CROSS2016
昨日2月5日に横浜大さん橋ホールで開催されたWeb系勉強会のCORSS2016に参加してきました．
小さな勉強会はちょこちょこ行っていたのですが大規模なものに参加するのは初めてでした．
通しで参加して色々セッション聞いてきたので殴り書きのメモをば．
おーい、いそのー、エンジニアにとっての機械学習について考えようぜー！
http://2016.cross-party.com/program/x1
2016.cross-party.com
タイトルは酔っ払っている時に考えたそうですｗ
今色んな所で流行になっている機械学習についてのセッションでした．
アジェンダは以下のとおり．
パネルセッション形式でのセッションでした．
機械学習ブーム
ここ最近機械学習がブーム．
画像認識では深層学習で人を超える精度，音声認識でも深層学習で高精度化している．
単語フレーズのベクトル計算も可能になってきた．
ex.King - Man = Queen みたいな
しかし
山のごとく出る数式
高い学習コスト VS リターンの不透明さ
実際のところ機械学習ってどうなの？
そこのところについて話してみる
エンジニアが機械学習を身につけるために必要なこと
機械学習を身につけるのはプログラミング言語の学習とは違う．
未知の領域である．
機械学習を使うだけなら
・機械学習のライブラリとかを使う
・とりあえずやってみる
概要の把握までやるなら
・アルゴリズムの実装
概念を知らないと出来ない．
微分積分など高校数学を学ぶ必要も出てくる
抽象的なものを論理的に表す．
機能要件，非機能要件（パフォーマンスとか）
機械学習は非機能要件(パフォーマンス)が重要になってくる
どれくらい認識できるかとか．
求められる精度を満たせるか．
どのように学ぶのが効率的か
理想は機械学習を使わざるを得ない状況に身を置く．
機械学習を活かすことが出来ないと身につかない．
あとは師匠と呼べる人のもとでやれるようになる．
一人でやると挫折する可能性があるので勉強会やコミュニティに参加する．
その手法の目的は何でパラメータ何で何を解決できるのかを考える．
そして解決してみたい課題にトライ．
問題設定してそれを機械学習で解く．
中身まで知りたいならソース見てみる．
意外とわかりやすく書かれてる．
Hivemallとかおすすめ．
オンラインで勉強するのもあり．
ただし一人でやると脱落する可能性も．
スタンフォードのマシーンラーニングコースとかおすすめ．
エンジニアのキャリアパスとしての機械学習
今ならリターンには見合う．
3年前と去年だと転職エージェントの反応が違った．
あと数年は食っていけそう．
専門性を高めたほうが金銭的なリターンも．
ライブラリ，フレームワーク使うレベルではなくアルゴリズムの実装のレベルなら．
ライブラリの中身まで知ってる人が必要とされてくる．
機械学習の需要と供給の実際．
機械学習はあまり求められてない？
インフラとかプログラミングが楽しい人は向かないかも．
キャリア変えたい人の選択肢としてありそう．
いずれは機械学習は誰もが使えるものになるかも？
業務で大変だったこと，どうやって乗り越えてきたか
結果が追いついてこなかった．
バグがあるのかアイデアに問題があるのかわからなくなった．
だからプログラムのほうにバグがないようにして乗り越えた．
プログラムが完璧なら手法だけが関係してくる．
営業が認識率50％でも認識できますって売ってくる．
性能の共有を．
社内の権威的な人のせいで開発が進む．
要件が満たせない．
権威的な人を疑う，検証したうえで話をすすめる
データ分析の導入が一番苦労．
周りの人が機械学習知らない状況．
自分がどんだけ大変だったかを伝える．
聞いてみて
流行の機械学習を使ってる方のセッションでしたが後半がだいぶリアルなお話でした．
とっつきにくさ，導入の難しさがわかった気がします．
実際に使用するところがないと勉強も難しそうですね．
一過性のブームで終わらないといいんですが今後誰もが使えるようになるかもしれないってのと意外と需要が少ないってのが気になりますね．
サラッと勉強してキャリアパスとして武器にしていくのは難しそう．．．
武器になるのは本当にアルゴリズム理解して実装できるレベルじゃないとって感じですね．
とは言え貴重なお話聞けて大変参考になりました．
[amazonjs asin="4774183601" locale="JP" title="改訂2版 データサイエンティスト養成読本 プロになるためのデータ分析力が身につく! (Software Design plus)"]
コメント