AIに負けない職に就こう!「機械学習エンジニアになりたい人のための本」から学んだこと

※本記事掲載のリンクにはアフィリエイトリンクが含まれています。

AIの台頭により、なくなる職種というのが騒がれていますね。

しかし、AIが出てきたからこそ、新しく増えた職もあります。機械学習エンジニアなどはその例でしょう。

新しく増えた職であれば、まだまだ人材不足ですから、今からジョブチェンジすることもできるのではないでしょうか？

本書では、機械学習エンジニアにジョブチェンジするには、どのように段階を踏んでいけばいいのか、学ぶことができますよ。

概要

本書は2018年に翔泳社さんから刊行された本です。

著者は石井大輔さんという方で、株式会社キアラの創業者かつ代表取締役を務められています。

※2020年に株式会社ジェニオ(Jenio Inc.)は株式会社キアラ(Kiara Inc.)と名称変更をしました。本書の著者紹介と社名が違うのはそういう理由です。

日本よりもAIについて進んでいるアメリカでの事業経験があるためか、本書もグローバルな視点で書かれています。

本書から学んだこと

AI業界の職種

AI業界と一言で言っても、多くの職種があります。

名前を知っていれば、Google検索をしたり、本屋で調べたり、といったこともできますよね。

本書の第2章では、各職種の仕事内容、ニーズ、なり方、必要な能力について書かれていますが、ここでは名称の紹介のみにとどめます。

気になる職業はあなた自身で調べてみてくださいね。

・AIエンジニア（※アプリケーションエンジニアとは別物です）

・データサイエンティスト

・研究者

・データアナリスト

・セールスコンサルタント

勉強法

現在人手不足のIT業界ですから、経験が浅い人であっても就職しやすい環境となっているでしょう。

真剣に勉強すれば、半年から1年程度で基礎レベルの技量はつきます。ただ、基本的には２～３年はかかると考えてくださいね。

ここでは、どのように勉強していくか、ツール等を紹介しますね。

各項目の詳細は本書の3章を読んでみてください。

初級：まずは基礎を学ぼう

はじめは書籍、オンラインビデオコース、勉強仲間の見つけ方、などを紹介しています。

オンラインビデオコースでは「Coursera」と「Udemy」を紹介しています。

Coursera

Courseraは海外が中心のため、基本的には英語です。

日本語字幕で学べるものもありますが、参考URLなどのリンク先は英語ですね。

ですが、修了証以外は無料で学べるものもありますので、その点はありがたいです。

本書ではスタンフォード大学の「Machine Learning」コースを紹介されていました。

Udemy

Udemyは日本語ですが、有料です。

その金額はあなたにとって支払う価値があるのか、ご自身でしっかりと見極めてくださいね。

本書で紹介されていたのは次の2講座でした。

・【キカガク流】人工知能・機械学習 脱ブラックボックス講座（初級編・中級編）

・実践Pythonデータサイエンス

その他（本書外）

勉強をするには、他にも色々なサービスがあります。

例えば「日本リスキリングコンソーシアム」や「gacco」、「データサイエンススクール　統計学向上サイト」などです。

これらはほとんどが無料で使えますし、大企業や政府が主導しているサイトになります。

勉強をするツールはたくさんありますから、あなたに合ったサイトを見つけてくださいね。

勉強仲間の見つけ方

最近では様々なイベント管理サイトがあります。本書で挙げられていたのは、次の4つですね。

・connpass (https://connpass.com/)

・Meetup (https://www.meetup.com/ja-JP/)

・Doorkeeper (https://www.doorkeeper.jp/)

