Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
データチームを率いる現場マネージャーが語る、市場が求めるデータエンジニアに爆速で成長する方法
Search
Takaya Nakanishi
September 28, 2022
Technology
0
640
データチームを率いる現場マネージャーが語る、市場が求めるデータエンジニアに爆速で成長する方法
2022年9月27日に開催した Cloud Native DataEngineer Community での登壇資料です。
Takaya Nakanishi
September 28, 2022
Tweet
Share
More Decks by Takaya Nakanishi
See All by Takaya Nakanishi
Databricks Data+AI Summit 2024 最新動向座談会
kc_nakanishi
0
190
20240330_LT資料「エンジニアに求められるマネジメント」
kc_nakanishi
1
250
ナレコム CULTURE DECK
kc_nakanishi
1
830
AI業界をリードする企業のエンジニアが語る:クラウド & AI でキャリアを作る魅力
kc_nakanishi
0
280
受託クラウド AI ベンチャーで働く自分から見た 誰も言わない成功プロジェクトの共通点
kc_nakanishi
0
310
ChatGPTがある時代にわたしたちはどう生きるか
kc_nakanishi
0
180
「AWS 上で始めるモダンデータアアーキテクチャと データ活用に向けたアプローチ」
kc_nakanishi
0
360
ナレコム社内研修資料_プロジェクトマネジメント入門(2022年版)
kc_nakanishi
1
1.2k
Other Decks in Technology
See All in Technology
QAエンジニアが スクラムマスターをすると いいなぁと思った話
____rina____
0
230
【Snowflake九州ユーザー会#2】BigQueryとSnowflakeを比較してそれぞれの良し悪しを掴む / BigQuery vs Snowflake: Pros & Cons
civitaspo
5
1.6k
Codar: Arte ou Ciência?! A Jornada de um DEV na Creator Economy
vclementino
0
160
完璧を捨てろ! “攻め”のQAがもたらすスピードと革新/20250306 Hiroki Hachisuka
shift_evolve
0
170
株式会社Awarefy(アウェアファイ)会社説明資料 / Awarefy-Company-Deck
awarefy
3
12k
4th place solution Eedi - Mining Misconceptions in Mathematics
rist
0
160
早くて強い「リアルタイム解析基盤」から広げるマルチドメイン&プロダクト開発
plaidtech
PRO
1
120
OPENLOGI Company Profile
hr01
0
60k
人生を左右する「即答」のススメ: 一瞬の判断を間違えないためにするべきこと
takasyou
9
1.2k
20250304_赤煉瓦倉庫_DeepSeek_Deep_Dive
hiouchiy
2
150
アジリティを高めるテストマネジメント #QiitaQualityForward
makky_tyuyan
1
540
AIエージェント入門
minorun365
PRO
35
20k
Featured
See All Featured
RailsConf & Balkan Ruby 2019: The Past, Present, and Future of Rails at GitHub
eileencodes
134
33k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.5k
Why Our Code Smells
bkeepers
PRO
336
57k
Producing Creativity
orderedlist
PRO
344
40k
The Straight Up "How To Draw Better" Workshop
denniskardys
232
140k
Designing Experiences People Love
moore
140
23k
Site-Speed That Sticks
csswizardry
4
420
Measuring & Analyzing Core Web Vitals
bluesmoon
6
270
Designing for Performance
lara
605
68k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
33
2.8k
Why You Should Never Use an ORM
jnunemaker
PRO
55
9.2k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
29
1.1k
Transcript
データチームを率いる現場マネージャーが語る、 市場が求めるデータエンジニアに爆速で成長する方法 株式会社ナレッジコミュニケーション ビジネス・デベロップメント部 中西 貴哉 2022年9月27日 Cloud Native DataEngineer
Community 第1回イベント
自己紹介 氏名 : 中西 貴哉 (なかにし たかや) 所属 : ビジネス・デベロップメント部
マネージャー (何でもやる) 担当 : セールス-運用までのエンジニアリングチームのマネジメント 2 データエンジニアを目指す方にオススメな資格 (自分が保有しているもの)
1 2 3 Agenda データエンジニアの ニーズ クラウドネイティブ になるメリット 経験 をどう獲得するか?
