00:03
今回は、40分間このぐらいの箱について、資格い箱の話をしていきたいと思います。
資格でも、データサイエンティストが取得できる資格、検定の話。
Certificationですね、やっていきたいと思います。
ちなみに、僕はアンチ資格取得派なので、一切のデータサイエンスの取得は持っておりませんが、
そんな俺から見ても、まあ取得するのありだな、資格って、ちょっと思わされた収録だったかな。
そう伝わってくれれば嬉しいなと思って喋ったので、ぜひ僕の資格取得話を聞いてくれればと思います。
そんな感じで、データサイエンスの資格とか、あとはデータサイエンティストはどんな感じで勉強してるのかみたいな、
そんなところ収録でお届けしておりますので、ぜひ最後までお付き合いください。
隣のデータ分析屋さん、この番組は隣の席に知らないことを気軽に聞けるデータ分析屋さんがいたらいいなぁ
を叶えるポッドキャストチャンネルです。 データアナリストのリョッチです。データサイエンティストのたっちゃんです。
リョッチリョッチ、リョッチって前職がデータサイエンティストだったじゃないですか、それなんか証明できますか?
いじわるのに質問してくるじゃん。職歴査証とかそういう話? そう、データサイエンティストは自分で名乗ってるだけじゃなくないですか。
確かにね。 そうでしょ。 なんかだんだん恥ずかしくなってきたけど、もう恥ずかしいわ。
やめようか今日の収録。 いやいや、自分もデータサイエンティストっていう風に言ってるけど、
本当どうやったらそれ証明できるのかなと思って あの医者とか弁護士だったら
言えるじゃん。だって医師免許あるし。 確かに。 弁護士も免許あるし、国家資格だから。データサイエンティストないんだよね。
博士、博士、博士。 それはさ、物理学の博士号を持ってるってことでしょ? すごいんだから。
そうなんだよ。だからデータサイエンティストってどうやったら名乗れんのかなみたいなところ? うん。
確かにね。 ちょっと気になるでしょ。 辞書って言われたら辞書だね。 そうなんだよ。 辞書データサイエンティスト。まあそうなるなる。
の29歳。 男性。 でもちゃんと職としてはあるじゃないですか、データサイエンティストっていう職種。
アメリカとかあったら、だって今、弁護士と並ぶぐらいの高級取りっていう。 マジ? そう、1200万ぐらい。だいたいさっき調べたら。
アメリカ行こうかな。 いや、まあね。 っていうちゃんと職種としてはデータサイエンティストあるから、名乗るためのなんか資格とかあるのかなみたいな話。
03:00
今日はデータサイエンティストのその資格に関する話をしていこうかなと思います。 ありません。はい。
今日の話は以上になります。 いや、そうでしょ。でも気になるでしょ。もしかしたらあるかもしれないから。
ちなみに俺は何も持ってないわ。 資格? データ分析に関するもの。 資格は何も持ってない。
自分はね、持ってるんですよ。 この話題を持ってきたってことはそうなんでしょうね。 そうそうそう。なんで今日この話をしたいかっていうと、ちょうど先週ぐらいかな
に機械学習関連の資格を取って、AWSっていう会社が出しているマシンラーニングスペシャリストっていう
Amazon Web Serviceですね。 資格があって、それを取って会社に申請して、ちょっと奨励金ももらって。
資格取っただけで? そうそうそう。 官権2級みたいなことでしょ? あ、まあそういうことだね。 官権2級取ったらお金くれんの? そう。いや、官権2級取ったらお金くれないよ。
だって日本の会社だから。 でもデータサイエンスに関する資格を取ると、会社がちゃんとその
おめでとうってところで、奨励をいただけて。 あ、でも前の会社確かにあったな、それ。
あるでしょ? どこもあんのかな? 最近は多いんじゃないですかね。そんなに資格って取って欲しいもん。
会社としては資格の勉強とかで得られる知識とか、そこに価値を見出してるのかなと思うんだけど。
なんだけど、今質問してくれたように、これ取ったはいいけど、何の意味あんだろうなみたいな。 ちなみに先にちょっと俺の意見を言っとくと、俺は割とアンチ資格派なのよ。
あー、資格を別に持ってても持ってないのにどうでもよくねっていうこと?
ある程度のその、わかるよ、そのAWSとかの中にもめちゃめちゃすごい資格があって、たぶんなんかレベルさ、すごいあるじゃん。
レベルとか分野が何個もあって、一番上は本当にトイック990点みたいな、そういうレベルでしょ?