・TECH PLAY (https://techplay.jp）

ただし、オフラインイベントはやはり都市部で開催されていることが多いため、田舎住みの人には活用が難しいかもしれません…。

旅行ついでに、などで利用するといいかもしれませんね。

私が使ったことがあるのはMeetupのみですが、これは海外でも利用されていました。

国境に関係なく人脈を作ることができるのはありがたいですね。

中級：自力で経験を積んでみよう

基礎を学んだら、次は実践をしてみましょう。ここで紹介されていたのが「Kaggle」です。

Kaggleにアクセスすれば、大勢の人のデータ分析結果を無料で見ることができますよ。

データをダウンロードして、自分で分析することもできます。

他にも、Kaggleの中でデータ分析のコンペティションが開催されていますから、そこでお金を稼ぐこともできますし、コミュニティもありますから、人脈を作ることも可能です。

ただし、すべて英語のため、英語が苦手な人はまずは英語を学ぶといいでしょう。

上級：最新情報を学ぼう

ある程度能力がついたら、自分の専門分野を定めて最新の情報を集めて他者との差別化を図りましょう。

最新の情報、それは論文ですね。特に国際紙、すなわち英語のものがいいでしょう。

ここでも英語ができないとネックになりますね。

論文を読んで知識を得たら、学会に参加してより知識を深めることをオススメされています。

英語勉強も忘れずに

先ほど挙げたKaggleも英語ですし、論文を読むためにも英語の知識は必須です。

そもそも、9割以上の情報は英語で公開されていますから、英語ができるようになれば今までの10倍の情報を集めることができるんですね。

この英語力の基準としてはCEFR（セファール）というグローバル基準でB2以上でしょう。B2でやっと専門的な知識を理解できる英語力と考えられます。

これは日本人になじみのあるTOEICで表すと、各項目以下の点数以上が目安となります。

TOEIC L&RではListening：400点以上、Reading：385点以上

TOEIC S&WではSpeaking：160点以上、Writing：150点以上

この英語力がない人は、英語勉強も合わせて行うといいでしょう。

書籍9選

本が好きなので、紹介されていた本だけはここでリストアップします。

本書では他にもオンラインコースの紹介や、YouTubeチャンネル、スクールやTwitterの情報も書かれていました。

あなたに合った方法で、あなたに適性があるか判断してみてくださいね。

初級編

まずは「AIとは何？」「機械学習とは？」というレベルの人向けの本です。

中級編

ここでは実際に一つ一つの技術を身に着けるのに適した本を紹介しています。

腰を据えて読む必要がありそうですね。

本だけで学ぶのが難しそうであれば、オンラインコースなどを併用するのもいいかもしれません。

なお、本書で紹介されていた版よりも新しいものが出ていました。本書は2018年ですからね。

新しい版となっていたものは、新しい版の方を紹介しています。

しかしここで紹介しているものが最新でなくなっている場合もありますので、購入前には再度確認してくださいね。

上級編

ここまでくると簡単には理解できないかもしれません。

その場合は、理解できることを目標として学んでみてくださいね。

資格

体系立てた知識を得るには、資格を学ぶのが手っ取り早い、という考え方もあるでしょう。

資格は履歴書にも書けますから、他者に対して自分がどの程度できるのか、というのを証明する手頃な手法の一つでもあります。

本書で紹介されていたのは、次の3種類ですね。

・E検定、G検定…これはディープラーニングに関する資格です。

・Python3 エンジニア認定試験…これはPythonの文法の基礎に関する資格です。

・統計検定…その名の通り、統計に関する検定です。4級、3級、2級、準1級、1級と来たのち、統計調査士、専門統計調査士の計7段階に分かれています。目安としては、統計検定1級で、大学専門過程（３，４年生）で習うレベルとなります。

まとめ

AIにより、以前あった職がなくなるのでは？と懸念されています。

しかし、機械学習エンジニアのように、AIが出てきたからこそ出てきた職もあります。

もしあなたがついている職が今後なくなっていく可能性があるのであれば、今のうちにジョブチェンジを考えるのも手でしょう。

新しいことは、一朝一夕には身に付きませんので、数年後を見据えて動く必要があると考えていますよ。

私は本書を読んで、まずは英語を勉強しようと思いました。