ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
【視聴ガイド】00:52 データサイエンティストの仕事とスキル01:41 データサイエンティストの将来03:00 ビジネス特化とエンジニア特化
まだまだ新しい職種なので、今後色々な変化があるのでしょうね。エンジニア特化については、MLOpsなどのアーキテクチャ部分も担当できたり、一人でPoCを完結できるようなフルスタックエンジニアよりのスキルがあるとより高いバリューを発揮できると思いますね。
本質を捉えた素晴らしい動画だと思いました。
ありがとうございます！！
データサイエンティスト目指しています！
頑張ってください！
とてもわかりやすかったです！
ありがとうございます！
データサイエンス一本足ではなく、リレーショナルデータベースと金融‣ファイナンスの援護があると強いような気がします。（勿論一般的なITスキルは必須でしょうが）さらに言えば、データサイエンティストとして現実社会を分析するにあたって自分なりの切り口を持つ必要があると思います。私の場合は「歴史」がその切り口なのかな、と感じています。結局世界を認識するにあたって先ず自分の立ち位置が無いとその認識が始められないと思いますので。今は孫子を読み返しています。
今回、ビジネスサイエンス学部を受験し合格しました。どのように勉強していけばいいのかアドバイスをお願いします。
おめでとうございます。全員の適した学習方法はありませんが、以下の記事を参考までに見ていただけると助かります。toukei-lab.com/data-scientist
データサイエンティストの卵としてとてもためになります。
そう言っていただけると幸いです！ありがとうございます！！
将来、データサイエンティストになるには新卒ではどのような道を選べば良いのでしょうか？データサイエンティストとしての採用枠とかってあるんですか？
あります！以下の記事で簡単にまとめてます！toukei-lab.com/data-scientist-recruit
@@aiby8596 ありがとうございます！参考にさせていただきます！
@@トレーナー謎の はい！頑張ってください！
今ITコンサルの新卒一年目です。元々文系なのですが、ここから方向転換してビジネス型のデータサイエンティストを目指す場合、具体的に何を学びどういう企業に転職すればいいのでしょうか？？統計とかマーケティングを全般的に学びたいと思い、大学院を目指そうと思うのですがおすすめはありますか？？今のところ目をつけてるのは早稲田のMBAか2023年にできる一橋のデータサイエンス研究科なんですけど、、あと、大学院に行ってもその後のキャリアに大きな違いって生まれるのかな？という疑問があります。
市場規模的にどの程度になるんですかね？知り合いの営業(IT)に聞いても手持ち案件は一つ二つ程度しかないみたいですし…
ありがとうございました！一つ質問なのですが、エンジニア特化型とビジネス特化型のどちらかを目指すことについて。AutoML（扱ったことがないので恐縮ですが）の登場によりビジネス特化型の方が有利となる印象を受けました。AutoMLのように自動でモデリングをしてくれる仕組みが発展していった場合、エンジニア特化型はどのように強みを生かしていくことになるのでしょうか？
コメントありがとうございます。大変鋭いご指摘ありがとうございます。データ分析のフレームにはCRISP-DMというものがあり、toukei-lab.com/crisp-dmBusiness UnderstandingData UnderstandingData PreparationModelingEvaluationDeploymentとなります。AutoMLが現状完璧に担えるのは今のところ、Modelingの部分です。それ以外の部分は人間の手が入ることになります。エンジニアサイドは「Data Understanding、Data Preparation」、そして「Evaluation」に必要です。そしてDeployment（ビジネスへの実装部分）でもビジネスサイドはどう現場に浸透させるか、現場の使いやすい要件などを考える一方でエンジニアサイドのDeploymentでは、Webサービスへのクイックかつシームレスな連携が求められていくと思います。ビジネスサイドは既存企業のドメイン知識を持ったDSが幅広く必要なのに対してエンジニアサイドはかなりの部分がAIで代替できるようになり、少数精鋭だけ残る気もしています。ここの議論には正解はないですし難しいところなのですが、エンジニアサイドに軸足を置くにしてもAIで代替されない価値を見出していかないとですね。
ご多忙中に丁寧なご説明ありがとうございます！エンジニア特化にしろビジネス特化にしろ、AIと上手く付き合って行きお互いを保管し合うことが重要ですね。webサイトの内容、勉強不足でしたので拝見いたします。
松本達也 引き続きよろしくお願いします！
正直、ビジネススキルってどう上げればいいんでしょうか……「プレゼンスキルを上げる」「語学」「その業界に長く携わる」ぐらいしか思いつかないのですが…