でもそうだよ、AWSのマシンラーニングの資格は、その分野、特別な分野の中の一番上の資格だから、それを取ったの?それを取ったの。
自慢しに来たの?今日は。 今日は自慢しに来た。 やられたわー。
資格の話したいっていう頃、なんかディベートできるのかと思った。 自慢しに来た。 自慢の回なんですか、今日。
だから、ただ取ったはいいけど、何の意味あんだろう、この資格って思っちゃって、これでデータサイエンティストで名乗れるのかな?みたいなことを考えたから、
じゃあ何を持ってたら名乗れるんだろう?みたいなところから今日この話したいなと思って。 確かにね。ここまでで結構さ、
じゃあフワッとした話をしちゃってたわけだ。 第1話でデータサイエンティストとデータアナリストの違いとかってやったけど、
06:01
そもそもどっちもまあ自称みたいな。 すげえ恥ずかしくなってきたな、この話すんの。ってなってくるし、
で、2個前とかでは、大学で俺データサイエンスを教えてるとかっていう話したけど、
ふんって思ってるってことでしょ? そうそうそう。 それ言うとちょっとやっぱさ、学生の子たちがちょっとゆるんじゃうんで。
ちょっとなんか、データサイエンティストはそういうガチガチの資格の仕事じゃないっていう感じも出してほしい。
まあそうだね。でもちゃんと職種としては定義されてるし、会社の中でも自分の部署にデータサイエンスって名前もつくくらいの部署だから、
それは多分名乗っていいと思うんだよ。会社も認めてるだろうし。 でも弁護士ほど多分ちゃんと
定義されてるかって言ったら、そういうことじゃないと思うから。 国家資格だからね、向こうはね。 ちょっと調べてきて、データサイエンティストになるための資格とか、
学位ってそもそもあるのかなみたいなところを調べてきたんだよ。はいはいはいはい。 学位? そう、結論言っていい?
今、ない。 ないの? ない。 じゃあいいんじゃ。 データサイエンティストを証明する資格はない。 じゃあ僕はデータサイエンティストです。
それは誰も認めてません。 なんだけど、なんだけど、一般的にこういうスキルを持ってたらいいよね。
データサイエンティストってこういう知識は必要だよねっていう定義されているものはあるんですよ。
そう、なぜなら日本データサイエンティスト協会っていうのがあるから。 なるほど。
あんまり変なこと言うとね、消される可能性がある。 データサイエンティスト協会に消されるかもしれないから、まぁあると。
どういうスキルが必要なんだっけみたいなところをちょっと紹介していくと、なんかね、大きく3つスキルを持ってたらいいよねっていう風に一般的に言われていて、
1つはコンピューターサイエンスのスキル。数学とか、統計学とか、
情報科学とか言われる学校で学ぶような数学とかの知識が。 理系だったらね、比較的カバーしそうな部分ね。
っていう知識が1つ。もう1個はプログラミングのスキル。 別なの? またちょっとそこを分けで考えていて、なんかデータベースを作ったりとか、それこそ
Pythonでいろんなコードを書いたりとか。 さっきは知識レベルのコンピューターサイエンスの知識が必要だよね。
プログラミングの方はちょっと手を動かして、なんか実装とかできるレベル。
はいはいはいはい。 まだちょっとスキルとしては種類分けて考えていて、これが2つ。
多分ここに関する、なんか大学での講義をするってことをこの前、2個前の多分エピソードで
りょっちは喋ってたと思っていて、そういうのは最近大学とかでようやく学べるようになってきている。
っていう分野なのかなと。 多分自分が卒業するタイミングだとなかなかまだデータサイエンスに関する大学の授業とか
09:05
なかったけど、ようやく整備されてきている分野ですと。
でこれが今2つ。 必要なスキルだよねってところ。で3つ目はビジネスのスキル。
はいはいはい、アバウトだね。 そう。多分データから得られた結果に対して、その分析した結果を
ビジネスにどう活かしていくかとか。 データから得られたのをどういう示唆を出していくかとか。
