• 「テクノロジーを学ぶ」～時流を読む力を養い、自らの手で人々の未来を豊かに～
  
  グループ内でも学べることがありますよ！
  
  ってことで、参加してきた座談会のシェアをさせて頂きます！！
  
  （テクノロジーが詰まったアイアンマンと共にお届けします笑）

グループのコラボレーション

AIエンジニア領域でのトップヘッドハンターと話すランチタイム(オンライン開催)として、
たくさんのAIエンジニアを見てきたからこそわかる、
データサイエンティストを目指すためのコツなどをお話しいただきました！
(ヘッドハンター目線、人事目線のどちらの裏側も！)という感じ。

＼こんな方々に向けて開催／
・今後データサイエンティストを目指している方
・会社ごとにデータサイエンティストの定義がバラバラでいまいちどこまでの範囲か理解できていない方
・これからデータサイエンティストで1000万以上の年収を稼ぎたい方
・データサイエンティストになる為にどのような自己学習が必要か知りたい方

【ランチ座談会】　データサイエンティストへの道

★山川さん自己紹介
・前々職　ヘッドハンター
・前職　　人事

★市場の声
・データサイエンティストになりたいがわかりにくい
・どうやったらなれるの？

ということが多く聞かれる！為、

★テーマ
①データサイエンティストってわかりにくいよね？
②データサイエンティストを自称しても鼻で笑われない人たちの最小公約数
③どのデータサイエンティストパターンを目指すべきかを検討するための”水見式(？)”
④3パターンそれぞれのスキルアップ方法
⑤その見せ方

データサイエンティストに求められるスキルセットとは？

ミッションを踏まえ、
データサイエンティストに求められるスキルセットは、
以下の3つであると考えられています。
（参照：データサイエンティスト協会）

１．ビジネス 力（business problem solving）
：課題背景を理解した上で、ビジネス課題を整理し、解決する力

２．データサイエンス 力（data science）
：情報処理、人工知能、統計学などの情報科学系の知恵を理解し、使う力

３．データエンジニアリング 力（data engineering）
：データサイエンスを意味のある形に使えるようにし、実装、運用できるようにする力

• DSのエンジニアとマーケター（ビジネスサイド）の違いとは？
• ・エンジニア
  ：モデル実装、画像解析など大学などの論文を読んで実装する
  　→最新のアルゴリズムなどを学んでいる人は上級者
  
  ・ビジネス
  ：会社としてもつべき戦略　KGI・KPIがあり、データ収集、分析する方法を発見する
  　レポーティングやコンサルができる
  
  などで分けられると考えております。
• DXというバズワードがあるなかでDSが叫ばれてるがニーズはあるのでしょうか？
• ・データを使うDXがあれば紐づくこともあるが、正直あまりない感じです。
  →データ活用してるのは少数：工場の動画データより、機械や人の動き配置の最適化
  ・現求人としては実態として、”RPA”や”データ整理”などが多く感じられます。
• 機械学習の実装ができるレベルとは？
• 第四次のAIブーム：DL（ディープラーニング）が話題になってから
  けっこうな割合でDLのみの方が多く感じられます。（パイソン・Rを使えるなど）
  
  データ量、計算機の質も大切。
  サーキットラン以外に今あるもので出来るものを示せる人のほうが良い
  
  どれくらいつかえるかを示すのは？
  ：”カグル”を使う？　自然言語処理の中で、コンペやコードをGitHubへ投稿しておくなどでポートフォリオを見せられるようにしておくのが良いと思います。
  また、現存の市場流通しているものを使うができればOK（パブリッククラウドを使えるレベル）
• ぶっちゃけ平均年収ってどれくらい？
• ・最小公約数を超えていれば、若くても700万円以上
  ・30歳手前くらいが多い（800万円前後）
  ・他社実績が既にあると1200万円超え
  　→T社、K社、R社などの内定者は1200万円以上