未経験から機械学習エンジニア!?先輩3名がヒケツを披露！

大学卒業後、信託銀行に就職し、営業を経てIT部門でインフラ周りの社内SEを務めていました。
銀行内のいろんな部署から要望を聞き、要件をまとめて外部のエンジニアに発注し、プロジェクトを管理するという役どころです。
 
希望していたIT系の仕事。しかし、発注や管理をやっているだけで、開発実務に触れることがなく…。
もやもやする日々が続いた末、このままではいけない、つくる側に回って技術を身に付けようと。一念発起してエンジニアに転職することに決めたんです。

銀行出身！実は私もそうなんですよ。大学では数学科でガッツリ数学に明け暮れた私。論理的思考を活かせるIT系の仕事にも興味があったのですが、なんとなくITは今すぐじゃなくてもいいかなと思って、銀行に就職しました。
 
でも、入行1年目からコロナ禍に見舞われ、お客様とのやりとりや社内文書の共有など、さまざまな面でITの活用が一気に進んだんです。世の中全体でもそうでしたよね。
今IT業界に入らないと、取り残されてしまいそう…。そうした焦りがどんどん膨らみ、エンジニアの道に進む決心をしたんです。

私は大手物流会社でITサービスの企画営業をやっていました。
営業の武器といえば、コミュニケーション力。でも、自分はそれだけでこの先何十年もキャリアを積んでいけるのかと、不安や危機感を覚えていました。
そこで、専門技術を磨き、価値のある人材にならないといけないと考え、エンジニアを目指したんです。

ラクスパートナーズから届いたスカウトメールがきっかけです。

私もですよ。

僕も（笑）。

当初はアプリエンジニアになろうと考え、半年ほど独学でプログラミングを勉強しました。そして、いざ転職活動を始めた矢先、弊社からメールが届いたんです。
私の登録していた転職サービスを通じて、私が大学で統計学を専攻したことを知ってくれて、機械学習向きだと思ってくれたのでしょう。
「興味があります！」と即答でお伝えしたところ、採用担当の方が早速カジュアル面談の場を用意してくださって、「3カ月間の研修でみっちり学べるよ」と背中を押してくれたので、迷いなく決めました。

私は最初からデータ分析系のエンジニアを目指し、転職活動をスタートしました。大学で学んだ数学を活かして働きたかったからです。
でも実は、パソコンについて本当に無知で、プログラミングも全く未経験だったので、ちゃんと研修で勉強させてくれる優しい会社じゃないと無理だなと（笑）。メールをきっかけに「そんな会社があった！」と知ったのが、ラクスパートナーズだったんです。

僕の場合、「これからはデータサイエンティストだ」というネット記事を見て、漠然とカッコいいなと（笑）。
そこから前職を辞めて約半年間、データサイエンスや機械学習を専門にしたいと思い、ITスクールでデータサイエンスについて学びました。
とはいえ、未経験からいきなりなるのは難しいという現実もわかっていたので、いろんな分野のエンジニアの求人をチェックしていました。
そんなときに届いたのが、弊社からのスカウトメール。未経験から機械学習エンジニアになるチャンスだと思い、「ぜひ！」と飛びついたんです（笑）。

正直、数学が大変でした（笑）。研修内容はどんどんブラッシュアップされていると思いますが、私が受けたときには、最初の1カ月間はガッツリ数学漬け。講師の授業を受け、自習時間には証明問題を解くという毎日でした。
私は数学が苦手だったので、振り返ってみると前半戦を乗り切ることが最大の山でした。
その反面、研修の後半はPythonやAWSについて集中的に学んだのですが、半年間独学でやっていたので、割とスムーズに理解できましたよ。

私が受けたときには数学とプログラミングの勉強を並行して進めていきました。2カ月目には機械学習の実践的な講義が中心になり、3カ月目は各々が自主的に課題に取り組むという感じでした。
機械学習の講義では宿題のボリュームが多くて、同期の仲間みんなでひいひい言いながら課題に取り組んでいたことを覚えています。

あの課題は難しかったですよね。私も「全然わからない、どうしよう」とぶつぶつつぶやきながら頑張っていた記憶があります（笑）。

インフラ、モデル開発、Webサービス、データ分析など、機械学習がかかわる分野は幅広く、同期入社の仲間もそれぞれ興味の矛先が違っていました。そのため、自習の時間にはそれぞれが違うテキストを用意し、勉強を進めていましたね。
 
