストックマーク株式会社（https://stockmark.ai/ ）にて、NLPを応用した機械学習エンジンを開発する機械学習エンジニアとして参画することになりました。 ちょうどいい人生の節目なので、流行っている転（退）職エントリを描いてみようと思います。 概要 ・営業職だけど趣味で始めたプログラミングにハマったよ ・未経験だけど第二新卒的なアレでプログラマーになるぞ ・ひょんなことから kaggle にハマったぞ ・なんか上京することになったよ ・なんで私がエクセル職人に！？ ・なんとかソロ銅メダル取れたぞ ・kaggle 強くなりたいからもう一度転職するぞ！ 筆者のスペック ・経済学部卒 ・プログラミング歴1年ちょい（2017年12月~） ・kaggle(
なんか急に以下の記事がバズりだして焦ってます。 biz-and-deep.hatenablog.com biz-and-deep.hatenablog.com ぼくは大企業で機械学習のエンジニアをしています。 機械学習はめっちゃ流行りだし、上の記事でそんなに文句があるならはよ転職しろよ！と思われそうですが、ぼく自身は転職を迷うことはあれ、大企業で働くことにも大きなメリットを感じています。 今回はそれを記事にまとめました。 ぼくは最初から大企業に就職することを志していた訳ではなく、そもそも最初はプログラマーとして働くことすら考えていませんでした。 まずは、そんなぼくがどの様な経緯で大企業に就職したか、そこから書いていきます。 [注意] 今度は実話フィクションではなく、あくまで著者個人のお話です。 ぼくが大企業に入るまで ベンチャーを一度志してめっちゃ冷めた話 ぼくは大学では情報系の学科にいた
本記事は、kaggle Advent Calendar 2018の17日目の記事です。 qiita.com 何を書くか直前まで悩んでいましたが、16日に参加したAIもくもく会の中で、 機械学習に興味はあるけど、どのような手順で、何から勉強していったら良いかわからない という方が数名いたので、自分が今年の3月くらい〜今日に至るまで勉強してきた中から 今の自分ならこのような手順で勉強することをオススメする！という記事を書いてみようと思います。 ※自分の勉強した教材の中からのオススメになるので、偏った内容になることをご了承ください。 ※これもオススメ！というものがありましたら、ぜひ教えていただけると嬉しいです。 タイトルにあるメダルより大切なものについては最後に記載しております。 対象読者 2018年3月時点の筆者スペック 2018年3月〜今日に至るまで勉強したこと羅列 書籍 動画 udemy
『機械学習エンジニアになりたい人のための本 AIを天職にする』は、東京を中心に約5,000名の機械学習エンジニアが集うコミュニティを運営するTeam AIの石井大輔さんが、機械学習エンジニアになりたい人のために勉強方法や転職のノウハウを惜しみなく紹介した1冊です。 国内はもちろん、特に海外では人材の争奪戦が繰り広げられている機械学習エンジニア。その流れの中で転職を志す人も多いそうですが、採用する側が求める能力に達していないというミスマッチも生じています。石井さんいわく、長期間を見越して勉強し、仲間を作り、真面目に楽しく学んでほしいとのこと。特に、挫折を防ぐためにも早めに仲間を見つけることを強調されています。 本書では機械学習エンジニアの将来性や実際の職種を紹介しながら、具体的な行動計画を解説。勉強法、そして転職活動までしっかりとカバー。後半では（AIを含む）機械学習を用いたサービスやプロダ
(Image by Pixabay) 某所で時々意見交換させていただいている@maskedanlさんが、面白い記事をnoteにupなさっていたので拝読しました。細かい内容は上記のリンク先から皆さんに直接お読みいただくとして、記事中で某所で僕が放言（笑）したことへのご質問をいただいていたのでした。それは、データサイエンティストや機械学習エンジニアといったデータ分析人材に求められる「素質」について、です。 それは例えば統計学や機械学習はたまたプログラミングといった「スキル」や「素養」とも違う、言ってみれば性格的傾向とか仕事スタイルとかはたまた思想信条のような、もうちょっと属人的で曖昧なものだと思うのですが、個人的な経験からはその「素質」の有無がデータ分析職として育成した結果、ものになるかならないかを分けるように感じられています。 ということで、あくまでも個人的経験に基づく範囲でデータサイエンテ
