開催報告:人材育成 & AI/ML 分科会 コラボイベント「AI/ML 分野の人材育成 〜AI/ML学習法」


みなさまこんにちは、人材育成分科会およびAI/ML分科会コラボイベント運営チームです!


2023年9月6日に「AI/ML分野の人材育成 〜AI/ML学習法」をテーマに、「人材育成 × AI/MLコラボイベント」を開催しました。


AI/ML分科会にとってははじめてのコラボイベントです!
Google Cloud認定資格の1つであるProfessional Machine Learning Engineerの勉強法や受験体験記を中心に、前半はパネルディスカッション・後半はLTと盛り沢山な内容となりました。


開催後の満足度アンケートでは、なんと参加者全員が満点の5点を入れてくれました!
では、当日の様子を振り返っていきましょう!


本イベントは堂原と片岩の2人で運営リードをさせていただきました。


(堂原 竜希 / 株式会社G-gen)

目次

  1. パネルディスカッション
    (Datadog Japan合同会社/木村さん、株式会社エヌデーデー/関口さん、株式会社エヌ・ティ・ティ・データ/山時さん、
    株式会社G-gen/武井さん、グーグル・クラウド・ジャパン合同会社/葛木さん)

    1. 自己紹介
    2. Theme1 PMLEを取得して変わったこと
    3. Theme2 AI/ML学習でつまづいたこと
    4. Theme3 PMLE試験学習の注意点
    5. 具体的な勉強方法と学習時間 + Q&A
  2. LT1 「2つの軸が交差した先に」エヌ・ティ・ティ・コミュニケーションズ株式会社/林さん
  3. LT2「ニワトリタマゴ、キニシナイ」株式会社G-gen/藤岡さん
  4. LT3「PMLE 合格体験記」アクセンチュア株式会社/烏山さん
  5. 特別枠 「Gen AI Summitプチ報告会」株式会社unerry/岡安さん、株式会社G-gen/又吉さん
  6. おわりに

 

パネルディスカッション

自己紹介


モデレーター
木村 健人 さん(Datadog Japan)
Google 認定資格全冠!PMLE は G検定で基礎固めをした後に取得


パネリスト
関口 貴生 さん(エヌデーデー)
同じく Google 認定資格全冠!最後に PMLE を取得


山時 浩一郎 さん(NTTデータ)
先般開催された Study Jam (クラウドスキルと認定資格の獲得を目指す Jagu’e’r 主催のイベント) の中でPMLE を取得し、Google 認定資格全冠!


武井 祐介 さん(G-gen)
山時さん同様、Study Jam の中でPMLE を取得し、Google 認定資格全冠!


葛木 美紀 さん(Googler)
上司からの叱咤激励もあって PMLE を取得


( 武井 祐介 / 株式会社 G-gen )

 

Theme1 PMLEを取得して変わったこと


  モデレーター:木村 健人 さん(Datadog Japan)▶︎
◀︎パネリスト:山時 浩一郎 さん(NTTデータ)


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
今回はPMLE(プロフェッショナル・マシーン・ラーニング・エンジニア)の資格にフォーカスしての話になるんですけど
取得するきっかけは、全冠だと思いますが、PMLE取得して、何が変わったのか?
以前と今では?
なんかそれがメインの仕事じゃないんだけども、変わった事って何かあるかな?
と思ってお伺いしたいなと思います。
◀︎◀︎◀︎山時 浩一郎 さん(NTTデータ)
通常業務では、インフラとか、アーキテクトっていう、インフラの全体を主に対象としているんですが
その中でも、昨今だとジェネレーティブAIとか結構話題の中心になってきて
お客様に導入するみたいな話が、結構多いんです
→今日は実はその、Tシャツ着てるんですけど、笑笑笑笑笑、笑
→会場には同じTシャツをきた参加者とアイコンタクトしている(笑笑笑)
専門ではないけれど、基礎的なところを学習(特に用語)して、専門用語とか、理解でしてAI・ML専門エンジニアとも話せるようになってきた。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
最後に取得することに、なったと思いますが、今までの学習とPMLEと異なるもの?ありますか?
◀︎◀︎◀︎山時 浩一郎 さん(NTTデータ)
私自身は、数学の専攻でもなかったので専門的な知識とか無く、基礎的なところから勉強してきました。
G検定も、実は(笑)ちょっと(笑)子供と(笑)あの勉強して(笑)
残念ながら私は受からなかったんですけども(笑)(笑)(笑)(笑)
子どもは受かって、私は受かりませんでした。(笑)
そんなエピソードもありながら、基礎的なところから勉強していきました。
勉強という意味では、非常に巾広くて深い領域の、試験だなあと思いました。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
初学者で、是非最初からやってみたい方は、別の初学者向けの資格を受けてから、資格を受けると、より理解が深まるため、おすすめかなと思います。(笑顔ニコ)

 