そういうビジネスとデータ分析を掛け合わせたところで、必要になってくる知識だったり。
っていうのをビジネススキルとして定義していて、今言ったその3つのコンピューターサイエンス、プログラミング、ビジネスっていうその3つの
素養を持ったらデータサイエンティストとしてはやってきるよねっていう風に定義はしているんだよ。
3つあって3つともできなきゃいけない。 そうそうそう。それが必要っていう。
ちょっと難しく聞こえるな、そうなると。 でもそのスキルをどうやったら測っていけるかみたいな。
結局それで定量的に測れた方がいいよね。データサイエンティストになるためには。 そうだね。数字ばっか見る仕事だからね。
だからそのスキルレベルを測るために資格っていうのが今あるんですよ。 やばい、資格肯定派になりそうだな。
でもなんか そっか、その3つってなるけど、そうするとあれだね
第1話で話したデータサイエンスとデータアナリストの違い あれって
個人的な見解も結構含んでるんだけど、あれの場合だと データアナリストは
結構その今の3要素で言うとビジネススキル特化のデータサイエンティストって感じな気がする。
あー確かに。 で、一般的なデータサイエンティスト、そのマシンラーニングとかディープラーニングとか
チャットGPTみたいなやつを作る人とか、ああいうのは
コンピューターサイエンスが強いのかな。 そうだねー
もしくは実装するならプログラミングとかの部分も結構強いかもしれない。
じゃあなんかあれだね、ビジネスのところが特化してるとアナリストっぽい雰囲気になりそうだし、それ以外の要素が突出してくるとデータサイエンティストって呼ばれる部分に近くなってきそう。
確かにそうだと思う。コンピューターサイエンス特化型が自分の理解だとデータサイエンティストで
プログラミング特化だとAIエンジニアとか、マシンラーニングエンジニア、いろんな職種があるんだけどね。
マシンラーニングエンジニア、データエンジニアとかっていう部分になるのかなと。 なるほどね
12:02
あるんだよね、そういう細かい種類あるよね。 そうそう、会社によってその呼び方結構まばらなんだけど
基本的にその3つの要素のどこにウェイトが大きいかってところでちょっとずつ職種の名前が変わってくるのかなっていう。
確かにな、俺間違えて違う方の軸のやつ受けたことある。 自分の目指してると思ったのは違う職種を受けたんだ。
まあなんか、いけんだろうと思ったら、全然いけなかった。 意外とそのスペシャリティの部分は、スペシャルスキルっていうのが重要かな。
この三角形の要素のどこに自分は目指していくかとか、今どこの力を蓄えているのか、勉強しているのかっていうところは
観点として持ってた方が整理できるかなっていうふうには思ってて。 たっちゃんはどの軸ですか、ちなみに。
僕はね、コンピューターサイエンスがまず入り口で、そこでの知識習得を最初にやって、その後徐々にビジネスの方に流れていきたいなっていうキャリアプランは描いてる。
まだじゃあ、まだ1段階ね。
そのね、各3つの要素においてもレベルがまた定義されてるんですよ。 四角で?
四角というか、さっき言ったデータサイエンス協会がそこを定義してるんですよ。 聞きましょうじゃないの。
4つの段階に分かれていて、見習いっていうレベルと、下からね、見習い、独り立ち、統領、勇者。
最近、ドラクエなんか読んでるじゃん。 最近、なんかそういうファンタジー系の漫画を何個か読んだから、一番上は勇者になる。
もう一回下から行くよ。 見習い、独り立ち、統領、業界代表。
もう一番上は、上行くくない? その業界を代表するレベルの人。 勇者だよね。
そういう4段階に分かれていて、それぞれのレベルでどういうことができればいいかっていうのは定義されてる。
ちなみに統領ってどれ? 統領って大工さんの統領。 あの統領か。 業ってあのなんかむずいやつでしょ?
そうそう、鉢巻き巻くレベルの統領のあのイメージ。 統領は鉢巻き巻いてるか? 巻いてない。勝手なイメージかもしれない。
エロい、エロいじゃねえか。偉い人でしょ?
