TechCrunch | Startup and Technology NewsFormer Autonomy chief executive Mike Lynch issued a statement Thursday following his acquittal of criminal charges, ending a 13-year legal battle with Hewlett-Packard that became one of Silicon Valley’s biggest…
データ人材は日本に何人必要なのか？（2018年Q2版） - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) 最近になって以下のようなメディア記事やそれに類する報道が殊に増えているようです。 以前研究者だった身としてはこういう「これから日本には〇〇万人の△△人材が必要」みたいな物言いを聞くとポスドク1万人計画の悪夢を思い出してしまう部分もありますが、そもそも論として「今後データ人材は日本に何人必要なのか？」を現場のヒューマンリソースの需給状況から述べる向きは相変わらず少ないのではないかという印象が強いです。 ということで相変わらずの与太記事で恐縮ですが、自分の6年間のデータ分析業界での経験と見聞をもとに「今後データ人材は日本に何人ぐらい必要なのか」を極めて主観的ながら論じてみようかと思います。いつも通り異論反論またはご指摘大歓迎ですので、コメントのある方は何がしかの方法でお寄せくださると有難いです。 まず最初に結論を 個人的な経験と見聞に基づく主観的な予想では
データサイエンティストにおいて、最も需要のあるスキルとは | POSTD
雇用者は何を求めているのか？ データサイエンティストは、多くのことを知っていると期待されます。例えば機械学習、コンピュータ科学、統計、数学、データの可視化、コミュニケーション、そしてディープラーニングといったものです。これらの分野の中には、データサイエンティストが学んでいる可能性のある何十もの言語やフレームワーク、テクノロジが含まれています。雇用者側から求められたいデータサイエンティストは、限られた学びの時間をどのように割り当てるべきでしょうか。 私はデータサイエンティストにどのようなスキルが求められているのかを探るため、Web上の求人情報サイトを見て回りました。一般的なデータサイエンスのスキルと、特殊な言語やツールは分けて考えています。検索した日は2018年10月10日、サイトは LinkedIn と Indeed 、 SimplyHired 、 Monster 、それに[AngelLi
「AI」「機械学習」スキルを活かす・キャリアアップする転職【2019年最新動向】 ｜ リクルートエージェント
「AI（人工知能）」「機械学習」などの技術を活かしたビジネスが拡大しています。インターネットサービスでのWEBマーケティングやレコメンド機能などをはじめ、製造業でも自動運転技術や工場の異常検知・センシング、金融業界における融資判断・投資判断など、活用分野の裾野が広がってきました。 AI・機械学習のスキルを持つエンジニアにとって、また、これからAI・機械学習のスキルを身につけたいエンジニアにとって、今どんな転職のチャンスがあるのかをお伝えします。 AI・機械学習の実務経験のない方の転職事例 多くのユーザーや消費者を抱え、独自のビックデータを保有する大手ネット企業では、各部門のデータを活用したさまざまなプロジェクトが動いているほか、新進のテックベンチャーでもビジネスモデル開発、サービス開発が活発化しています。 それに伴い、当領域の主要プレイヤーであるデータサイエンティスト・機械学習エンジニア・
R, Python, SAS, SPSSを現場のデータサイエンティストの視点で比べてみた – learn data science
先日、”第３の波ーAI、機械学習、データサイエンスの民主化”という記事の中でも話したように、今では世界中のどこでもデータサイエンスの世界ではRもしくはPythonといったオープンソースのプログラミング言語やツールが広く使われるようになりました。 実際私たちも特にシリコンバレーの様々なタイプのお客様と接することが多々ありますが、最近ではいよいよSASもしくはSPSSといった古くからあるエンタープライズ向けのデータ分析・統計ツールを会社で使用するためにかかる莫大なコストを見直すという圧力が日々大きくなっているようで、新規のプロジェクト、もしくは新規に雇用された人たちがそういった経費の承認を得るのは基本的にありえないか、あってもかなり大変らしいです。で、結局、どうせSASもしくはSPSSを使ってやろうとしてることは何でもRもしくはPythonを使ってできてしまうし、さらにもっと多くの最先端のアル
僕が統計でSASを使う理由 - Qiita