  モデレーター:木村 健人 さん(Datadog Japan)▶︎
◀︎パネリスト:葛木 美紀 さん(Googler)


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
葛城さんとかは、お仕事で扱ってらっしゃると思いますが、わざわざ、この資格を取得されたとこの、背景とか、PMLEを取得された前と後で変わったことございますか?
◀︎◀︎◀︎葛木 美紀 さん(Googler)
私は上司に「とれ!!」と….(笑..笑笑)
すみません、いやいや取りました。(笑..笑笑)
googleのクラウド部門に所属している人は、一つか二つ自分の専門分野を「特にとっておいた方がいいよ」と、言われています。
ただ、仕事で特に変わったことはないのですが、だけど職場において、「辱めを受けずに済んだ」
というところです。(笑..笑笑)会場参加者(爆笑)


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
なるほど言うなれば、自分の専門性を示すためにも、データの方とシナジーとどちらとも、捉えているようですか?
◀︎◀︎◀︎葛木 美紀 さん(Googler)
たまたま自分が、普段よく触れている製品サービスが、 その二つだったので選びました。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
特に勉強をせずに受かったんですか?
◀︎◀︎◀︎葛木 美紀 さん(Googler)
いえ、そんなことはありません。
勉強はしました(キッパリと)
やっぱり、非常に幅が広いので普段自分が触ってない製品群っというのが、
特に「コレなんだっけ?」みたいなものをおさらいというのは、しました。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
資格の勉強を通して、体系的に理解するというのは「役に立った」?
◀︎◀︎◀︎葛木 美紀 さん(Googler)
そうですね「あああこんな使い方するんだ!!この製品!!」
みたいな、自分が知らない分野を埋めることができたので、良かったかなと思います。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
ありがとうございます。
専門的に扱う方でも、資格の勉強を通して理解を深めていくところが、勉強の醍醐味の一つかなと思います。

 


  モデレーター:木村 健人 さん(Datadog Japan)▶︎
◀︎パネリスト:関口 貴生 さん(エヌデーデー)


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
関口さんはいかがですか?
◀︎◀︎◀︎関口 貴生 さん(エヌデーデー)
はい私も元々、門外漢で、理系でなく、文系だったりします。
PMLE資格の勉強、取得のきっかけは、確かに「全冠取得からっ!!」に、違いないですね。
機械学習については、Google Cloudに関わる前から興味があって勉強はしています。
「勉強の記憶」を、忘れないうちに「ちょっと、もう1回勉強してみるか!!」って
勉強し直したのがきっかけです。
実際どんなことが変わったか?って言うところですね、大きくは変わっていないんです。
だけれども、私の社内のポジションとして「R&D」、どちらかと言うと組織横断的な立場になっています。社内では、機械学習だったりAIを専門にやろうと進めていますし、すでにAIを始めている、メンバーやチームがいたりします。
その業務の中で、彼らがやろうとしているところ=「他部門とどうやって連携すればいいのかな?」を理解し少し深く分かるようになりました。
そして立場上なんですが、彼ら(AIチーム)に対して提案とかができるように、なりつつあります。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
今まで(取得前)だったら、理解できていなかったら、(AIチームには、)「関わろうと思えなかった」
ところに対してまだ実際にはないんですけど、今後「関われるかな」って言うレベルになっている?
◀︎◀︎◀︎関口 貴生 さん(エヌデーデー)
そうですねそうですね(同意)

 


  モデレーター:木村 健人 さん(Datadog Japan)▶︎
◀︎パネリスト:武井 祐介 さん(G-gen)


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
武井さんも、最後に取得されたと思いますが、取得された、経緯については?多分「全冠」かな?
短いスパンで取得されたと聞いたんですけれど、最後にPMLEを最後に残したこと、難しかったところ,
取得された後にどの位知識がついたのか?変わったのか?お話いただけますか?
◀︎◀︎◀︎武井 祐介 さん(G-gen)
そうですね、この試験に関しては、他のどの試験よりも、十二分に準備して望みました。
前職は、他のクラウドサービスですとか、オンプレミスサーバ関連の業務をやっていました。
(勉強に関していえば、)例えばネットワークエンジニアとか、インフラの知識ですとか、あと興味関心ごとであるIaC(Infrastructure as Code)ですとか、セキュリティとか、クラウド統制とか、そういったところは、自分の興味関心がある(内容に関しては)積極的に、「パパパパっと取っていきました」。
(しかしながら「PMLE」)これは、どうしても最後に残さざる得ないので、通常の試験と比べて苦労はしました。
そもそも数学もあまり好きではないですし、AI/MLの分野に関しても、本当の初学者なので、基礎知識専門用語アルゴリズムといったところを、自分で「本当にキャッチアップできていけるのかな?」っていう不安の中で進めていっていうところです。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
これをきっかけに勉強されて、知識を身につけて、合格されたわけじゃないですか?
そこで合格する前と後では、変わりましたか?
◀︎◀︎◀︎武井 祐介 さん(G-gen)
業務でそう言ったジャンルの仕事ですとか、まだないんですが自分の中での興味関心が、以前と比べてAI/MLに向くようになりました。例えば、先日の「Generative AI Summit」ですとか、「Next」でアップデートがありました。以前と比べても面白く、自分の中で、情報収集できてると実感しています。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
そういった意識の違いっていうのは、資格を取る前と取ったとでは、やはり違うなっていうところは、感じています。最近で言うとジェネレーティブAIとかは、特に去年からフォーカスされているようなテクノロジーで、その辺の話に、置いてけぼりにならずに、ついていけるというのも、初学者から初めてお勉強したところがよかったところです。
最近のGoogle Cloudで言うと、アップデートの目玉はジェネレーティブAIになってきて、AIというのは?、(案件の話題で)中でこれが何なのか?これと似たようなこと、やりたいんだけどという時になって、みなさんともお話できるようになり、取得して変わったところなのかと思います。


