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

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