数学に関しては、私の同期にたまたま元数学教師がいて、自習時間に彼が数学の補講の授業を行ってくれて、みんなで受けていました。

うらやましいです（笑）。Naoさんは数学科出身だから、数学は苦労せず？

おかげさまで（笑）、大変さは感じなかったです。
私の場合、プログラミングを学んだことがなかったので、自習時間にはPythonの解説本を読み込んで勉強していました。
Yoshikiさんが言ったように、研修の後半になると、同期の仲間それぞれで興味のある分野が違ってきて、自然言語処理や画像処理など、同じ分野に興味のあるメンバーがゆるやかにグループをつくって情報を交換しあっていました。

「Kaggle（カグル）」にも参加しました？

はい、みんなでこのコンテストに参加しようと決めて、スコアを競い合っていました。

「Kaggle」には様々なデータサイエンティストがデータ分析の内容やモデル構築のパイプラインを公開してくれているので、それらを読むだけでも実践的な勉強ができました。
私はWebマーケティング系の機械学習に興味があったので、「Kaggle」ではクリック率を予測するCTR予測のコンペなどを検索し、過去の課題にも遡って取り組みました。
 
今参画している現場で手掛けているのが、まさにCTR予測のモデル構築。「Kaggle」で積んだ実践的な経験がドンピシャで活きています。

はい、研修の一環としてみんなで参加しました。でも、とっつきにくくて挫折…。
もっと初歩的なテーブルデータのコンペにチャレンジしようと考え、「ProbSpace（プロッブスペース）」という小規模なプラットフォームに参加し、実践力を鍛えました。
 
同期の仲間3人でチームを組んでコンペに参加したときには、自主的にGitHubを使うことにもチャレンジしました。

GitHubについては、研修ではあまり触れられませんでしたよね？

やらなかったですね。でも、実践ではバシバシ使うだろうと思っていたので、触らないまま現場に行くのが不安だったから、自主的に勉強しました。
実際、プロジェクトに参画してみて使うことが多く、やっていてよかったと思っています。

わかります！　GitHubやLinux、SQLなどの操作については、研修で初歩的な部分を学んだ程度だったので、いざ実務に入ったときに使う場面が多く、戸惑った経験があります。

（大きく頷きながら）私もそうでした。今後の研修ではそのあたりの講義をもう少し手厚くすると、後輩の皆さんが実務にスムーズに入れると思いますよ。

1つ目の勤務先は人気アパレルブランドで、2つ目の今の勤務先は人材サービス会社。どちらの職場でも、周りはスキルも経験も段違いのデータサイエンティストの皆さんばかりなので、自分はまだまだ実力不足だと痛感するばかりです。

レベルの高い環境なんですね。

貴重な経験や知見を吸収できる、恵まれた環境です。
 
そのなかでも、今の職場では、個人で月間MVPに2度選出されて、グループMVPも3度いただきました。この1年でそれだけ賞をいただいたということは、私も多少なりとも貢献できているのかなと思っています。

私こそ、日々知らない技術やロジックが出てくるので、「なんだこれは!?」と思いながら勉強する毎日です。
その頑張りが実り始めているというか、お客様に仕事ぶりを評価していただける機会もあって、ようやくちょっとはやれるようになったのかなと。

お客様からの評価が何よりの励みになりますし、成長のバロメーターですよね。
 
私は、自分なりに試行錯誤してモデルを組み、走らせてみて課題を洗い出し、修正して動かし、検証しています。そのサイクルを重ね、お客様のレビューを受けてカタチにしていますので、お客様に認めていただけるとなおさら嬉しいですね。

自分のなりたいエンジニア像を固めていくことがとても大事だと思います。
同じ機械学習エンジニアでも、画像処理系と自然言語系ではスキルセットが全く異なりますので、どこを目指すのかを考えて学ぶことがとても大切だからです。
 
また、営業担当にも「こんなエンジニアになりたい」と常々アピールしておくと、意向に沿ったプロジェクトを発掘してくれますよ。

そこはすごく大事ですよね。目標を持ち、実現するためには何を学べばいいのかを自分で選び取り、目的意識をもって勉強していく姿勢が大切だと思います。

私からは2つあります。
1つは、わからないことがあればとことん調べることです。
機械学習は専門的な領域で、わからないことがたくさん出てきますし、データを分析するにしても、想定外の値が見つかることが多々あります。
そうした際にサボってしまうのではなく、納得がいくまで調べ、原因を突き詰めることが、成長につながるのかなと思います。
 
もう1つは、アウトプットすることです。
例えば、「70％の精度が出ました」と言えば、おふたりは「すごい！」と思ってくれると思います。でも、機械学習に触れてこなかった方々からすると、「70％しか当たらないの？」と思われてしまいます。
そうした認識のギャップがまだまだありますので、相手に対して自分の仕事をわかりやすく伝える力を磨いておくといいですよ。