(乾 栄一郎 / 合同会社サットワン)

 

Theme2 AI/ML学習でつまづいたこと


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
躓いたところなどあれば教えてください
◀︎◀︎◀︎関口 貴生 さん(エヌデーデー)
専門用語がすごく多くて、それを正しく理解しないといけないのが難しいです。あとは英語が難しい(笑)。
あと、皆さんがあまり言わないだろうなとおもうもので、true/false、positive/negativeみたいな四象限がでてくるんですけど、本やサイトによって四象限がバラバラなんですね(笑)。グラフィカルに覚えようと思うと混乱して躓いてしまうのに苦労しました。

 


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
武井さんはいかがですか?
◀︎◀︎◀︎武井 祐介 さん(G-gen)
専門知識やアルゴリズムの理解がなかったので、初学者の人間がそういったものを理解していくというのが大変でした。勉強進めていく中でどんどん忘れていって(笑)。意地と根性で乗り切っていきました。
木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
初学者の人にとって機械学習の知識と、それをGoogle Cloudでどう使っていくかという両方の知識が問われるわけですが、そのどちらも辛いと思うのですが。その中でも基礎知識の部分の理解のほうが難しかったということでしょうか?
◀︎◀︎◀︎武井 祐介 さん(G-gen)
そうですね。基礎知識のほうが難しかったですね。時間をかけていくことで、それ(基礎知識)がGoogle Cloudでどうやって使うかということが徐々にわかってきた感じです。

 


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
このまま続けて葛木さんにもお話を伺いたいのですが。
◀︎◀︎◀︎葛木 美紀 さん(Googler)
機械学習そのものを知らないと答えられない質問があるので、そこを勉強するのにGoogleが用意している機械学習初学者向けの基本的なコンテンツがあるのでそこを是非みていただきたいなと思いました(※)。
問題文が非常に紛らわしいものが多くて「その文章はおかしくないかな」とイラッとすることもありました(笑)


Googleの機械学習教育。また、Courseraのこちらのコースも利用して勉強されたそうです。

 


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
最後になりましたが、山時さんいかがでしょうか?
◀︎◀︎◀︎山時 浩一郎 さん(NTTデータ)
英語だけしかリリースされていない試験なので、日本語で覚えた知識が頭のなかで英語に一致するのが難しくて2倍以上の勉強の労力がかかった気がします。最初はちょっと呆然としてしまいます。
木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
英語の試験だからといってためらわずに、是非みなさんにもチャレンジしていって欲しいですね。


(秀島 裕介 / ギリア株式会社 )

 

Theme3 PMLE試験学習の注意点


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
今のAI/MLの状況と試験は、どういう関係で考えれば良いのか、お伺いさせていただけますか。
葛木さん、知識を業務に活かすとしたときにどういったギャップがあるのか、お話をいただけますか。


◀︎◀︎◀︎葛木 美紀 さん(Googler)
Google Cloudの試験て、更新されていないと少し古い内容も含んでしまうのですよね。
業務でこれ試験と違うよ(笑)ってことが多分あると思うので、
正直、試験を受けた(合格した)からなんか即実践で使えるかっていうと、そうでない部分もあります。
試験だけを盲信しない方がいいのかなって個人的には反省したことはあります。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
その試験の内容自体もある時点では正しくて、製品のアップデートやいろいろな変化によって変わっていったところもあると思うんですね。
その辺りを勉強することの良さって感じられたりしますか?


◀︎◀︎◀︎葛木 美紀 さん(Googler)
さっきの話題(Theme2)にあった機械学習の基本の所って、どんなに新しい製品が出ても変わらないので、そこを勉強する価値は少なくともあると思います。

 


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
今、流行ってる用語として、ジェネレーティブAIとかLLM(Large Language Models)とかあると思うんですが、結局その裏側が何かと言ったら、同じ機械学習の技術を使っていて、その元がわからないと、小手先のところだけ理解しても意味がないかなと。
そういった観点でもこのProfessional Machine Learning Engineerを取得することを目指されると、今後に繋がっていくんじゃないかと思います。


今のお話も踏まえて、山時さんは英語のところが難しかったという注意点もありました。
他にはありますか?


