卒業生たちの物語：ミュージシャンでもリクルーターでもある、Arronがデータサイエンティストに転身するまでの軌跡

音楽のバックグラウンドを持ち、東京でテック系のリクルーターとして働いていたアーロンは、前々から本気で取り組んでみたいと思っていた新たなスキルを学ぶためにLe Wagonのデータサイエンスのブートキャンプに参加しました。彼は、キャンプの卒業後に就職活動を始めてわずか2週間半で、AIのスタートアップのHacarusでフルタイムのデータサイエンティストの職につくことができたのです。彼の思いきった決断は、見事に実を結んだのです。

こんにちは、アーロン！今日はお時間をいただきありがとうござます！最初の質問として、Le Wagon Tokyoのキャンプに参加する前は何をしていましたか？

子供の頃、ゲームを作るために基本的なプログラミングを学んでいましたがまったくうまくできず、ひどいものを作ってしまいました笑。そのため、最終的には音楽への興味が上回り、僕は音楽に没頭するようになりました。僕の思い込みかもしれませんが、音楽家はプログラミングに限らず、どんな言語に対しても、自然と勘が働くなにか直感的な才能があるような気がします。実際、今僕が働いている会社には元ミュージシャンが多いですね笑。

大学ではギターを学び、その後、世界一周のクルーズ船でミュージシャンとして働いていました。アジアへの関心が高まっていた私は、日本でデータサイエンスのリクルーターとしての仕事を見つけました。テクノロジーの最前線で活躍する企業のデータサイエンティストやプロダクトマネージャーとチャットをしているうちに、再びテクノロジーに対する興味がふつふつと湧き上がってきました。

まず、オンラインでPythonを学び始めましたが、そこにあるすべての情報をチェックして、キャリアチェンジをするために必要になるコアスキルは何かを特定するのは大変でした。そこで、経験豊富な教師のサポートがあるキャンパス内のコースを探すことにしたのですが、Le Wagonを見つけたのはその時でした。

データサイエンスブートキャンプでの体験はいかがでしたか？

Le Wagonでのチャレンジは間違いなく素晴らしいものでした。コース中のすべてのサポートに本当に感謝しています。また、生徒がチャレンジを達成するためにはどのように支援すべきか、Le Wagonの講師たちは実に優れたアプローチ方法を持っています。彼らは、生徒たちに答えを提示するのではなく、自分自身で課題を解決する能力を与えてくれました。これこそが、私が必要としていたことです。開発の世界では、コードがクラッシュすることがよくありますが、今では自分自身でエラーを探し出し、適切な改善を行うことができます。

これまでのモジュール（システムの構成要素）の中で最も気に入っているのが「ディープラーニング（深層学習）」です。ディープラーニングは、従来のscikit-learnの手法とは異なる方法で問題を解決し、モデルに柔軟性を持たせることができます。この方法は僕にとって画期的で、とても魅力的でした。ディープラーニングの講師であるYannは、その熱意と情熱に生徒の誰もがあてられていました。

Arronはデータサイエンスの学生間で行われるCodewarsのチャレンジで優勝しました。

かっこいいですね！Project Weeksではどんなことに取り組んでいましたか？

私は、ミュージシャンが新しい曲を学ぶ際の問題を解決するというアイデアを提案し、2人のバッチメイトが参加してくれました。その目的は、ある曲をディープラーニングモデルに通して、その曲の構成音を楽器ごとの音に分割することでした。AishuとNjeriの助けを借りながら、しっかりとした見た目のプロダクトを製作することができました。そして、デモデイのプレゼンテーションでは多くの方々から賞賛して頂くことができました。

他の人のアプローチを見て、データサイエンティストとしてビジネスに影響を与える方法をより深く理解することは本当に重要でした。多くの人は、アルゴリズムを最適化したり、不明瞭な問題を学術的なレベルで解決したりしますが、ブートキャンプでは、実際にデータサイエンスの知識を活用して、実世界の問題に対してどのような影響を与えるかを分析することに焦点を当てています。これは、より実用的なアプローチだと思います。

デモデイでのArronのピッチングを見る（21:15～）

データサイエンティストにとって、数学の知識は重要だと思いますか？

多くの人は、データサイエンスには数学の知識が必要だという偏見を持っていると思いますが、実際はそんなことはありません。私のバックグラウンドは、STEMとは全く関係ないものでした。もちろん、統計や推論を学ぶためには、ある程度の能力や意欲が必要です。しかし、アカデミックな世界に入ったり、企業の研究開発部門でハイパーパラメーターを調整したり、モデルの新しいアーキテクチャを構築したりするのでなければ、データサイエンティストになるために数学をマスターする必要はないのです。大多数のデータサイエンティストは、すでに決められたアーキテクチャを使っています。

Le Wagonを卒業した後はどうされましたか？

データサイエンス・Demo Day

キャンプ卒業後、私はクリスマス休暇前の1週間を使って、できるだけ多くの企業に応募書類を送りました。1月になってメールを見てみると、すでに何人かのリクルーターから返信がきていました。卒業後、わずか2週間半で、京都を拠点とする、東京に新しいオフィスを開設したばかりのAIスタートアップ、Hacarusから仕事のオファーを受けることができたのです。

Hacarusは、非常に興味深いアプローチをしています。エンドユーザーが実際に何が起こっているのかを見ることができるように視覚化できるスパースモデリングと機械学習の手法を用いて、説明可能なAIに焦点を当てています。加えて、会社の雰囲気がとても良いことも、ストレスの多い環境にいた私にとってはとても大切なことでした。この会社の人たちは、上司の目を気にすることなく、自分が携わっている製品が好きだからこそ、素晴らしい結果を出せるのだと思います。

素晴らしいですね。今は、どんな仕事をしているんですか？

今は、コンピュータビジョンの課題に対して、PyTorchを使ってさまざまなモジュールを構築し、再構成するアプローチをとっています。この課題には、モデルが問題の特徴を学習するのを助けるために、いかに効果的に画像に注釈をつけ、前処理をするかという副次的な問題も伴ってきます。これを考慮した上で、再構成を行う、そんな感じの仕事ですね。

Hacarusは本当に魅力的な環境で、新しいスキルを学ぶのに最適な場所です。データサイエンスチームには15～16人のスタッフがいますので、多くの人に声をかけ、学ぶことができます。

今、日本でデータサイエンティストの仕事に就くのは難しいと思いますか？

データサイエンスとデータアナリティクスは、人材需要が急増している分野であり、日本は世界で最もその人材が不足している市場のひとつです。そのため、日本語と英語が話せて、データサイエンスの基本的なスキルを持っていれば、リクルーターからの連絡は必ずくると思いますよ。私は日本語をあまり話せませんが、就職活動を始めてから2週間半でデータサイエンスの仕事に就くことができました。積極的にリクルーターや採用企業にアプローチしてください。そうすれば、必ず素晴らしい職場を見つけることができます。

Arronさん、本日は本当にありがとうございました。あなたの新しいキャリアの旅が最高のものになることを祈っています。