データサイエンティストはどこまでエンジニアリングをすべきか？ | CyberAgent Developers Blog
AI事業本部 Dynalystでデータサイエンティストをしている藤田です。 Dynalystの開発チーム内にはデータサイエンス（以降DS）チームがあり、そこにはデータサイエンティスト・機械学習エンジニア（以降まとめてデータサイエンティストと呼ぶ）たちが所属しています。私がこのチームで働く中で、「プロダクト所属のデータサイエンティストがどこまでエンジニアリングをすべきなのか」ということを考えることがあったのでまとめてみました。当然これは一般的な答えではなく、人・チーム・組織の現状や目指すべきところによって答えは変わるので、あくまで1チームの1個人が考えたこととして読んでもらえればと思います。 プロダクト所属と横断DS組織所属 エンジニアリング云々の話をする前に、まずプロダクト所属と横断DS組織所属のデータサイエンティストの違いについて軽く説明します。両者のメリット・デメリットについても書きた
SEからデータサイエンティストに転身 「考え方が全く違う」NEC社員が味わった苦労
AI（人工知能）人材の不足を受け、社内の研修プログラムなどを通じて転身を図るケースも増えてきた。しかし、機械学習や統計の知識がほとんどない状態でビッグデータの解析やAIアルゴリズムの作成などができるのか。5月28日に開催されたAI技術の専門イベント「NEC the WISE Summit 2019」で、SEから「AI人材」に転身したNEC社員が当時の苦労を赤裸々に語った。 NECが定義する「AI人材」は、業務内容によって（1）コーディネータ、（2）コンサルタント、（3）エキスパート、（4）アーキテクト、の4つに分類される。コーディネータはAIプロジェクト全体を統括するプロジェクトマネジャーのような役割を担い、コンサルタントはAI導入の目的を決める上流工程を担当する。エキスパートはAIモデルの作成や検証を行うデータサイエンティストのような立ち位置で、アーキテクトはAIの実装を担当するAIエン
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
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
