Tweet
Tweet

Slide 1

Slide 1 text

エバンジェリスト というキャリア - Software Engineer として - 畠山 大有 | Daiyu Hatakeyama Architect && Software Engineer && Applied Data Scientist Microsoft Japan /dahatake @dahatake /in/dahatake /dahatake /dahatake /dahatake 明治大学 データサイエンス・AI に関するオムニバス授業

Slide 2

Slide 2 text

Software Engineer as Profession 1.

Slide 3

Slide 3 text

コンピューターのできる事 自動化 同じ作業を繰り返す Data 化 (Digitize) 保存する プログラミング 入力 人が指示した通りにしか動かない Low-Code, No-Code / RPA (End User Computing) AI による Data 作成

Slide 4

Slide 4 text

自動化 同じ作業を繰り返す Data 分析 機械学習 シュミレーション (デジタルツイン / メタバース) 事業・社会 実装の 経験者 が 乏しい Data 化 (Digitize) 保存する

Slide 5

Slide 5 text

自動化 同じ作業を繰り返す Data 分析 機械学習 シュミレーション (デジタルツイン / メタバース) Data 化 (Digitize) 保存する Infrastructure Engineer / Security Engineer / Network Engineer Database Administrator Software Engineer (≒ Programmer) Data Engineer (Applied) Data Scientist 専門性が大きく異なる!

Slide 6

Slide 6 text

仕事はテクノロジーの登場と同時に 作られるわけじゃない。 それを社会・企業が必要としてから Infrastructure Engineer / Security Engineer / Network Engineer Database Administrator Software Engineer (≒ Programmer) Data Engineer (Applied) Data Scientist 1946 ENIAC 世界初の電子計 算機 1964 IBM System 360 1969 UNIX 1995 Windows 95 1983 Teradata 2012 Google, Deep Learning Prompt Engineer 2022 OpenAI, ChatGPT

Slide 7

Slide 7 text

私の エバンジェリスト時代 2.

Slide 8

Slide 8 text

ソフトウェア エンジニア 嗜好は変わらず 書籍 データ作成 大学卒業 現在 企業システムの 設計(SE)・開発(PG) MSN サービス運用 エンジニア 法人営業 顧客担当 エンジニア テクニカル エバンジェリスト 法人営業 技術担当 エンジニア 利用者 マーケティ ング セールス ものづくり サービス 提供 転職1 転職2 全てが 今と今後 活きてくる 知識・経験・ネットワーク

Slide 9

Slide 9 text

仕事としての エバンジェリスト 3.

Slide 10

Slide 10 text

Evangelist (エバンジェリスト) もともとはキリスト教の「伝道者」の意で、ITのトレンドや技術について、ユー ザーやエンジニアなどに分かりやすく説明し、啓蒙する Advocate (アドボケート) 主唱者、唱道者、代弁者 言葉の変遷から… こちらのタイトルが使われている

Slide 11

Slide 11 text

華やかな場が多い でも、それだけでは 務まらない

Slide 12

Slide 12 text

Advocate の Job Description から

Slide 13

Slide 13 text

Advocate の Job Description から コンテンツ (プレゼン・デモアプリ・Blog・動画) 作成 社外の Community との繋がり 社内の Product/Engineering Team との繋がり 社外の Community との繋がり 社内の Product/Engineering Team との繋がり

Slide 14

Slide 14 text

Advocate の Job Description から Deep Learning 経験 Community でのセッション経験 ネットでの Output デモンストレーション 社外の Community との繋がり Technical 認定資格保持者

Slide 15

Slide 15 text

見えてくる必要なスキルセット コンテンツ (プレゼン・ デモアプリ・Blog・動画) 作成 社外の Community との繋がり 社内の Product/Engineering Team との繋がり Deep Learning 経験 Community などでのセッション経験 ネットでの Output Technical 認定 資格保持者 Marketing Technical Presentation Communication

Slide 16

Slide 16 text

熊本 クラウド勉強会 福島 青森 仙台 ラスベガス での現地セミナー 業界 イベント 講演 社外の Community との繋がり

Slide 17

Slide 17 text

社内の Product/Engineering Team との繋がり

Slide 18

Slide 18 text

コンテンツ (プレゼン・デモアプリ・Blog・動画) 作成 “Azure Machine Learning は、機械学 習プロジェクトのライフサイクルを加速およ び管理するためのクラウド サービスです。 機械学習のプロフェッショナル、データ科 学者、エンジニアが、このサービスを日常 のワークフロー (モデルのトレーニングとデプ ロイ、MLOps の管理など) に利用できま す。” 禁則処理 図表の並べ方 1) AutoML 2) MLOps 3) DevOps 知財

Slide 19

Slide 19 text

コンテンツ (プレゼン・デモアプリ・Blog・動画) 作成 セッション後、参加者にどうなってもらいたいのか? 参加者はどういう方々なのか? セッションを最後まで聴いてもらえるために、 何が必要か?

