新規事業のつくり方

新しいことを学ぶことが好きです。今は機械学習や自然言語処理に興味があります。

駆け出しのAIエンジニアが、転職面接で落ちなくなる方法を解説します。

体系的な方法論がないと面接に落ちる

転職面接で落ちる第一の理由に、「コミュニケーション能力」が不足しているため、とよく言われます。確かにその通りなのですが、エンジニア面接におけるコミュニケーション能力とは、目の前の問題に対して、どのように考えて、どう対処したかという思考を言語化できているかを見られています。

つまり、体系的な方法論に基づいて、合理的な解決策を実行しているかどうかが問われているのです。

続きを読む

RANGE(レンジ) 知識の「幅」が最強の武器になるという本を読みました。

RANGE(レンジ) 知識の「幅」が最強の武器になる
デイビッド・エプスタイン
日経BP
2020-03-26


RANGEとは日本語で言うと「幅」です。著者は変化の激しい現代では、経験の幅が重要であると説いています。専門性がないと不安になったり、コンプレックスを抱きやすいものですが、ゼネラリストの希望になるような本です。

続きを読む

AIエンジニアは、最も将来性が高い職業の一つでしょう。データを使って科学する仕事は楽しいです。しかし、現役のAIエンジニアにも様々な悩みがあったりします。

「優秀な人材と働きたい」「最適化手法の研究をしたい」「自分の専門分野を深めたい」などです。

組織の論理から脱却し、自分のキャリアをコントロール性をどうすれば高めることができるのか、現役のAIエンジニアが検討してみました。
続きを読む

テキストから画像を生成するAIは、「Text2Image」と呼ばれています。
今回は2021年に発表された、「Big Sleep」を試してみました。

BigSleepとは

「Big Sleep」は、「BigGAN」と「CLIP」を組み合わせたものです。テキストから画像を生成できます。Python向けライブラリとして利用できます。

BigGANとは

「BigGAN」は、1000カテゴリの画像を生成するモデルです。名前の通り、GANのネットワークを大規模化しています。DeepMindが開発しました。

2018年から「敵対的生成ネットワーク(GAN)」が流行りました。
GANは、「識別モデル」と「生成モデル」を互いに競い合わせることで精度を高めていく、教師なし学習です。生成モデルは、本物画像に似た画像を生成し、識別モデルが偽画像か本物画像かを見分けられるように学習していきます。BigGANはGANの発展形の一つです。

CLIPとは

「CLIP(Contrastive Language-Image Pre-training)」は、画像分類モデルです。画像とテキストの4億ペアを事前学習させています。OpenAIが開発しました。

学習方法としては、画像-テキストのペアのベクトルの内積を最大化し、ペアではないベクトルの内積を最小化するようにベクトルを調整していきます。その結果、画像からもテキストからも、その特徴を表現するベクトルを取得できます。
続きを読む

単語分散表現とは、単語の意味をベクトルで表現することです。単語埋め込み(Word Embedding)とも呼ばれます。単語を100~300の次元数で表現することが多いです。

単語分散表現の手法には、Word2Vec(2013年)やfastText(2016年)があります。これらの手法は、ある前提を置いて学習されています。
続きを読む

21世紀に最も重要なスキルは何でしょうか。

様々な答えがあると思いますが、おそらく多くの人が、「試す力」と答えるでしょう。仮説を立てて検証して答えを導くという手法は、自然科学分野の根幹であり、サービス企画や新規事業開発の最適解であり、GAFAの成長エンジンです。世界で最も試行錯誤している組織は、おそらくGoogleでしょう。

機械学習は、データに対する試行錯誤をコンピュータ上で何万回何億回も高速でできます。だから技術として高速で成長できています。加えてそれらの検証結果が、論文やネット上で公開されているのだから、恐ろしいまでのスピードになっています。

使い方によっては数百億円の価値を生む資産が、インターネットに転がっているのです。情報が公開されている以上、勝負ポイントは「手を動かした時間量」が全てです。
続きを読む

現在IT業界で働いている方、これからIT業界で働く方向けに、IT業界のマネジメント職種マップを作成しました。

これまでいくつかのマネジメント業務に携わりました。案件によって求められるスキルや要求内容が異なったので、自分の経験値をベースに周辺知識を加えて整理しました。


続きを読む

AI人材の給与が高騰中です。米国のAI研究者やAIエンジニアは、大学で博士号取得した人や職歴が数年程度の人が、年収5000万円の給与を得られるようです。

東洋経済:年収5000万円もザラ、米AI人材のヤバい報酬

AI人材は、社会的ニーズが急速に高まったことから極めて希少性があります。需要に供給が追いついていないため、高値がついています。それではAI人材の主役であるAIエンジニアは、高収入で幸せなキャリアが約束されているのでしょうか。

2021年8月追記
DX・デジタル化の流れを受けて、最上流工程の重要度が高まり、AIコンサルタントが高年収を得る傾向は、日々強まっているようです。
業務部門とシステム部門の線引きを取っ払い、論点思考でフラットにAI導入の道筋を描けるような人材は、社会的に需要が急激に高まるも、要件を満たす人材は稀少です。

今後はおそらく、DX人材という文脈で、人材育成方法が体系化されていく流れと、コンサルファームに所属するシニアAIコンサルを、大手事業会社が部長~執行役員級でヘッドハンティングする流れの2軸が加速していくと思います。
続きを読む

安宅さんの「シン・二ホン」を読みました。400頁を超える大作ですが、面白いのでスラスラ読めました。特に前半4章までが面白いです。




続きを読む

「プロダクトマネジメントと事業開発に関する私的な振り返り」という記事を読みました。

膨大な試行錯誤が細やかに生々しく書かれており、現役PdMやPdM志望者のコンパスと言える記事です。著者の卓越した言語化能力を感じます。

私もPdM兼機械学習エンジニアとしてプロダクト開発に日々勤しんでいますが、読んだ中で、特に大事だなと感じたことを3つ取り上げてみました。


続きを読む

↑このページのトップヘ