◀︎◀︎◀︎山時 浩一郎 さん(NTTデータ)
Googleクラウドのどの試験でも同じだと思うんですけど、ある段階のもの、ある製品、あるバージョンの製品を対象にしているので、今一番活気のあるエリアだと、どうしてもどんどん(内容が)古くなってしまうんです。
逆にそのベストプラクティスみたいなところは、過去こうやってこういう製品が出たからベストプラクティスが変わっていったみたいな学び方もできる。


だからスキルブーストとか実際の製品を触ると新しい機能が出てて、なんで違うんだろうなみたいに考えると、「実はこういう経緯でもう製品がアップデートされてるんだな」と、そこまでいけると、実は試験も前向きに捉えられる学習ができると思いました。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
試験の答えも問題に対して答えが一つだって覚え方ではなくて、なんでこうなるんだろうということを踏まえた上で答えに行き着く。
ベストプラクティスという言葉があんまり良くないみたいによく見かけるんですけど、
「One of the best practice」
それがその時にベストだと言われていたけども、それってこういう背景だった、こういう製品だからっていうところが、古い(内容の)試験も見てることで考えられるようになるのかなと。その先まで行けると良いのかなと。

 


出尽くした感がありますが、このあといかがですか?


◀︎◀︎◀︎武井 祐介 さん(G-gen)
ちょっと違った観点から入って、
初学者っていうところがあって、この試験に関して言えば、一人で完遂することは無理だろうなと早々に判断しました。
今ここにいる堂原ですとか、又吉といった有識者が幸い弊社にはいました。そういった有識者の協力を仰ぎ、社内勉強会という形で有志を募って勉強会を開き、少しずつキャッチアップしていきました。
また、社内に閉じるのももったいないというところもあり、同じグループ内の会社でも有志を募りました。
私と同じような境遇の方っていらっしゃると思うので、
他の人を巻き込んで一緒にやっていくことが、このPML(Professional Machine Learning Engineer)に関してはすごく有効なんじゃないかなと感じています。
この話は、おそらくこの後のLT(G-gen藤岡さん)で少ししてくれると思ってます。


今回、幸い私の場合は社内にそういった有識者がいたっていうところが結果としてありましたが、社内にそういった方がいない場合であれば、例えばこの分科会のイベントなどに参加して、自分一人ではキャッチアップできないようなところをみんなで補完するという観点で進めると良いのかなと思います。
そういったところを注意点というかアドバイスとしてコメント出来ればというところで。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
AI/ML分科会とか人材育成分科会で「初めてだよ」とか、「わかんないよ」って方が、一緒に学んでいけるようなコミュニティがあります。
ぜひそういうところに積極的に参加いただいて、そのコミュニティのメインのイベントじゃなくても、そのコミュニティに参加されている方に話してみましょう。
「これどういうふうにやりましたか」とか、「一緒に勉強しませんか」とか、「教えてくれませんか」みたいなところで繋がれるのもコミュニティの醍醐味だなと思い、ぜひそういった形でもコミュニティを活用いただければと思います。
ありがとうございます。

 


色々とお話がありましたが…


◀︎◀︎◀︎関口 貴生 さん(エヌデーデー)
だいぶ出尽くした(笑)、あればというところで言うとですね、
Nextの前に試験を受かっておいて良かったなーって思っています。
今回のNextに行った時にやっぱりAI/MLってやっぱりメインになっていました。
多分、MLE(Machine Learning Engineer)を取らないで言ったら、「何がすごいねんっ」てなってた可能性があるなと思っています。その中身をセッションとかで「こういう風になってんだよ」みたいな説明をされるんですけど、多分理解ができなかった。
けれど、受かるための勉強をしたことで「中身はこうなってんのねっ」ていうのが、ちょっと推測できました。
それこそ、(AI Platformを)Virtex AIにもう全部統合するみたいな動きになった時に、「AIプラットフォームがなんでそっち(Virtex AI)になんねんっ」ていうところは、「確かにちょっと面倒くさかったかもしれないなっ」という理解ができるようになった。
こういったところは、私個人的には自分のアップデートになってたなと思うんですよね。


MLEの試験自体のバージョンは、まだv1だと思いますが、そんなに年数的にも経っていないけれど、もう多分すぐバージョンを改めないと、全然乖離して…(笑)
MLEの試験って、先ほどから皆さんおっしゃられている通り、機械学習の本当に基礎、プロフェッショナルってついてるんですけど、「機械学習をちゃんと学んできたよねっ」ていうことが問われるんですよ。
製品の問題もあるんですけれども、どっちかっていうと比重は「MLの勉強してきたよね?あなた達」ていうのは、とても問われると思っています。
そこは(今後も)変わらないにしても、製品の部分はバージョンアップをバンバンしていくのだろうっていう推測をしています。


