Flowデータサイエンティストデビューまでの流れ
機械学習エンジニアは膨大なデータを効率よく扱うために、プログラミングや統計、数学の知識を使います。弊社ではエンジニアの現場で活用できるように、要点を絞った研修を行います。
※内容は目安となります。進行度によって研修内容・研修時間を適切に決めていきます。
-
入社1ヶ月キャリアカウンセリング/基礎学習
- 研修内容
-
入社後、まずはキャリアカウンセリングを行います。ご自身の目指すキャリアに向けて着実なステップを踏んでいけるよう、研修内容への反映を行います。入社後すぐの研修では、機械学習エンジニアとしての基本スキルである、プログラミング(おもにPython)やSQLの学習を行います。
- 教育体制
-
先輩社員が教育とオンボーディングで1人ずつ就き、スムーズに学習を進めていけるよう学習の方針や研修内容に関する疑問に応えながら、サポートしていきます。
-
入社2ヶ月実務を想定した学習
- 研修内容
-
基礎学習後は、実務を意識した学習がスタートします。一例として、実際のタスクを想定したデータを使い、これまでに学習した内容を生かしながら実際にコーディング・データ分析を行い、結果をドキュメントにアウトプットします。
- 教育体制
-
引き続き先輩社員がメンターとして、研修タスクの進め方やまとめ方などをサポートしていきます。
-
入社3〜4ヶ月データサイエンティストデビュー
- 研修内容
-
ミニマム320時間の研修の後、データサイエンティストとして実務に就いていただきます。実務ではパフォーマンスを発揮しながら、学び続ける姿勢が求められます。アサインされたPJに関するドメイン知識を深めていくほか、SQL、AWS、統計などの資格・検定の勉強も並行して行っていきます。
- 教育体制
-
実務に関しては、先輩社員とチームを組んで働くことにより、ノウハウの共有や初動のサポートを行っていきます。各種資格・検定の勉強に関しても、受験経験のある先輩社員から、勉強法や教材についてアドバイスをもらうことができます。
Skills必要スキル・言語
入社後は技術研修にてAI・機械学習の知識を習得していただきます。
- ・技術研修
- 数学知識とともに論理的方法論を習熟。データ解析/機械学習分析ができる人材を育成。Kaggle・SIGNATE 上位入賞者も在席。
- ・習得スキル
- 言語機械学習、深層学習の技術を用いたアルゴリズム構築、データ分析、前処理、特徴量エンジニアリングなど。
-
-
言語
- Python, SQL, R, Javascript, etc..
-
-
-
数学・統計学
- 数学・統計学の基礎から応用までを習得 / 線形代数・微積分・統計学を中心にベクトル、行列、ベイズ統計など
-
-
-
機械学習
- Python、SQL、MLライブラリ各種の習得 / 回帰、分類、ニューラルネットワークの理解 / Kaggleへの参加を通して前処理、フィーチャーエンジニアリング・コードリーディングを実践 / AWS上に分析基盤構築
-
-
-
フレームワーク・ ライブラリ
- TensorFlow Keras, PyTorch, scikit-learn, Pandas, Numpy, Matplotlib, seaborn, Flask, Django, OpenCV, etc..
-
-
-
その他ツール
- Data Robot, Jupyter, Anaconda, Git, AWS, GCP, Docker, etc..
-
System教育・学習支援制度
エスタイルでは個人の成長のために様々な教育制度を設けています。その一部をご紹介します。