中途エンジニアの就活～データサイエンティストプロジェクト配属決定～技術研修内容紹介

1. 自己紹介、これまでの経験

大学では修士課程で情報工学を専攻しており、研究では自然言語処理で通販サイトのレビューを分析するといったことをしていました。卒業後は、学生時代に学んだことを活かしたいと考え、音声認識エンジンを保有する会社に入社しました。入社後は、そのエンジンを利用したWebサービスの開発を行いながら、R&DとしてそれをサポートするようなAIの開発に携わっていました。Web開発の方はもともと想定していた業務ではありませんでしたが、AIをどのように提供していくかを考える上でも貴重な経験となりました。その会社では2年半ほど務め、web開発に必要なnode.jsやruby、機械学習で使用するpythonなどを学ぶことができました。業務でAIと関わっていく中で面白さや有用性を感じ、今後もAIと関わるような仕事がしたいと思うようになり、現在のAvintonに入社する運びとなりました。

2. 就職活動の軸をおしえてください

初めは漠然とAIと関われそうな会社を探していましたが、自己分析や業界研究を進めるうちに、AIエンジニアとして活躍するようなキャリアを思い描くようになりました。また、これまで携わってきたAIのプロジェクトでは自然言語処理のみを扱っていましたが、AIの様々な分野に触れてみたいと考え、分野は限定せずに画像や顧客データなど幅広く関われそうな職場を中心に探しました。

3. Avintonに入社を決めた理由について

大きな理由は2つあるのですが、1つ目は自社ソリューションに魅力を感じたところです。avintonのホームページや動画サイトで紹介されているエッジAIカメラやAvinton Data Platformなどは興味深く、機会があればそこで使われている技術を吸収できないかと考えました。2つ目はクライアントとの面談で配属先を決めるところです。キャリアについてはまだ固定化されていない部分もあるので、進みたい方向に合わせて仕事を選択していけると良さそうだと考えました。

4. 入社後のイメージとギャップ

入社後にギャップがあった点としては、まず、イベントの多さです。入社前にブログを読んでいたので、社外に対してボランティアを行うといった活動的なイメージはありましたが、社内でも賞金付きのアドベントカレンダーや他の社員にメッセージ付きでリワードを送るといった、モチベーションが上がるようなイベントがあったりして驚きました。他にギャップを感じた点としては、プロジェクトにアサインされるまでのサポートが手厚いことです。入社前は、クライアントから求められるスキルに不足がないか不安なところもあり、実際、入社後の面談でも未経験の部分はありました。しかし、アサインされるまでに上司にアドバイスを頂いたり、先輩に課題や参考サイトを用意して頂き、安心できるところまで学習を進めることができました。

5. プロジェクト決定までの流れ

プロジェクトが決定するまでに2つの候補プロジェクトの話をききました。プロジェクト面談までの間は学習の片手間で相手方のサービスについて調べたり、営業の方と経歴書の見直しや当日話す内容の確認を行うなどして準備を進めました。面談ではこちらからは自己紹介、相手方からは案件紹介をした後で互いに質疑応答を行いました。面談で齟齬が生まれないかは気になっていたのですが、私のスキルに関して細かいところまで確認してもらえました。紹介された案件はデータ分析から予測モデルの作成まで一通り行うことができるということで、AIに関わることは幅広く経験したいと考えていた私には良い経験になりそうだと思い、現在のプロジェクトを志望しました。プロジェクトに配属される上でいくつか足りないスキルはあったのですが、アサインが2ヶ月先ということで、それまでに準備をしておくということで相手方からも合意をいただきました。

6. プロジェクト決定後の学習内容

2ヶ月先のアサインに向けて、プロジェクトで使う技術について学習の学習を社内のエンジニアメンターと計画し、進めました。アサイン後の業務ではデータの分析から機械学習による予測までを行うのですが、これらに関わるメジャーなライブラリの使用経験がなかったため、まずはsklearn公式のチュートリアルでパイプラインを使った予測方法を勉強し、その後はavintonアカデミーのpandas講座でデータの操作方法と分析方法を勉強しました。

これらが終わると、実践課題としてavintonアカデミーにあるタイタニック号生存者予測のタスクに取り組みました。こちらの課題ではデータ分析から予測までの参考プログラム付きで実施することができるようになっていて、ソースコードの実行も学習ページから行えるのがとても便利です。一通り流れを理解した後は、データ分析や機械学習についてさらに理解を深めるべくkaggleの学習コースで学習を進めました。こちらのコースではAIエンジニアになるために必要な技術を幅広く単元ごとに学ぶことができるようになっています。こちらでデータ分析に必要なデータの抽出手法や可視化方法、機械学習のためのデータのクリーニングに特徴エンジニアリング、時系列データの予測といった内容を学習しました。kaggleでの学習が終わった後は、実践としてkaggleのcompetitionのHouse Prices等の課題に取り組んでいきました。

kaggleの学習コースで学んだことを実践に落とし込むことは想像よりも難しく、やったことを整理しながら時間をかけて取り組みました。まずは最低限の実装でベースラインモデルを作成し、そこから学んだことを活かして精度向上を図りました。特徴エンジニアリングやパイプラインの有効活用などで精度向上ができたのは学びが活かされていてとても良かったです。機械学習やデータ分析以外の取り組みとして、Dockerや英語なども学習しました。DockerはUdemyにある日本語版のDocker講座を見ながら基本的な使い方を学び、その後は実践としてjupyter notebookのDockerイメージにタイタニック号生存者予測で使用するモジュールを追加するといったことをしました。英語の学習はとにかく空き時間を使ってリスニングをするようにしていました。音声の方は業界の単語が拾えるよう、Youtubeでプロジェクトと関わりのある業界の動画を調べたり、Udemyの技術的なコースから動画を選んだりしました。

7. 今後の意気込みを一言！

学習を進める上で上司や先輩に色々と助けて頂いたので、感謝しながら自社にもクライアントにも貢献できるよう勤めてまいりたいです！

AI未経験でも高いエンジニア適性がキャリアチェンジはできる

未経験でも、1人一人の性格やエンジニア適性を理解し、ポテンシャル重視で採用を行う当社。ジョブローテーションを経て、2年後3年後を見据えて、希望のプロジェクト、ポジションに近づくステップを踏める環境があります。エンジニアと話せる採用イベントは隔週で開催中！もちろん無料、カメラオフ、マイクオフで入退出自由とオープンな雰囲気です。ぜひ気軽に参加してみてください♪