経済産業省は23日、人工知能(AI)やあらゆるモノがネットにつながる「IoT」など先端的なIT(情報技術)を担う人材が2030年に55万人不足する恐れがあるとの試算をまとめた。急増する需要に人材の供給が追いつかないためで、AIでは12万人不足するとの予測も示した。【関連記事】衝撃のAI人材25万人育成計画、裏に2つの「失策」IT関連市場が年2~5%の成長を続け、システムの保守担当者などの従来型
「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・
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
(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
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
処理を実行中です
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