Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
データサイエンティスト養成読本 ビジネス活用編のこぼれ話と エンジニアとデータサイエンティストのコラボ について 2019/06/12 みんなのPython勉強会#46
Slide 2
Slide 2 text
誰? ● 名前 : 伊藤 徹郎 (@tetsuroito) ● 所属 : Classi株式会社 データAI部 ● 属性:データサイエンティスト ● マイブーム:スパイスカレー ● コミュニティ ○ Data Analyst Meetup Tokyo ○ Machine Learning Casual Talk ○ Data Pipeline Casual Talk など
Slide 3
Slide 3 text
会社の宣伝
Slide 4
Slide 4 text
会社の宣伝
Slide 5
Slide 5 text
先週の話 ワタクシ
Slide 6
Slide 6 text
今日の話 ● 去年出版した書籍(技術評論社) ● DS養成読本シリーズ5作目 ● 10人の著者によるオムニバス形式 ● 主な内容 ○ 分析PJあるある ○ ちょっとしたTips (Pythonどころかコードは1行も出てきません) 私が著者代表の一人です
Slide 7
Slide 7 text
何が書いてあるの?
Slide 8
Slide 8 text
何が書いてあるの? 分析プロジェクトの 機能要件ではなく、 非機能要件でつまづきや すいポイントのポエム
Slide 9
Slide 9 text
養成読本関連は色々記事あるので、そっち見て
Slide 10
Slide 10 text
閑話 休題
Slide 11
Slide 11 text
● 相手の言動の真意を理解する ● 自分の言動を相手がどう捉えているかを理 解する ● 育った環境や価値観が異なる人と働くとき に、行き違いや誤解を生むことなく、確かな 信頼を築く技術 異文化理解力の重要性
Slide 12
Slide 12 text
最近のチームでも異なる文化の職種が多い マネジメント マーケティング エンジニアリング 製造・開発 サポート 販売 デザイン データサイエンス
Slide 13
Slide 13 text
データサイエンスとエンジニアリングの違い PoCやプロトをプロダクションに乗せたい 引用: https://towardsdatascience.com/research-oriented-code-in-ai-ml-projects-f0dde4f9e1ac
Slide 14
Slide 14 text
データサイエンスとエンジニアリングの違い PoCやプロトをプロダクションに乗せたい 引用: https://towardsdatascience.com/research-oriented-code-in-ai-ml-projects-f0dde4f9e1ac コードのリファクタリングまった なし!
Slide 15
Slide 15 text
● 環境が同期してなくて動かない ● Pythonっぽくないコードの書き方 ● 何を計算しているかよくわからない ● それ必要?.pyの存在 ● Pandasが使われていてメモリが... ● 運用って言葉知ってますか? ● テストコード is どこ etc ... データサイエンス系のコードのリファクタがむずい *フィクションです
Slide 16
Slide 16 text
リファクタリングの理解が噛み合わない例 エンジニア データサイエンティスト 可読性・効率・高速化 などのためにリファクタ Jupyterの途中結果消して 綺麗にすればいいんでしょ?
Slide 17
Slide 17 text
● 相手の言動の真意を理解する ● 自分の言動を相手がどう捉えているかを理 解する ● 育った環境や価値観が異なる人と働くとき に、行き違いや誤解を生むことなく、確かな 信頼を築く技術 (再掲)異文化理解力の重要性
Slide 18
Slide 18 text
● 相手の言動の真意を理解する ● 自分の言動を相手がどう捉えているかを理 解する ● 育った環境や価値観が異なる人と働くとき に、行き違いや誤解を生むことなく、確かな 信頼を築く技術 (再掲)異文化理解力の重要性 お互いに背景を理解する 努力をしましょう!
Slide 19
Slide 19 text
コミュニケーションをきちんととる ● SlackなどでHRTにもとづき、普段から会話する ● 心理的安全にもとづいた雑談ちょー大事 ● 顔を合わせて会話する機会を作る ● 炎上しない優しいPull Request ● コードを憎んで人を憎まず ● 実装意図とか、その人の書き方の好みとかを知る
Slide 20
Slide 20 text
Google Colabでペアプロしてみる
Slide 21
Slide 21 text
機械学習や理論の勉強会をしてみる
Slide 22
Slide 22 text
達成したい目的 解決したい課題 同期 実装
Slide 23
Slide 23 text
● 近年の現場では多様な背景のメンバーが多い ● データサイエンスPJの場合も例外じゃない ● それぞれのコンテキストを読み取ろう ● 粒度を変えてもそれは起きうる ● 目的を念頭に適切なHowを選択しよう まとめ
Slide 24
Slide 24 text
最後に PyCon US 共有会やるので、来てね!
Slide 25
Slide 25 text
ご静聴 ありがとう ございました