やはりその業界に長く携わる、というのが重要かと思っています・・・私自身はWebマーケティング関係なので、その分野であればWebマーケ周りの考え方や施策・フレーム・ツールなどはすべて理解して使えるようになっておく必要があります。あとはDSはコンサルちっくな部分もあるので、コンサルティングのフレームワークや課題設定の考え方なども理解しておいた方がよいかと。とはいえビジネススキルというのは定義が難しく明確にこれをやればよいと断言できない難しい部分です。
毎度、一々勉強になります。ビジネススキルを軸に、世の中にQCを実装するため、世の中と研究者・エンジニアの架け橋を担うのが私の使命です。しばらくは最適化のためにQCを活用していくことになりそうです。最適化するということは、データサイエンティストと近しい視点で世の中を捉える必要があると思います。これからも学ばせていただきます。
コメントありがとうございます。＞世の中にQCを実装するため、世の中と研究者・エンジニアの架け橋を担うのが私の使命です。→こちら本当に素晴らしいです！少しでも動画がお力になれるように精一杯更新頑張ります！
コメントへの返信ありがとうございます。営業は、夢を叶える職業なので、インサイトが大切です。なのでデータサイエンティスト脳が必要になります。営業の仕事は、数字を追い続けることではありません。夢を追い続けることです。数字の達成=営利活動への貢献=営業成績向上=賞与UP、このカラクリから予算は必然的に数字なので、営業=予算(数字)を追いかける(or追われている)という印象が強いですが、営業は、対社内外問わず、夢を叶える人を言います。研究者・エンジニアが人生掛けた“モノ”が誰かの夢が叶うのを手伝いするのが営業です。営業は、さまざまなステークホルダーの夢を一緒に追いかけ、そして叶えちゃうんです。ワクワクしませんか。ソワソワしませんか。ウマたんさんは、私の夢を叶えてくれそうです。感恩報謝様です。
@@44takanabest5 ありがとうございますなるほどー！44takaさんの想いがひしひしと伝わってきました！ワクワクします。少しでもこの動画が44takaの活動の一助になることを祈っております。引き続きよろしくお願いいたします。
ビジネス特化とエンジニア特化の違いのイメージがわきません。何が違うのでしょうか？
ビジネス特化は現場の業務ヒアリングやデータからの仮説洗い出し課題設定などコンサルタントに近い業務に比重があるタイプで、エンジニア特化は前処理やモデル構築に比重があるタイプです。完全に切り分けられるわけではありませんが！
@@aiby8596 なるほどわかりました。データサイエンティストの業務かなり広い領域になりますね。ありがとうございます!
@@もんじゃやき-q9c そうなんですよー！引き続きよろしくお願いします！
【視聴ガイド】
00:52 データサイエンティストの仕事とスキル
01:41 データサイエンティストの将来
03:00 ビジネス特化とエンジニア特化
まだまだ新しい職種なので、今後色々な変化があるのでしょうね。
エンジニア特化については、MLOpsなどのアーキテクチャ部分も担当できたり、一人でPoCを完結できるようなフルスタックエンジニアよりのスキルがあると
より高いバリューを発揮できると思いますね。
本質を捉えた素晴らしい動画だと思いました。
ありがとうございます！！
データサイエンティスト目指しています！
頑張ってください！
とてもわかりやすかったです！
ありがとうございます！
データサイエンス一本足ではなく、リレーショナルデータベースと金融‣ファイナンスの援護があると強いような気がします。（勿論一般的なITスキルは必須でしょうが）
さらに言えば、データサイエンティストとして現実社会を分析するにあたって自分なりの切り口を持つ必要があると思います。私の場合は「歴史」がその切り口なのかな、と感じています。結局世界を認識するにあたって先ず自分の立ち位置が無いとその認識が始められないと思いますので。今は孫子を読み返しています。
今回、ビジネスサイエンス学部を受験し合格しました。
どのように勉強していけばいいのかアドバイスをお願いします。
おめでとうございます。
全員の適した学習方法はありませんが、以下の記事を参考までに見ていただけると助かります。
toukei-lab.com/data-scientist
データサイエンティストの卵としてとてもためになります。
そう言っていただけると幸いです！
ありがとうございます！！
将来、データサイエンティストになるには新卒ではどのような道を選べば良いのでしょうか？データサイエンティストとしての採用枠とかってあるんですか？
あります！以下の記事で簡単にまとめてます！
toukei-lab.com/data-scientist-recruit
@@aiby8596 ありがとうございます！参考にさせていただきます！
@@トレーナー謎の はい！頑張ってください！
今ITコンサルの新卒一年目です。元々文系なのですが、ここから方向転換してビジネス型のデータサイエンティストを目指す場合、具体的に何を学びどういう企業に転職すればいいのでしょうか？？
統計とかマーケティングを全般的に学びたいと思い、大学院を目指そうと思うのですがおすすめはありますか？？
今のところ目をつけてるのは早稲田のMBAか2023年にできる一橋のデータサイエンス研究科なんですけど、、
あと、大学院に行ってもその後のキャリアに大きな違いって生まれるのかな？という疑問があります。