木村 健人 さん(Datadog Japan)▶︎▶︎▶︎
注意点のお話で繋げると、
このMLEを勉強すれば、今のAIとか全部わかるってわけで全くなくて、その基礎的なところがわかって、その基礎的な使い方がわかる、という話でした。
今のNextの話につなげると、Next最新のお話だと、ユーズAIとかビルドAIでVirtex AIとか、あとAIのエコシステム云々がメインであったかなと思うんですけど、「そのあたりの基礎的なところがどうなってますかっ」ていうのをまず試験で押さえた上で、最新のアップデートをそれぞれで追っていく、それが結局は今のそれぞれの出てきてる技術を理解するために必要なことかなと思っています。
注意点とすれば、このProfessional Machine Learning Engineerですね、これを取得したら自分がプロフェッショナルのエンジニアになるわけではなく、
「そこの入り口に立ったんだよ」というのがこの試験の言ってることかなと、役割かな、
というのが今回のお話からわかったんじゃないかなと思います。


(関谷 友明 / 株式会社電算システム)

 

具体的な勉強方法と学習時間 + Q&A


試験にかけた時間自体ははっきりしない。試験勉強と並行してStudy Jamをやっていた。全文検索のシステムを作っていたことから「なんでこれで検索できるのだろう?」と個人的に機械学習の勉強をしていた。それがベースとなった。結果として少しは下駄を履いた状態になっていたのではないか。オライリーの「Pythonではじめる機械学習」を読むとわかりやすいのではないか。また、今は初学者向けのサイトもたくさんあり、そこでわかりやすく解説されているので、まずはそういったところで学習するのも良いと思う。単純に数学的に覚えようとすると嫌いになりやすいのではないか。(関口)


参考:Study Jamについて
(関口さんはStudy Jamでとても頑張っておられました)

——————————————–


試験のためだけに勉強したというのではなく、興味があり吸収し続けていたところに試験勉強を追加でして、しっかりと準備をして臨まれたということですね。

——————————————–


葛木さんもおっしゃっていたGoogleの機械学習のコンテンツ がとても良かった。ボリュームがあるがその通りにやっていけば学べる。Google Cloud Skills Boost に各試験勉強のパスが網羅されている。何も資料などがない中、この2つを主軸にすることで手も動かしながら学べ、理解できた。(山時)

——————————————–


Googleのコンテンツがしっかりしているのでそれに乗っかれば良いということですね。

——————————————–


期間自体は結構長い。1月、2月あたりから準備をしはじめた。バックグラウンドも知識もなかった。集中力の問題もあり1日にかけれる時間もあまり多くはない。それらの理由から1日1~2時間を目途に早めに着手した。最初は本を読んだりGoogleのサイトで情報をピックアップしたりした。残り1~2か月のところで、具体的な試験勉強をした。社内で勉強会を開催していただき学習をスピードアップしたりした。半年くらいかけたと思う。Professional Cloud Architectはバックグラウンドがあったので比較的スムーズにとれた。AI/MLの基礎知識をつけるところからだったので長かった。(武井)

——————————————–


一か月以上みっちり勉強して取得した。関口さんがおっしゃっていたベースとなるなんらかの知識や経験があったらそれを足がかりに少しずつ勉強範囲を広げるというのがとても良いと思う。ゼロから受けた方もいると聞いて驚いた。皆さん凄いなと思った。(葛木)

——————————————–


ある程度AI/MLに慣れている人でも1か月はかかったということですね。


Q&Aは特にありませんでした。Google Cloud Nextの直後だったのでサンフランシスコの話題で少し盛り上がりました。


(吉川 洋太郎 / TD SYNNEX株式会社)

 

LT1 「2つの軸が交差した先に」エヌ・ティ・ティ・コミュニケーションズ株式会社/林さん


トップバッターは林さんです!
「2つの軸が交差した先に」とのタイトル、どのようなお話が聞けるのでしょうか(ワクワク)


自己紹介はコチラ!
現在はノーコード分析ツール「Node-AI」の開発をされており、
普段はフロントエンドエンジニアとして活躍されながら、Google Cloudも扱っているとのことです。


Jagu’e’rでは人材育成育成分科会の運営をされていますが、LTは今回が初登壇!


林さんは現在、PMLEの取得を目指しています。
その動機には、『Google Cloud 全資格を取得したい』という目標と、
従事しているプロダクトがAI/ML関連』だという2軸があるとのことで、
それぞれについて詳しくお話し頂きました。


まずは1つ目『Googleクラウド全資格を取得したい』という目標についてです。
林さんはエンジニアとして6年目を迎え、「他でも戦っていけるような確固たる技術軸」を持ちたいとの思いがあり、その中でもGoogle Cloudは技術的に好きとのことで突き詰めていきたいという思いがあるそうです!