そうそう、お酒回って、変なの出来た。 その統領。 やべ、動揺してるわ。
これカットしない? OK、流しておく。 っていう4段階で定義されてて、それぞれで必要なスキルってこういうのがあったらいいよねっていう細かいのは
あのもうビチッと書いてるから、それはもうインターネットとか調べてもらって データサイエンス協会レベルとかで調べるといい感じのマトリックスで整理されてるんで
15:07
それを見てくれれば良くて、結構会社でもそのレベルに沿ってその社員のスキル評価とかも行われてたりするから
なんかデータサイエンティストとして働きたいとかデータエンジニアで働きたいという人は そこの軸で評価されることも会社によってはあるのかなと
なるほどね。じゃあなんか一人立ちレベルになったらまあなんとなくこう ジェネラルなスキルはついたっぽくて、その中で
統領、どこのスキルで統領を目指していくかみたいな。そうそうそう なるほどね
そしたらプロジェクトリーダー任されたりとか。はいはいはい。っていう風になっていくのかなと思っていて
なんかあんまりあれだね グローバル化が
見込まれてない名前の付け方もするね。これはでも日本のあの データサイエンティスト協会が作った
あの仕組みだから海外だと多分こんな軸はないのかもしれないけど エレメンタリー、ビギナー、ミディアム
エキスパートですね。それでいいのよね。まあね。 統領が分からなすぎて、俺が思ってる統領の偉さと
みんなが思っている統領の偉さが違う気がする。だってその次業界代表だからね 多分だけど統領めっちゃ偉いよね。まあそうだね
そうだからそのレベル感で語ることができるように 一応データサイエンス検定っていうのがあって
自分はどこのレベルなのかっていうのを理解することもできる っていう一つの資格
検定。G検定ってやつだね。そうG検定っていうのもあるんだけどこれまた別の
教会が出してるんですよ。別の教会が出してるんです。今ずっと喋ってた 見習いとか独り立ちとか統領の話はデータサイエンティスト協会っていうところが作ったもので
今、りょっちが言ったG検定って言われる一つの検定は 日本ディープラーニング協会っていうのが出してるんですよ
2つの
どういう関係性なのかちょっとよくわかんないけど そういうのがあって
まあでもなんか必要なんだろうね。きっとそういう教会が 意味があるからきっとたくさんあるんでしょう
うんそう思う。俺みたいな若造にはねわかんないよ そんな教会の重要さみたいなのは
だからそのG検定っていうのも一つのなんか 資格として今はあって多分2、3年ぐらい前ぐらいから始まった
資格の制度で 結構新しい比較的
その G検定。いやもっと前からあったよ。あ、ほんと?
あったあったあった。俺ね あれ受験資格みたいなのがあって。あ、ある。俺あれね受験資格あります
18:00
多分それねE資格の方な気がする。いやGの方取った。 あ、違う。E取んないとG受けられないのか
GはジェネラリストのGで
エンジニア資格っていうE資格っていうのもまた別であってこれ同じ 日本ディープラーニング協会が出してるんですよ
どっちが上だ? ほんとねEが上 あーじゃあねどっちも持ってる
あ、そうなんだ。多分。なんかあれ 規定のなんか講習みたいなのを受けた上で
試験受けるんだよね。そうE資格は規定のそのプログラミングのなんか
e-learningみたいなのを受けないと 受験資格が得られないんですよ
受けた。あ、そういうこと? 受けた。あ、珍しい
なんかどっかのエピソードで話そうかなと思ってたんだけど AIを勉強し始めるきっかけみたいな
今度どっかで話そうか。その時にあのね 外部の
そのなんかビジネススクールじゃないけどプログラミングスクールみたいなのがやってる そこのコースに
割とお金払って行ったんだよね あー大学の頃だ。行ってた行ってた
それだ。そう。それの時にこれ全部受けたらそのEだかGだか受けれますみたいな
で、もう一個の方受けたらそっちまで全部いけますみたいな っていうのを受け切ったから
そういうパックで売られてるんだよね。確かに あるあるある。頑張った。今度その話しようか
っていうG検定とかE資格っていう資格の制度もあるよっていうのがまた一つ
なるほどね。結構あるんだよねこういうの。あるね。自分もそのG検定E資格持ってるから
そこも話しましょう。すげーじゃん。っていうところかな
あとは昔からあるのは統計検定 あー有名だね。有名
これはコンピュータサイエンスのスキルが結構問われるところで あーさっきの3つの柱ビジネスと
プログラミングとコンピュータサイエンスだったら そのコンピュータサイエンスの数学とか統計学とか
っていうところの知識をかなり問う検定が統計検定 だいたい4級から始まって一番上は1級とかあるんだけど