市場規模的にどの程度になるんですかね？
知り合いの営業(IT)に聞いても手持ち案件は一つ二つ程度しかないみたいですし…
ありがとうございました！
一つ質問なのですが、エンジニア特化型とビジネス特化型のどちらかを目指すことについて。
AutoML（扱ったことがないので恐縮ですが）の登場によりビジネス特化型の方が有利となる印象を受けました。AutoMLのように自動でモデリングをしてくれる仕組みが発展していった場合、エンジニア特化型はどのように強みを生かしていくことになるのでしょうか？
コメントありがとうございます。大変鋭いご指摘ありがとうございます。
データ分析のフレームにはCRISP-DMというものがあり、
toukei-lab.com/crisp-dm
Business Understanding
Data Understanding
Data Preparation
Modeling
Evaluation
Deployment
となります。
AutoMLが現状完璧に担えるのは今のところ、Modelingの部分です。
それ以外の部分は人間の手が入ることになります。
エンジニアサイドは「Data Understanding、Data Preparation」、そして「Evaluation」に必要です。
そしてDeployment（ビジネスへの実装部分）でもビジネスサイドはどう現場に浸透させるか、現場の使いやすい要件などを考える一方で
エンジニアサイドのDeploymentでは、Webサービスへのクイックかつシームレスな連携が求められていくと思います。
ビジネスサイドは既存企業のドメイン知識を持ったDSが幅広く必要なのに対して
エンジニアサイドはかなりの部分がAIで代替できるようになり、少数精鋭だけ残る気もしています。
ここの議論には正解はないですし難しいところなのですが、エンジニアサイドに軸足を置くにしてもAIで代替されない価値を見出していかないとですね。
ご多忙中に丁寧なご説明ありがとうございます！
エンジニア特化にしろビジネス特化にしろ、AIと上手く付き合って行きお互いを保管し合うことが重要ですね。
webサイトの内容、勉強不足でしたので拝見いたします。
松本達也 引き続きよろしくお願いします！
正直、ビジネススキルってどう上げればいいんでしょうか……
「プレゼンスキルを上げる」「語学」「その業界に長く携わる」ぐらいしか思いつかないのですが…
やはりその業界に長く携わる、というのが重要かと思っています・・・
私自身はWebマーケティング関係なので、その分野であればWebマーケ周りの考え方や施策・フレーム・ツールなどはすべて理解して使えるようになっておく必要があります。
あとはDSはコンサルちっくな部分もあるので、コンサルティングのフレームワークや課題設定の考え方なども理解しておいた方がよいかと。
とはいえビジネススキルというのは定義が難しく明確にこれをやればよいと断言できない難しい部分です。
毎度、一々勉強になります。
ビジネススキルを軸に、世の中にQCを実装するため、世の中と研究者・エンジニアの架け橋を担うのが私の使命です。
しばらくは最適化のためにQCを活用していくことになりそうです。
最適化するということは、データサイエンティストと近しい視点で世の中を捉える必要があると思います。
これからも学ばせていただきます。
コメントありがとうございます。
＞世の中にQCを実装するため、世の中と研究者・エンジニアの架け橋を担うのが私の使命です。
→こちら本当に素晴らしいです！
少しでも動画がお力になれるように精一杯更新頑張ります！
コメントへの返信ありがとうございます。
営業は、夢を叶える職業なので、インサイトが大切です。なのでデータサイエンティスト脳が必要になります。
営業の仕事は、数字を追い続けることではありません。夢を追い続けることです。
数字の達成=営利活動への貢献=営業成績向上=賞与UP、このカラクリから予算は必然的に数字なので、営業=予算(数字)を追いかける(or追われている)という印象が強いですが、
営業は、対社内外問わず、夢を叶える人を言います。
研究者・エンジニアが人生掛けた“モノ”が誰かの夢が叶うのを手伝いするのが営業です。
営業は、さまざまなステークホルダーの夢を一緒に追いかけ、そして叶えちゃうんです。
ワクワクしませんか。ソワソワしませんか。
ウマたんさんは、私の夢を叶えてくれそうです。
感恩報謝様です。
@@44takanabest5 ありがとうございます
なるほどー！
44takaさんの想いがひしひしと伝わってきました！
ワクワクします。
少しでもこの動画が44takaの活動の一助になることを祈っております。
引き続きよろしくお願いいたします。
ビジネス特化とエンジニア特化の違いのイメージがわきません。何が違うのでしょうか？
ビジネス特化は現場の業務ヒアリングやデータからの仮説洗い出し課題設定などコンサルタントに近い業務に比重があるタイプで、エンジニア特化は前処理やモデル構築に比重があるタイプです。
完全に切り分けられるわけではありませんが！
@@aiby8596 なるほどわかりました。データサイエンティストの業務かなり広い領域になりますね。
ありがとうございます!
@@もんじゃやき-q9c そうなんですよー！引き続きよろしくお願いします！