「他でも戦っていけるような確固たる技術軸」私も5年目に入るため、とても共感できる部分だと感じました。


林さん、定期的に理想の姿を考えているとのことで、その中の1つとして「Google Cloud のインフルエンサーになりたい」というものがあるそうです。
この ”インフルエンサー” というのも、単にSNSで有名になるということではなく、「Google Cloud で影響を与える人」になりたいという意味とのことです。
自分のチームや会社へGoogle Cloudを通して良い影響を与えるような自分になりたいということで、素晴らしい姿だと思いました!


定期的に目標を見直しながら、理想の自分をしっかりと持っている姿、尊敬しまくりです!


「Google Cloud のインフルエンサー」までの1つのステップとして、Top Engineerも目指されているとのことです!


あくまでも「確固たる技術軸」を目指し、特定の資格や称号は目標ではなく、Top Engineerへの挑戦を通じての成長を重視しているとのこと。これにより、Google Cloud技術を技術軸に定着させることを目標としているそうです。


資格やTop Engineerが目標ではなく過程として、根底にある「目標」へ突き進んで行くことで資格学習や努力がより価値的になりますね。


参考:Google Cloud Partner Top Engineer


Jagu’e’rにはStudy Jamをきっかけに昨年10月に参加されました。
当時はGoogle Cloud Professional資格を4つほど持っており、前職の社内ではトップランカーの一人で、ウキウキしながらStudy Jamに参加したそうです。
しかし、その懇親会で資格全冠している堂原さんやTop Engineerに選ばれている方々に出会い、鼻っ柱を折られてしまったようです。


その出会いからTop Engineerへの動機が得られて、それを目指す上でのGoogle Cloud の全冠取得への強いモチベーションになったとのことです。


参考:Study Jamについて


全冠まで残すところ「Professional Google Workspace Administrator」「Professional Machine Learning Engineer」の2つとのこと!
(本イベント後に「Cloud Digital Leader」を取得されたそうです!)


少し前の林さんは、Google WorkspaceとPMLEについてはGoogle Cloudとは別の世界と感じていたこともあり、二の足を踏んでしまっていたようです。


しかし今は、様々なJagu’e’rの活動に積極的に関わり、自らメンバーに刺激を受けに行き、モチベーションを高めているそうです。
どっぷりJagu’e’rを使っている」ということで、私も見習うべき姿勢だと感じました。
資格合格の報告が待ち遠しいですね!


2つ目の軸、『従事しているプロダクトがAI/ML関連』についてです。


7月初頭に新しい職場に移動され、”Node-AI”というノーコード分析ツールに携わり始めたそうです。そのため、AIMの基本知識をしっかりと身に着けることが必須とのこと。


新しい職場での素晴らしい機会をタイミング良く手に入れているのはすごいですね。


Node-AIに関してのデモを交えた紹介をしていただきました。

  • 簡単・直感的に予測・異常検知モデル作成
  • カード形式でのデータソース・処理の結線、可視化機能付き
  • 時系列データ特化、多様な分析課題に対応
  • 誰でも作れる理解可能な分析フローが売り

 



参考:Node-AI
https://nodeai.io


Node-AIを開発していくにあたって、バックエンドで動いている高度なAI/MLについての知識も必要になるとのことで、
体系的に学べる題材を探索していたところ、、、


まとめになります。
1つ目の『Googleクラウド全資格を取得したい』という軸では、特に「確固たる技術軸」を築くことを重視しており、Google Cloudのインフルエンサーになりたいという理想の姿について紹介頂きました。
2つ目の軸『従事しているプロダクトがAI/ML関連』では、「Node-AI」において必要なAI/MLの深い知識を身につけるためということで、PMLEの取得を目指すことを決意されています。
まさに本日の「人材育成」×「AI/ML」イベントにピッタリな内容で「2つの軸が交差した先に」とのタイトルをきれいに回収して頂きました!!


初登壇というところで足の震えが止まらないと言われていましたが、そんなことを感じさせない発表でした。
私も「自分の軸は何だろう」と改めて考えるきっかけとなりましたし、仕事やJagu’e’rに対する姿勢も参考になりました!


素晴らしい発表本当にありがとうございました!


(河窪 伸弥 / 株式会社電算システム)

 

LT2「ニワトリタマゴ、キニシナイ」株式会社G-gen/藤岡さん


LT2本目は、私が心の中で激推ししている藤岡さんです!!
実は、昨年のStudy Jamの結果発表で第2位を獲得されて、その時のLTで初めてお会いして、
その時のお話もとっても素敵だなと思って、ブログを担当させていただいたのですが、
今回もしつこく推していきます!


まずは冒頭このタイトル。。。
????しかありませんが、後で伏線回収してくださるそうなので、おいておきましょう。


まずは自己紹介です。
ワイガヤスラックではL〇キと盛り上がっていましたが、過去の経歴もさることながら、
いつの間にか全冠されていることに驚きです!!!
うぉぉお!おめでとうございます!


