QC検定ホルダーが機械学習に取り組むべき理由
新型コロナが流行しはや2か月、QC検定の受験も中止、会社では在宅勤務が推奨され、外に出かけることもままなりません。
ただ、ただ、StayHome...
いやいや、そんなことしていたら、すぐに年を取って、気が付いたら白髪老人になってしまいます。この家にいるまとまった時間にこそ、自分を磨くチャンスなんではないでしょうか?なんとか時間を有効に使いたい。
そこで、世間で言われるところの、AI人材というものについて調べ、AI技術の一つである機械学習について勉強してみました。若干まとまり感がありませんが、載せてみました。
自分自身はプログラムに触れたことはなく、せいぜいエクセルでデータまとめに使う程度でしたが、はたして、太刀打ちできるのか!?
- AI人材の取り巻く環境について整理
- 学習のためのモチベーション
- 新コロナ期間中にやったこと、やっていること
- 勉強して気付かされたこと(勉強する前とのギャップ)
- QC検定はまさにAI技術の入り口だった
- QC検定ホルダーがAI人材としても成長するためには...
AI人材の取り巻く環境について整理
まずはそもそもAI人材とはなんぞや、下記ネット情報を元にを調べてみました。
- ありとあらゆる分野で、さまざまな因子が絡み合った複雑な問題に対処すべく、ビッグデータを活用したAI技術の必要性が高まっている。
- 今後AI人材不足が深刻となり、1000万を超えるような年収を約束してまでの熾烈な獲得競争が既に広がっている。
- 文系、理系を問わずすべての分野でAI技術が必要となる可能性があり、リテラシーが求められる。
- デジタル時代の「読み・書き・そろばん」として「数理・データサイエンス・AI」だとっ!
- 国が主導した教育改革に取り組み、AIリテラシー教育推進
- 大学では教養科目としてすでに多くの大学でデータサイエンスが取り入れられている
日本科学技術連盟でも既に、現在の社会における課題がSQC手法では手に余る事態になってきていることが記述されており、SQCのその先にはデータサイエンスがあることが明示されている。
学習のためのモチベーション
これだけ見てみても、以下のような感情がふつふつと沸き起こってきます。やばいです。
まずは、残りの企業人生で戦うためのツールを持たなければいけないと思い。一念発起して、わざわざノートパソコンを買いました。パソコンを買うなんて、10年以上ぶりです。最近は手ごろな価格でかなりの性能のものが買えるんですね。
mouse X4-B-MA 14型 Windows10 AMD Ryzen5 3500U 8GBメモリ 256GBSSD
新コロナ期間中にやったこと、やっていること
この期間中に取り組んだことを箇条書きで記しておきます。具体的な内容は別で書きたいと思いますが、短い間にこれだけざっとトライしてみました。
書籍での勉強(使用言語:Python)
書籍についていろいろと情報収集し、その中でも初心者でもわかりやすいと定評のある下記の参考書から始め、まずはプログラムをそのままなぞって勉強しました。
下記の書籍はとても丁寧に説明が書かれているため、初心者には非常におすすめです。
1.ITエンジニアのための機械学習理論入門
3.Pythonデータサイエンスハンドブック
Kaggle:Taitanic (使用言語:Python)
機械学習の入門といえば、これ!らしいです。
Coursera Machine Learning(使用言語:Octave)
な、なんと無料で学べる!!スタンフォード大学コンピュータサイエンス教授によって創立された教育技術の営利団体。「Machine Learning」のコースは無料です。11週間に及ぶビデオチュートリアルとプログラミング課題が課せられます。もちろん、英語の講義ですが、日本語字幕あり!!
勉強して気付かされたこと(勉強する前とのギャップ)
一通り学習してみたところ、学習前にいろいろと頭をめぐって思っていたことの多くの部分で誤解、または勝手な思い込みがあったことに気づかされました。
- AI人材とは一人一人がデータ分析プログラムのエキスパートになることでは「まったく」ないということ。そこら辺のことはソフトウェアの開発者に任せておけばよい。
- データ分析するということが、ソフトウェアの進化とともにより一層身近になり、プログラムしなくてもよい時代にすでになってきていること。。
- プログラムはデータ分析するただの手段、ツールであって、必要なのはデータを注意深く観察し、洞察する力だということ。
- プログラムが作れる、ライブラリを上手く使えるだけの、とりあえずニューラルネットワーク入れてよし的な、自称データサイエンティストが量産されている。
- その技術を有効に適応するためには、AI技術だけではなく、絶対的にその分野のドメイン知識(※)がなければならない役に立たないということ。
- AI技術はその解析手法に重きを置いていて、そこに潜む統計学の知識が二の次になっていること。
※分析対象である分野での限定された、または特化した専門知識
QC検定はまさにAI技術の入り口だった
私たちQC検定ホルダーは、既にその素養を十二分に持っているということ。プログラムの知識が無くても、「データをとらえる洞察力」、「統計学の知識」、今までの職場経験から得られた「ドメイン知識」、品質管理というプレッシャーの中で育まれて「課題解決能力」があれば、そこら辺の学生、自称データサイエンティストには絶対に負けるわけがない、という自信に変わりました。
QC検定ホルダーがAI人材としても成長するためには...
問題に直面した時に大切にしなければならないことは、QCもAIも結局おなじ。こういうことなんだ、と思いました。
- データに語らせる前に、そのデータがどのようなバックグラウンドの元、どのような意図をもって取得されたのかをよく考えること
- 起こっている現象について知識をフル動員して、考えられる十分な仮説を立てる、課題の本質は何か?常に問う
- その仮説を実証するために、ここで初めてQC手法、AI手法の手を借りるということ
以上!