たぶん1級とかだと大学とかの理系の二次試験とかで問われるようにこの式の証明をせよとか
そのレベルまで問われる結構難しい検定なんだけど たまに持ってる人いるよね、データサイエンス
いるいる 理系で結構数学強めの人は統計検定を受けるっていう人はいるかな
っていうのがあって、ただここたぶん統計検定1級まで持っている必要はなくて データサイエンスで働く上では
たぶん中学卒業レベルはもちろん必要だけどどちらかといったら なんかこの例えばアンケートとかした時に
8割ぐらいの人が満足度高かったですよみたいな っていう結果が得られた時にそれって8割って10人のうち8人が言ってる
21:08
8割なのか 1万人のうち8000人が言ってる8割なのかっていうところのその意味の違いとかをちゃんと説明できる
ぐらいのレベル感があればokで どれぐらいの
ボスを獲得すればいいかみたいな話になってくるんだけどこういうのってそういう ところをちゃんと説明できるくらいのレベルがあれば統計検定1級ほどは
いらないかなという 3級ぐらいそれは3級まあそうだね3級2級ぐらいかな
っていうところかな まず考えたこともないからな資格そうでしょ
俺が g 検定といい検定出したせいですげーややこしくなってるけど g と e があって
で統計検定あって データサイエンディスト検定もいいデータサイエンディスト検定があって
でけど取ったやつは違うやつでしょ 取ったやつはまた違うやつがあるでしょ
やばいねこれ 取ったのはクラウドに関する資格で
AWS の出しているマシンラーニングっていう アマゾンウェーブスサービスねそうそうそうそう
っていう資格これね各クラウド gcp とか AWS とかAzure とかっていうだいたい3大クラウドって言われている
それぞれの グーグルのアマゾンの AWS
グーグルの gcp マイクロソフトの Azure ね
っていうのもあるからそこで出しているマシンラーニングの資格を取った
でこれなんでこういうのがあるかっていうと最近の主流がもう自分たちの会社で持っている pc の中で
AI 作りましょうっていうよりかはクラウド上でAI のモデルを管理しようっていうそういう風に主流が移ってきて
単純にAIを作れるだけじゃなくてその AI をクラウドと組み合わせて環境を作っていこうみたいなスキルが問われるから
だからクラウドのサービスを使ってかつ機械学習の知識もあってというところで
うーんまあそっかそう一番 ジェネラリストっぽいってなんかそこはちゃんとデータサイエンティストとしてカバーしとか
そうそうそう今そういうレベルが必要になってきてるから自分はそこのなんか勉強というか
実際の自分の仕事の中でも使うスキルだからちょっと勉強しとこうと思って 勉強したらついでに資格も取れるから取ろうみたいな
そんなモチベーションで受験したんだけどお金ももらえるしねそうそうお金ももらえるし
なるほどねまあクラウドなんかインターネットのオンライン上にあるパソコンにみんながアクセスしてそこで仕事をするから
クラウドの知識は絶対必要ででじゃあ仕事で AWS 使うのかGCP使うのか
Azure 使うのかで結構なんだ会社によって求められるあれは変わってくる
24:02
そうだねー結構組み合わせたりするから
どこの会社がこれみたいなのはあんまないんだろうね 名誉もあるだろうけど
だからまぁ問われるところもちょっとその各サービスの中身を知っていてあとは基本的にはデータサイエンスの
素養というか知識を持っていればまあ合格はできる そんなレベル感ではあるんだけど
っていう資格もあるからどんぐらい勉強したらいけるのそれって まあ人にはよるけれどこれだから言ったら嫌味っぽくなっちゃうんだけど
自分はね正直もう1日2日ぐらいの勉強量で
これは取れたから結構コスパ良かったなぁと思ってて それでどっちなんだろうねそれは業務でも使ってたからそもそもクラウドの
サービスとか理解もあったし あーなるほどじゃあそれをただ試験の形で頭の中に入れ直すだけだったら
1日2日でいけたみたいなゼロからゼロからだったら 結構かな相当ハードル高いと思って
すげーんだじゃ多分その g 検定とかいい資格で結構 なんだ基本的なレベルから学んでおかないと
最終的なデータサイエンスの問題を解くの難しいかなと思う 1日2日で取れたけどレベルの高いのを取ったんだぞっていう
でも今日は自慢したから なるほどね
いろんな資格あんだなぁっていうそう資格がいっぱいあるんですよ今 だから
まあ言いたいのはこういう資格をまあ持つことで 何だろうがデータサイエンティストとしてのいろんなこう