推しても推しても推し足りない。
そして今回の話題は、PMLEの勉強会についてです。
勉強会についての詳しい記事はこちら
https://www.wantedly.com/companies/company_5610874/post_articles/518694


まずは、PMLEとりたいけど、わからない、社内で詳しい人いるじゃん!
ということで、勉強会を開催する流れになったそう。


正直、うらやましい環境すぎる。


最初は、詳しい方が講師で教えるスタイル。
あ、この写真は我らが人材育成分科会の堂原さん!さすがの活躍ですね。
ですが、どんなに凄い方が講師をされていたとしても、
受け身スタイルだとどうも身につかないようです。


そうですよね、オンラインだと内職もはかどりますよね。


そこで、なんと、みんなが講師スタイルに変更!!
これは画期的!勉強しないと教えられないですし、
教えると身につきますよね。


勉強って自分ごとなんですよ!!!
私も社内で勉強会を開催しているので、凄く共感します。
口開けてぴよぴよ待っている人に対して、(毒舌)
(自分で学びに行こうよ!!う~ん、それでも参加しようという意気込みだけでも・・・)という葛藤がいつもあるのですが、
自分ごとにする仕掛けを増やす良い手だと思いました。


今後の勉強会を開催するにあたってとても参考になる3か条です。
特に終わりを決める、は大事ですね。


さらに、「ちゃんと理解できてないのに資格取るの?」これ、グサッときます。
何のために資格とるの?というのは、他人からも聞かれるし、自分でも思ってしまうことがあります。


藤岡さんの考えは、「資格の勉強の中で学んでいけばいいんじゃないかなって」
これって、資格をとる前にこんな考えで勉強している、ではなく、
とった後に自分の身になっていることを感じているから言えるセリフなんじゃないかな、と思いました。


何はともあれ、勉強会に参加したメンバーの5人のうち3人が合格!おめでとうございます!


そして、今この記事を読んでいるであろう、大半の方が非常にお世話になっている、
あのブログのPMLE版がリリースされたとのお知らせです!これはうれしい限りです。
https://blog.g-gen.co.jp/entry/professional-machine-learning-engineer
みんなG-genさんに続け~


というわけで、最後のしめはこちら。
しっかり伏線回収していきます。


今回も、とても魅力的な発表でした。
藤岡さんの凄く大好きなところは、
これを見ている人が受験のきっかけにしてくれたらいいとか、
勉強会の参考にしてくれたらいいとか、
ものすごく陰で努力した自分を紹介するよりも、
未来の人たちのために自分ができることをしようという姿がみえることです。


もちろん勉強会は自分のためにも開催していると思いますが、
参加したメンバーたちが一生懸命取り組んで、多くの合格者を出したり、
良い会にするために工夫を重ねていることなど、
みんなが幸せになるために巻き込んでいく力が並外れていると感じます。


私も、勉強会がんばろーーっと!


(藤本 祥惠 / 株式会社すかいらーくレストランツ)

 

LT3「PMLE 合格体験記」アクセンチュア株式会社/烏山さん


LT3本目は、挨拶するときアクセンチュアと心の中で言いながら話すようにされているというアクセンチュアの烏山さんです。
合格体験記について「最初のパネルディスカッションでネタ出尽くしたんじゃないかと思った」とのことですが、そんなことはない素晴らしいLTです。


一度も切らさずに認定資格を全認定されているという素晴らしい経歴です。
Nextに参加されたときの笑顔も素敵です。


2020年にPMLEがリリースされてから、2021年6月4日に認定され、IDが3桁!日本人だったら1桁台ではないかというスピード認定です。
2023年4月30日に再認定されておりますが、前回より難しくなっていないかとのことです。


その上で、ベータ版試験がまもなく開始されるので、難易度がどうなるのか戦々恐々です。
烏山さんは残念ながら(?)再認定されたてで2年後まで受けれないので他の方の感想をこっそり教えて欲しいそうです。


2018年11月にはPCAを取られており、まずは日本語資格制覇されたものの、バウチャーもらったのでと英語試験にチャレンジし始めたところ地獄が始まったそうです。
地獄とのことですが、全冠認定を切らしていないのは凄すぎます。
PMLEの初認定のときは実質3か月MLの勉強ばかりされていたとのことで、ML学習の大切さがわかります。


初認定のときは全冠のために勉強されていますが、再認定時は「AI/ML触ってみて面白い、時代はAI/MLエンジニアだ」と感じられ、継続的にMLの勉強をしてきたいとのことです。


勉強時間の確保の仕方がとても参考になります。
2年前は子供と一緒に勉強されていたというのも微笑ましいです。


大事なのは「やらない日はルールで決める。気分で決めない」とのことです。
素晴らしいルールです、見習わないと!!