背景 Qiitaを始めて思ったことがあります． 「どうしてこんなにSAS使ってる人少ないんだ？」 この界隈では統計にRを使ってる方が最も多いと思われます．確かにフリーでオープンで実装されている解析手法の多いRの有用性は非常に大きいです． しかし，昔は手の届かなかったSASも今では無料で使える環境が揃い始めていますし，土台が高額なソフトウェアだったからこそ，SASがRに勝る点もたくさん有ります． そこで今回は，僕が初めての統計ソフトウェアにSASを選択し，かつ利用を続けている理由を紹介しようと思います． SASとは "Statistical Analysis System"（統計解析システム）の略で，現在は開発されたソフトウェアそのものあるいは開発している企業そのものを指します． つまり，SASという企業が開発している統計解析ソフトウェアが"SAS"です．（紛らわしい・・・） 当初は現在のR
データサイエンティストの定義は？必要スキルは？現役データエンジニア／アナリストと考えた結論 - エンジニアHub｜若手Webエンジニアのキャリアを考える！
データサイエンティストの定義は？必要スキルは？現役データエンジニア／アナリストと考えた結論 需要が高まるデータサイエンティストというロールですが、業務の定義や、必要スキルは一体どのようなものでしょうか。3名のデータエンジニア／アナリストに実践から得た答えを聞きました。 データエンジニアとデータアナリストの違い 分析と実装。データサイエンティストに求められる要件 数学の素養が重要。技術は仕事で身につけられる！ データエンジニア／アナリストが考える必要なスキルセット データアナリスト・データエンジニアにとっての「事業貢献」 「データサイエンティスト」という肩書を耳にすることが増えています。 データの蓄積はとどまるところを知らず、さらにビジネスにおけるデータの重要度が増し続ける現在、同職が同じく重要になっていることは想像に難くないでしょう。 反面、データサイエンティストが現場で何をしているかは、
データ基盤エンジニアの面白さ - 下町柚子黄昏記 by @yuzutas0
データ基盤エンジニアという仕事の魅力について、質問を受ける機会がありました。 何が魅力なのか。どういう面白さがあるのか。どこにモチベーションがあるのか。 せっかくなので自分なりに考えをまとめてみます。 5つの面白さ ざっくりまとめると、データ基盤エンジニア（あるいは：分析基盤エンジニア・データエンジニア）というのは、「主体的に働きやすく」「スキルを(伸ばし/広げ)やすく」「キャリアアップに繋げやすい」仕事だと思います。 1. データ活用担当への第一歩として データ分析や機械学習を仕事としてやりたい。だけど、職務経歴としてはアプリケーション開発やインフラに強みがある。 この立場の人がキャリアをピボットするための踊り場として、データ基盤の担当になることがあります。 持ち前のスキルを活かしてデータ基盤の構築・運用に関わるところから始めます。 データ仕様に詳しくなっていき、徐々に活用側へと染み出し
Python本まとめ・2019年版 - Webとデータ分析を初心者が仕事にするまで - Lean Baseball
毎年恒例、Pythonの本と学び方のまとめ・2019年バージョンとなります. ※2021/1/11更新：2021年版あります ※2020/1/9更新：2020年版もあります, こちらもよろしくおねがいします！ ※ちなみに昨年版はこちら 改めましてこんにちは、Pythonと野球を仕事にしています、@shinyorke（Python歴おおよそ8年）ともうします. なお、Python その2 Advent Calendar 2018 12/24記事でもあります. このエントリーはそこそこ長いので、「最初の方をサクッと読んで、残りはつまみ読み」してもらえると良いかもです！*1 ※もちろん全部読んでも構いません！（それはそれで嬉しい） サクッとまとめると 入り口としての「独学プログラマー」は万人が読んだほうが良い名著 データ分析・解析やりたい人も、Webからやっておくと良いかも（特に前処理） Web
データサイエンティスト＆機械学習（人工知能）エンジニアのスキル要件と、過熱する人工知能ブームが生み出す狂騒曲と（2018年2月版：追記あり） - 渋谷駅前で働くデータサイエンティストのブログ
(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
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
先端IT人材55万人不足の恐れ 2030年、経産省試算 - 日本経済新聞
AI人材、世界トップ級の半数が米に 日本は4%弱 - 日本経済新聞
AI、産学官で「教え合い」 - 日本経済新聞
（社説）データ専門家の育成を急ごう - 日本経済新聞
データ分析のプロ、産学で育成 - 日本経済新聞
瀬戸際 日本の食(4)「10年で一人前」待てない - 日本経済新聞