スキルはスキルセット揃っていくよってこと 理由付けがないと勉強できないパターンもあるし
そうそうじゃあなんだ転職市場とかに身を置いた場合とかだと 結構使えるものそれ持ってるぞみたいな
あー 一発採用みたいな
これどうなんだろうなぁ でも履歴書には書けると思うんだよね
運転免許証の下に
運転免許証さ転職のあれで書くの? 自分転職したことないからわかんないけど
書いたことあるかなぁ 書いてあったら馬鹿にされそうだね
自動車みたいな しかもオートマとかでしょ
オルチェマニュアルです
書くかなぁ まあいいや 書かない方がいい気はするね
でもクラウドの資格は言ってもいいんじゃないですかね やっぱり人権で持ってますとかいい資格を持ってますとか
クラウド関連の資格も別に書いていいと思うんですけど クラウドに関してはどんどんサービスがアップデートしていくから有効期限が決まってて
確かに2年とか3年で執行しちゃうんですよ
27:00
あのTOEICとかは噂であるじゃん2,3年で 正式にはないけど2,3年で
いつ取ったか一応書かなきゃいけないですよね
ちゃんともうエクスパイヤーする期間が決まってんだ
なんかコスパ悪くない? いやまあ確かにね
というところで履歴書類は書いていいんじゃないですかね もし期限があるなら
資格かぁ まあじゃあそういう意味では意味はあるのか
いやあると思いますよ その一つ証明するなんかものじゃないですか資格ってその人の持ってるスキルを
アンチ資格だからさ そうでしょうね
なんか 腕だけでさ 腕だけでって言い方も変だけどなんか資格持ってるから
ふーんみたいなのもちょっと思うし
なるほどね まあ逆に言うともうさ転職の時に面接とかして
どんな奴かも1ミリもわからんみたいになったら確かに資格でこう優劣みたいなのあるかもしれないけど
いるかね 俺はいらない派なんだよな アンチだね
いやでもマイノリティな気はしてる 結構みんな資格持ってるから
悪いことはないと思ってて資格を持っていることで 今日はメリットを伝えたくて資格でも取ることでいいなと思うのは
2個あって1つはさっき言ったで転職とか就職で1つなんか書けるよって データサイエンティストは別に国家資格あるわけじゃないから
1つ証明になるなっていうのがあるのと あとは体系的にそこの知識レベルを学ぶことができるよねってのがあって資格の勉強で
正直自分ってデータサイエンティストに新卒でなったけど 入った時ってほぼ無知だったんですよ
あの状態で入っても? いや無知でしたっていうのも周りが大学時代からずっとそのコンピュータサイエンスの学科で勉強してましたとか
あーそういうことか 海外の大学で出ますとか結構なスキルセット持ってる人たちがいるから
それと比べちゃうと自分はもう物理出身の 専門家ではなかったからそこからのスタートで
まあちょっと話すと長くなるからまた別のとこで話したいんだけど 何かしら勉強しなきゃいけないなぁと思ってその一つのきっかけが資格取得
をしようっていう一個モチベーションでその勉強すればだいたいその資格取得に必要な 範囲をある程度学ぶじゃないですかそれで必要な
知識ってのは一セットで獲得できたっていうところは良かったから なんか抜け漏れなく
勉強できたなーっていう あーまあそれはでもそうだね確かにそう
30:05
っていうのは資格取る一つメリットなのかなというゼロから勉強する人にとっては なんかある一個の道しるべみたいなのがそこに立てておいてくれるからいいっていうのは
確かにそうだね それはまああるか
言っちゃう効率的に必要なもの全部学ぶみたいなっていうのあるかもしれない っていうところなのかなぁ
資格かー でも取らないでしょ絶対これから
うーんまあないね 絶対取らないっすよ
取らないと首とか それは取るだろうけど
そうそうそう あーでも面白いなぁそれは
そもそも興味もないから考えたことないんだよね メリット
勉強まで苦手なの 受験とかしたことないし
受験したことないからそうなんか勉強してどっかで成果を発揮するみたいな あんま経験がない
勉強の仕方を知らない 知らない
学校のテストぐらい 学校のテストはできるけど
受験とかちょっと大きいイベントとかを乗り越えてきてないから
プレッシャー力弱いかもしれない
なんだけど興味ないとか言ってただ力を発揮できないだけっていうパターンがある
そこにただやっぱり虚勢を張り継ぐ
まあでもそれでもねやっていけてるわけだからね 資格がなくても
もちろん資格なしでも働いてるし全然何だろうな クビにもならないしね
転職もできるし
転職できるできる そうだよね
だから別に取らなきゃいけないってわけではないんだよね
逆に言うとでも資格持ってるから活躍できるはピコールじゃないよね
まあそうだよねそれは確かにそうだと思う