AI/MLの知識はパネルディスカッションでも出ていますが、Google for Developersの機械学習コースでやるのがいいとのことです。
https://developers.google.com/machine-learning?hl=ja
「日本語で学習した後、英語で見直すのも大事!」とのことです。


烏山さんは、二刀流エンジニアにも登壇されています。
Google Cloud でクラウド二刀流エンジニアを目指すための「早わかり集中技術講座」 第2回
https://cloudonair.withgoogle.com/events/jump-start-23
過去のアーカイブも見ることができますので、必見です!


(古林 信吾 / CTCシステムマネジメント株式会社)

 

特別枠 「Gen AI Summitプチ報告会」株式会社unerry/岡安さん、株式会社G-gen/又吉さん


本イベントを締めくくる最後のコンテンツとして、unerry 岡安(Mario)さんと G-gen 又吉(またゆー)さんより、2023年8月22日に開催された Generative AI Summit のプチ報告会が行われました!


Generative AI Summit は Google Cloud 主催のイベントで、1日を通してセッション・ハンズオン・ライトニングトークが実施され、今話題の Generative AI について触れて詳しくなれる良い機会でした。


今回のプチ報告会では、実際に現地でご登壇・参加されたお二方より、気になったセッションについてのまとめを発表いただきました!
まとめの内容は、お二人が独断と偏見で選ばれた Generative AI と Google Cloud を取り巻く2つのトピックと、お二人がお話しされた2つの LT の概要についてでした。内容が気になった方は是非アーカイブをご覧ください。

 

生成 AI を業務で使う際のセキュリティ


1つ目のトピックは Summit のパネルディスカッションでお話しがあった、生成 AI を業務で利用する際の注意点についてのまとめです。
業務で使うには PaLM API を利用すべし、とのことでした!Bard は入力したテキスト情報が学習に使われる懸念があるため、セキュリティ担保・データガバナンスの観点では PaLM API を利用した方が良いというお話しでした。加えて、PaLM API を利用する際も DLP(Data Loss Prevention) API を利用して、データガバナンスを効かせることが有効です。
さらに、生成 AI は間違った回答をしてしまう「ハルシネーション」を考慮する必要があります。指定した情報源からの回答を生成する「グラウンディング」などの手法を用いて、情報の信頼性の担保が重要であるというお話しでした。


今後業務で生成 AI を活用する際にも、生成 AI の特色を理解しデータガバナンスを考慮する重要性についても考えることができる良いまとめでした!

 

Duet AI for Google Workspace


Duet AI for Google Workspace は GWS を利用する全ての方に影響がある重要な機能です。
Help me write で最適な文章の作成を効率化したり、Duet AI for AppSheet で Chat ベースで非(市民)エンジニアでもアプリケーション開発が行え、Video Summaries は Google Meet での会議の文字起こしと要約ができます。


どの機能も簡単に利用できますし、是非試して業務を効率化していきたいと思える内容でした!

 

LT1:リアルの行動嗜好性に基づいたパーソナル コンシェルジュ ボット


unerry では位置情報データを持っており、ユーザーコミュニケーションの活発化を行なっているとのことです。
リアルタイムでダイナミックなコミュニケーションをするために、今までは複雑な機能開発が必要でした。
ですが、今回の例ではあるユーザーがお店選びをしたいといった状況でデータの嗜好性やお店の状況に PaLM 2 を利用することで、最適な推奨メッセージを生成するということが実現できたといった内容でした。


ユーザーが意識していない嗜好性や重視している点を、生成 AI が学習してくれることで簡単に好みのお店を見つけてくれるなんて…早く体験してみたいなと思えるサービスですね…

 

LT2:BigQuery ML で Vertex AI の基盤モデル PaLM 2 を呼び出して感情分析してみた


BigQuery MLの Vertex AI を呼び出せる新機能を試してみた、といった内容です。これに、Next’23 でプレビューで追加された新しい基盤モデルを利用されたようです!
やってみて気づいたこととして、BigQuery は大量のレコードを扱えるのが特徴ですが、外部の API を利用する際はその制限にも注意する必要があるとのことです。大量のレコードがある際は注意が必要ですね。


このように、Next’23 で発表された新機能を実際に試されることによっていろいろな発見がありますよね!


(木村 健人 / Datadog Japan 合同会社)

 

おわりに


改めて、今回は「AI/ML分野の人材育成 〜AI/ML学習法」というテーマのもと、Professional Machine Learning Engineerの価値や難しさ、学習方法など様々なお話をいただきました!

  • 全冠取得のため
  • 業務でAI/MLを用いるため
  • Generative AIの流れに乗るため


などなど、モチベーションは様々あるかとは思いますが、今回のイベントをきっかけに少しでも挑戦してみよう!となっていただけたら幸いです!


今後も人材育成分科会・AI/ML分科会共にイベントが盛り沢山なので、ぜひご期待ください!


最後は恒例のJagu’e’rポーズでの記念撮影です。

(堂原 竜希 / 株式会社G-gen)

最新ポスト