3
市場が求めるデータエンジニアになる3つのキーワード クラウド 経験 ニーズ 4
ニーズ
データプロジェクトの実情 6 85% のビッグデータプロジェクトは失敗 実は・・・
7 ML code データ収集 データ検証 環境構築 自動化 特徴量エンジニアリング テストと デバッグ
モデル評価 プロセス設計 モデル提供 インフラ構築 メタデータ管理 リソース マネジメント Hidden Technical Debt in Machine Learning Systems (Sculley et al. 2015) より作成 「分析」そのものは全体のごく一部
データプロジェクトの登場人物 8 ▪ コラボレーション、機械学習の実 験、再現性・再利用性を担保 ▪ データプレパレーション、特徴量 抽出 ▪ 機械学習時間、モデル精度に
対する最適化 ▪ 最新のツールや最新アルゴリズ ムの導入と適用 ▪ 常に正確で信頼できる最新 データにアクセスすることを担保 ▪ データチームがアクセスするデータ の定義と管理者の明確化を推 進 ▪ データガバナンスの統合的な管 理を推進 ▪ 各プロセス処理の動作担保 ▪ 各種ユースケースへの対応 (リア ルタイム, バッチ) ▪ 性能、データ品質の担保 ▪ 新しいデータソースへの対応 ▪ スキーマチェックとカラム変更時の 対応 ▪ 変更時のデプロイ先アプリへの対 応 ▪ ニーズに合わせた環境構築 ▪ 環境ごとの一貫性の担保 ▪ コアデータの複数チームへの共有 ▪ テスト、ダウンタイム、品質管理 ▪ 各種コンフィギュレーション管理 ▪ コスト管理、各種自動化 ▪ システム環境の運用保守 データ/MLエンジニア データスチュアード 運用管理担当 データサイエンティスト
9 ML code データ収集 データ検証 環境構築 自動化 特徴量エンジニアリング テストと デバッグ
モデル評価 プロセス設計 モデル提供 インフラ構築 メタデータ管理 リソース マネジメント Hidden Technical Debt in Machine Learning Systems (Sculley et al. 2015) より作成 広範な技術領域をカバーする必要がある データ/MLエンジニア データサイエンティスト 運用管理担当 運用管理担当 データスチュアード
実際のところ・・・ 10 ML code データ収集 データ検証 環境構築 自動化 特徴量エンジニアリング テストと
デバッグ モデル評価 プロセス設計 モデル提供 インフラ構築 メタデータ管理 リソース マネジメント Hidden Technical Debt in Machine Learning Systems (Sculley et al. 2015) より作成 データ/MLエンジニア
クラウド
なぜクラウドネイティブか? 12 ML code データ収集 データ検証 環境構築 自動化 特徴量エンジニアリング テストと
デバッグ モデル評価 プロセス設計 モデル提供 インフラ構築 Hidden Technical Debt in Machine Learning Systems (Sculley et al. 2015) より作成 リソース マネジメント メタデータ管理
クラウドの理解と活用で大半はカバー可 13 ML code データ収集 データ検証 環境構築 自動化 特徴量エンジニアリング テストと
デバッグ リソース マネジメント モデル評価 プロセス設計 モデル提供 インフラ構築 メタデタ管理 メタデータ管理 Hidden Technical Debt in Machine Learning Systems (Sculley et al. 2015) より作成
クラウドネイティブで始めるメリット 14 「答え」が提供されている 価値のある課題に集中できる
アーキテクチャの模範解答 15 Azure Machine Learning を使用した Python モデル用の MLOps AWS
ソリューションライブラリー MLOps Workload Orchestrator AWS Azure
ビジネス領域へのアプローチ 16 製薬 流通 流通 All All All All All
金融 金融 製造 金融 製造 通信 公共 製薬 製薬 All All All All All All 金融 All データブリックス社の公開するソリューションアクセラレータ 現場の分析アプローチが Notebook 形式で公開
経験
不確実性の高い時代に求められる学び 18 これまで これから 絶対解 知識の蓄積 計画的な学習 資格取得 最適解 知識の更新
スピード学習 ラーニング
市場価値を上げる人のアプローチ 経 験 多 少 少 多 学習の量 経験偏重 発展途上
学習偏重 成長する 働き方 仕事から学び 学 び か ら 仕 事
どんな経験も活かせます 20 経験 活きる場面 営業 運用 数理知識 ドメイン理解 MLOps モデル開発
チーム内での経験と学習の両立 21
まとめ クラウドネイティブになれる データプロジェクトに飛び込もう!
カジュアル面談やってます エントリーページ