結局資格持ってても例えば医者が医師免許持ってていきなり外科手術できるかって言ったらそういうわけじゃないから
そういうことだよね
結局その持っている知識とかをどう使っていくかが大事なのかなと思ってるから
ここはやっぱり経験一つずつその知識をどう実際にユースケースに当てはめていくかみたいなところが大事になってくるから
そこは資格持絶対に学べないところ
それがうまく活用できて初めてビジネスとか社会人として価値が出せるとこだから
まあそうだね そういうことだよね
だから次のステップ
リフティング1万回できるみたいなもんでしょサッカーで言うと
リフティング1万回できるけど試合で活躍できるかみたいな
そうそうそのリフティングをどう活かすかって話になってくるから
そこが大事だし
なんか結構自分が思うのは持っているスキル知識だけじゃ絶対に足りなくて
33:06
その知識と結局データ分析のスキルの話をしてるから
得られたデータってどういうものなんだっけとか
そのデータをどういうふうに自分の持っているAIの知識に当てはめていくんだっけみたいな
そこの考え方がすごく大事になってくる分野で
よく言われるのはドメイン知識を活用するとか
言うね 言うでしょ
ドメイン知識
得られたデータとドメイン知識の掛け合わせで初めて活躍できるよねっていう分野だから
そこが大切なんじゃないかなと
確かに確かに
ドメイン知識で技術側が異常に突出してると
ドメイン知識っていらないんだけど
それをねドメイン云々じゃないところから技術で凌駕するっていう人はたまにいるんだけど
ほぼほぼドメイン知識だと思ってる俺は
まさにそこの勘どころが大事だよね
自分ができてるかは別としてね
いやでもデータサイエンスで必要なのはドメイン知識って結構教科書的に書いてますよね
なんかそんな気はする
働いててもそう思うね
そう確かに働いててそう思うんですよ
なんか自分がねドメイン知識必要だったなぁと思う経験を話すと
前にアンケート分析したことがあって
お客さんの満足度を調査するみたいな
っていうそういう分析があって
ユーザーの満足度が0から10点まである中で
何点かっていうのを予測するAI作ろうみたいな
そういうプロジェクトがあったんですよ
で満足度高い人にはこういう施策って言った方がいいよねとか
低い人にはこういう施策言った方がいいよねっていう風に繋げられるから
そういう満足度をちゃんと測れるといいっていうAIを作ったんだけど
なかなか精度が悪くて
で何でかっていうとなんかねアンケートに
そのアンケートの集計した結果に大きく山が2個立って
すごく満点をつける人たちと
なんか6.7点をつける人たちって2つの属性があって
これ何でなんだろうみたいな
ここをうまくAIが予測できなかったんですよ
あーその0だったらいいのにみたいな
超不満足が一定層いて
超満足が一定層いるんだったら割と切り分けやすいみたいな
それもそうだしいい感じの山が
例えば6点ぐらいに山が立つような綺麗な形だったら
AIって当てやすくて
あー平均点が6点で
なんか0点取る割合も10点取る割合も
いい感じに低いみたいな
そうそうそう
だいたいなんかイメージつくじゃないですか
だいたい0から10点つけてって言ったら
まあ7、8点ぐらいかなみたいなところに丸つけますね
あれ性格出るよね
俺10しかつけたくないみたいな
36:03
これね
ちょっと怖いなと思ってる
性格診断とか
すげー極端な数字しか出てこない
そうなんですか
ちょっとサイコ寄りかもしれない
基本は全部Yes、Noで答えたい
多分それアメリカタイプっすよ
性格上
Yes
海外とか欧米の人はもう0、10だって言います
あ、そうなの
日本人はちょうど真ん中ら辺をつけるっていう
なんかそういう調査があって
欧米タイプ
ハロー
そうね
欧米での生活の経験があるからかもしれないけど
その前から割と10か0でつけてたな
いやいるはずいるはず聞いてる人も
だからそういうのが一定数いて
多くの人はその6、7、8点をつけるっていう
多分それがうまく反映されるのが自然なんだけど
ああそういうことか
そうそうそう
今回得られたアンケートの結果は
10点をめっちゃつける人たちと
平均的な6、7、8点あたりをつけるっていう
2つのピークが現れちゃって
これがAIうまく当てれなかったんですよ
で、そのドメイン知識の話に戻るんだけど
これなんでだっけみたいなところを
データサイエンティストで考えて
いろいろ仮説出して
絞り出して
結局わかったことは
そのアンケートの取り方に問題があって
アンケートって
後で自宅で書いてくださいっていうパターンと
その店先で
定員さんのいる前でアンケートをつけるって
その2パターンでアンケートの集計をしてたっていうのが分かって
