Neuro Diveでは「機械学習・AI」「デジタルマーケティング」「ビジュアライズ」「業務効率化」といった4つのIT領域で活躍できるDX人材を育成しています。今回は、「AI・機械学習」領域において求められるスキルや学習のポイント、キャリアパスについて前編、後編の2部構成でご紹介します。
AI・機械学習領域の仕事とやりがい
AI（人工知能）や機械学習領域での業務内容は多岐に渡りますが、現在においては「AIを使う仕事」と「AIを作る仕事」の2点で捉えるとわかりやすいかもしれません。これらに共通するのは「機械学習だからこそできるビッグデータの繰り返し処理」の恩恵に依存しています。
例えばビックデータから高度な発見をしたり、特定のタスクを切り出して自動的に処理させたりすることが可能です。ハード、ソフト、そして通信技術の発展によって、こうした技術が商用化され、様々なビジネスが成立しています。先日、真鍋淑郎（まなべ・しゅくろう）さんが「地球の気候の物理的なモデル化、気候変動の定量化、地球温暖化の確実な予測に対して」ノーベル物理学賞を受賞されました、AI・機械学習領域においてはホットな話題に事欠かないので是非興味ある方は調べてみてください。
この領域のやりがいや面白さは「突き詰めることで得られる人生の選択肢」だと思います。AIエンジニアとしてAI開発やデータ分析に取り組む、機械学習エンジニアとして技術職予測精度に執着しながら開発能力を伸ばす、マーケターとして先進技術を活用しながら如何にサービスの競合優位性を高めるかを突き詰めていく等、選択肢は多岐にわたります。世の中の大半の仕事は「やり方」や「ルール」が決まっている中で、この領域はまだ仕事としてフローやナレッジが少ない為、挑戦できるやりがいがあります。一方で正解がないことに挑戦するという大変さもあります。高度であり、やりがいもありますが、正解がない領域への挑戦と難しさはありますので、そこを面白さと感じるかです。
また、発達障害の特性である高い集中力や論理的思考力などは、データサイエンスやデータ分析等の業務に向いていると考え、Neuro Diveでは特性を強みに変えるトレーニングを行っています。アプローチ方法は無限にありますが、自分がどんな業界、企業に対して、どんな変化をもたせたいのか、そこからの逆算思考によって、身に着けるスキルが大きく変わる事、そして後からいくらでもリスキルで、長期的に社会で活躍できる人材を目指せます。米国では当該領域の学習者であれば新卒でも年収1000万円を切らないと言われています。就職先に外資系企業も選択肢に入れる場合は、語学力も求められるので、ITスキルだけではなく、その他のベーススキルが必要となります。価値の高い人材であり続ければ、従来型の終身雇用だけでなく、副業や複業、フリーランス、フルリモート活用など、時代に合わせて様々な生活手段を得ることを可能にします。
AI・機械学習領域で活躍する為に必要なスキルとは？
現在においてはノーコード、ローコード開発が台頭してきており、以前よりプログラミングへの依存度が減少してはいるものの、ツールの仕様や既存概念をブレイクスルーするためには基本的な開発力と、それを実行するための理想的な体制づくりに関する知識が必要です。また、ビジネスやサービスを俯瞰的に捉え、課題を解決するために必要なデータを定義するための「デザイン力」も注目されるようになってきました。特に優秀なエンジニアの場合、技術畑であるにも関わらず、マーケティング手法やビジネス理解に精通しており、上流工程から貢献するような人材も少なくありません。
スキルセットについてはデータサイエンス協会が公開しているスキルチェックリスト（※）を参考にしてみてください。Neuro Diveの学習カリキュラムもこのスキルチェックリストに沿った学習プログラムを提供しています。こちらをご覧いただいたうえで、必要なスキルを現在のトレンドで習得、実行までを考えると、クライアント環境でのデータ処理にはRやPythonが、集めたデータを分析するには統計学の知識が、自身の発見を他者に伝えるにはBI(Business Intelligence)ツールがそれぞれ役に立ちます。また、配色やフォント選定などデザイン知識や、顧客への説明能力（プレゼン）、他者の需要を引き出す営業力など、求められるスキルセットは枚挙にいとまがありません。
Neuro Dive で身に付けるAI・機械学習領域のスキルセット
学習を進める上で最も重要なポイントは２つあります。1つ目は「課題設定」です。AI・機械学習領域での活躍を目指している方の中には「Pythonを独学で習得しました」とおっしゃる方が多くいらっしゃいますが、ここで注意していただきたいのは課題がない状態で学習を進めてしまうことです。実際に起こりえるビジネス課題に沿って学習する人と、そうでない人とでは違いが顕著に出ます。
PythonはWebアプリケーション開発や機械学習、統計処理など、様々な分野で使われていますが、課題がないままだと目隠しをして学習しているのと同じであり、ただ勉強しているだけの状態です。自分の学習が何を解決しているのか、学習がビジネスに繋がらなければ、成長しているかどうかも実感できませんし、いざ採用面接の場で「あなたは何ができますか？」の問いに対して「独学でPythonを学習しました」と伝えたところで、企業側は評価できません。大切なのは、どのようにビジネスへ転換させ、課題解決ができるかということです。
2つ目は「学習時間」です。ビジネスの課題を設定してから学習する人は1冊の参考書を全て読み解きません。必要な部分を抜き出してスキル習得すれば、課題解決に直結し最短で学習できます。Neuro Dive利用者の方でも、はたらいていない方や就職経験がない方は、最初の課題設定につまずきます。ビジネスの課題設定が難しい方は、生活や趣味に役立つ課題を設定して、Pythonの実装から始めることをお勧めしています。Pythonはあらゆるシステムやアプリを開発できる汎用的なスクリプト言語です。ご自身にとって生活で便利にしたいものや、不便さを感じているものを列挙し、その中からできそうなことをPythonで実現してみると、自ら課題が設定できるだけでなく、Pythonで何が解決できるのか、その為に何を勉強すればいいのかはっきりするはずです
こういったフローを踏むことで、身近な課題設定から最短でスキルを身に付け、そのスキルのビジネス転換ができるようになります。学習を目的とした時間を過ごすのと、興味、関心のあることや、身近な課題を解決する為に必要な部分を最短で学習し積み重ねるのとでは、大きな差が出てきます。先ずは課題設定から進めることがスキル習得における一番の近道です。
次回「後編」ではAI・機械学習領域において求められるビジネススキルとキャリアパスについてご紹介します。