(Photo credit: https://pixabay.com/en/team-businessmen-competence-2651909/) 元々書いていたネタが間に合わない*1っぽいので、ふと色々な記事を眺めていて思い出したネタで与太記事を書きます（笑）。と言ってもこれは実は色々なところで色々な人から相談を受ける話なので、もしかしたらこの程度の記事でもどなたかの何かしらのお役に立つかもしれません。 データ分析職採用における「実務経験○年以上」という要件がもたらす「鶏と卵」問題 以下に引用するのは、とあるデータサイエンティスト求人案件に載っていた応募要件です。なおこちらの求人案件を選んだのはたまたま直近で受け取ったものだからというだけであり、特定の求人元に対して特定の意見を述べたいがためではない旨予めご承知おき下さい。 応募条件 大学卒、大学院在学者、博士号取得者またはそれと同等
(Image by Pixaby) この記事は去年はてブ1100以上ついてしまった与太記事の続編です。その時はタイトルを読んで字の如く「データサイエンティスト」と「機械学習エンジニア」の満たすべきスキル要件（の2017年版）について考察したものでした。 で、まだ1年しか経ってないのに何でまた引き合いに出したのかというと、最近のメディア報道やニュースリリースの類などを見ていると「データサイエンティストにディープラーニングをやらせる」とか「高度な統計分析のできるエンジニアが必要」みたいなどう見ても色々混同している感のある内容が目に付くので、改めてちょっと自己流に交通整理してみようかなと思ったのでした。 特に、空前の人工知能ブームで「人工知能」の語が人口に膾炙すると同時に2014年頃にブームが終わったはずの「データサイエンティスト」の語が何故か復権してしまい、そこら中のメディアでかつて空回りした
私も機械学習ではなくシリコンバレーで働くWebエンジニアだけど、年収は43万ドルくらいだ。日本円にすると4800万円くらいだろうか。 内訳は、base salary と annual bonus で合計22万ドル、restricted stock unit で21万ドル。報酬体系はリンク先のブログで書かれているのとほぼ同じ（よく調べてあると思った）。 生活費が多少高いのは事実だが、給料が5000万円弱あると、正直どうでもいい。シリコンバレーは生活費が高いから、といって溜飲を下げるのは単に現実を知らないからじゃないのと思う。 私が特別に高い給料をもらっているということはなく、同僚もみな同じような仕事を同じようにゆるゆるとやって、私と同じような給料をもらっている（はず。職種とジョブレベルが同じなので）。給与水準が高いというのはそういうこと。私もアメリカで数年仕事をして給料がすごい額になって驚い
この記事は2年前の以下の記事のアップデートです。 前回はとりあえずデータサイエンティストというかデータ分析職一般としてのスキル要件として、「みどりぼん程度の統計学の知識」「はじパタ程度の機械学習の知識」「RかPythonでコードが組める」「SQLが書ける」という4点を挙げたのでした。 で、2年経ったらいよいよ統計分析メインのデータサイエンティスト（本物：及びその他の統計分析職）vs. 機械学習システム実装メインの機械学習エンジニアというキャリアの分岐が如実になってきた上に、各方面で技術革新・普及が進んで来たので、上記の過去記事のスキル要件のままでは対応できない状況になってきたように見受けられます。 そこで、今回の記事では「データサイエンティスト」*1「機械学習エンジニア」のそれぞれについて、現段階で僕が個人的に考える「最低限のスキル要件」をさっくり書いてみようかと思います。最初にそれらを書
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