ああなるほど
定員さんの前だと
なんかちゃんとよくつけなきゃダメなんじゃないかなみたいな
いうお客さん心理が働いて
そういう人たちはめっちゃ10点の方
いい方につけるっていう結果が
ある一定数溜まってて
一方で
後でアンケートつけてくださいという人は
一般的な6,7,8点ぐらいをつけるっていう
人間の心理はそうさせるのか
この2つが
アンケートの集計の方法っていうところで
結果が異分されてたっていうのが
現場のフィールド調査で分かったから
じゃあその結果を元にAIに情報を与えてあげようと
店先でつけたのか家でつけたのかっていう
ゼロイチの情報を入れることで
AIはそれを判断して
うまく精度良く当てられるようになったっていう
この経験があったんですよ
これまさにドメイン知識で
そのアンケートの集計方法でどうなってるんだっけっていう情報を
ちゃんと持っているかどうかで
AIの精度が大きく変わってしまうっていう
こういうことができるかどうかが
データサイエンスとして現場で活躍できたり
結果を出せるっていうのが大事なんじゃないかなっていうのを
経験案から自分は思っているところ
確かにそのアンケートが何点が平均だったかは学生でもできるから
39:01
そうですね
出した上で変なところに対して
筋の良い仮説を立ててやってみたら
やっぱそうだったみたいな
ほぼそうだよねやっぱね
そうなんですよね
データは嘘をつかないから
じゃあそのデータでどうやって集まってるんだっけっていうところ
これをちゃんと考えようっていう
かっこいいねデータは嘘をつかないから
今日は自慢と格好つけるために来たんで
貴重いな
っていうところですね
確かにねそこは重要だな
面白いわその話は
実例あるといいね
そうだね結構こんなことが日常茶飯事に起こってるんで
紹介できればいいかなと
それは確かにそれは欲しいわ
思ってますね
まあ確かにね結構手探りじゃないみんな結局は
そう思いますよ
そんなすぐパンパンドメイン知識当てはめるのは難しいから
一個ずつ調査をして調べて
現場の人に話聞いてっていうことの繰り返しではあるんだけれど
そういうのを経験しながらどんどん蓄積されていく
スキル知識はということなのかなと思いますね
ドメイン知識の話で最後終わると
資格いらんくない?
確かにでもさっき言った
家でアンケートしたのか店先でアンケートしたのかってところ
その結果が得られても
じゃあそれをAIに情報として与える時にどうするかみたいな話
ここ一つ知識として必要じゃないですか
僕はシンプルに今の情報を1と0で情報を1個加えて
データを与えるっていう方法を取ったんだけど
ここのじゃあどうするかっていう次のAIにどう落とし込むかっていうところは
たぶんG検定とかE資格で学ぶところだから
うまくまとまった
ここは資格の勉強することで得られる知識
そうだね
意地悪な面接感みたいになったね
じゃあ資格とかってやっぱ取らなくていいんじゃないですか
ここは説明できない
資格取ったって言えないから
という感じですかね
面白かったなこれ
だから今日言いたかったのは
データサイエンスを学ぶ方法として
データ分析に関する資格取得っていうのは
一つ入り口としてあるよっていう話なんだけど
結局それを現場で活かしていくためには
ドメイン知識と自分の資格で取った知識の組み合わせで
活躍できる幅がどんどん広がっていくっていう
そんな話ができたかなと思いますね
いい感じにまとまったね
すごいわ
ちょっと面白かった
ちょっと資格はまあ
俺はまあたぶん受けないだろうけど
そうでしょうね
42:00
受けないだろうけど
聞いて重要だと思った人には受けた上でね
そのうちじゃあこのポッドキャストがめちゃめちゃ有名になって
大金を稼ぐようになったら俺らも奨励金出そう
そうですね
奨励金出します
お願いします
じゃあまあそんな感じで
ちょっと次回は緩めの会話というか
今日途中でAI
俺が特にAIどうやって勉強したみたいな話したいけど
そんな話もちょっとぬるっとしてもいいかな
いいと思います
AIをどう勉強するかとか
データサイエンスの入り口どう立ったみたいな
僕らも大学の後半ぐらいから
AIの勉強し始めましたね
そうだね
そんな感じで
次回もやっていきましょうか
お願いします
隣のデータ分析屋さん
今回も面白いなと思ったら
フォロー・レビューよろしくお願いいたします
番組の感想や質問は
ハッシュタグ隣の分析屋
隣のがひらがなで
分析屋が漢字でお願いします
概要欄に貼ってあるお手紙フォームから
コメントを寄せいただければ
そちら回答させていただきますので
ぜひ一緒に番組作っていけたらいいなと思っています
それではまた
バイバイ