Slide 20

Slide 20 text

/dahatake @dahatake /in/dahatake /dahatake /dahatake [email protected] ネットでの Output

Slide 21

Slide 21 text

/dahatake @dahatake /in/dahatake /dahatake /dahatake [email protected] ネットでの Output

Slide 22

Slide 22 text

意識をしたい点 4.

Slide 23

Slide 23 text

プレゼンのプロ だけでは務まらない

Slide 24

Slide 24 text

プレゼンした技術・製品・サービスが、 どれだけ長く使えるのか? キュレーター・コンサルタント

Slide 25

Slide 25 text

No content

Slide 26

Slide 26 text

https://www.blackrockblog.com/2015/12/11/economic-trends-in-charts/ 技術が広まるスピードは加速の一途

Slide 27

Slide 27 text

世界最速で 月間アクティブユーザー １億人達成

Slide 28

Slide 28 text

Disconnected Always Connected ・・・・・・・〉 ・・・・・・・〉 One Size Fits All Personalized / Flexible ・・・・・・・〉 Transactional Data Real-time Intelligence ・・・・・・・〉 Single Channel Omni-channel ・・・・・・・〉 Owned Shared 高速化の要因と考えられるもの

Slide 29

Slide 29 text

29 取って代わられた (つつある) 技術 昔 今 真空管 トランジスタ 磁気テープ 磁気ディスク 磁気ディスク フラッシュメモリ 固定電話 携帯電話 携帯電話 スマートフォン

Slide 30

Slide 30 text

Blog にした https://qiita.com/dahatake/items/56dd1d5cc7bf45afd9dd https://qiita.com/dahatake/items/c34031c6eb0f800d313e

Slide 31

Slide 31 text

進化が早い とはどういう意味か? キュレーター・コンサルタント

Slide 32

Slide 32 text

写真 or AI 生成? 答えはAIが描いた絵です モデル Midjourney v5 プロンプト Editorial style photo, medium closeup shot, off - center, a young french woman, brunette, sitting, black gucci dress, diamond necklace, Art Deco Dining Room, Marble Table, Velvet, Brass, Mirror, Intricate Tile Work, Jewel Tones, West Elm, Chandelier, Restaurant, Evening, natural lighting, Fujifilm, Luxurious, Historical, 4k 画像引用：Nick St. Pierre（@nickfloats）さん / Twitter

Slide 33

Slide 33 text

人工知能 機械学習 ディープラーニング 1956 人工知能 人間の知性を複製または超えることができるインテリジェントな 機械の作成を目指すコンピュータサイエンスの分野 1960 機械学習 機械が既存のデータから学習し、そのデータを改善して 意思決定や予測を行うことを可能にするAIのサブセット 2012 ディープラーニング ニューラルネットワークの層を使用してデータを処理し、 意思決定を行う機械学習技術 2021 ジェネレーティブ AI プロンプトまたは既存のデータに基づいて、新しい書類、画像、 および音声のコンテンツを作成 ジェネレーティブ AI

Slide 34

Slide 34 text

• OpenAIが2022年11月に プロトタイプと して公開 幅広い分野の質問に詳細な回答を生成できることから注目を 集めた ChatGPTのリリース後、OpenAIの評価額は290億米ドルと なり、2021年時の140億ドルと比べて2倍以上増加 出来る事 ≒ GPT3.5, GPT-4 の出来る事 文章生成 文章の変換: サマリー作成、翻訳、フォーマット変換 など 特徴 チャットベースのインターフェース: ユーザーが途中介入できる 初歩的なガードレール: 差別や偏見などの検知 コンテキスト: 以前のコンテントを記憶できる ChatGPT https://arxiv.org/abs/2303.08774 https://openai.com/research/gpt-4

Slide 35

Slide 35 text

GPT が文章を作成する仕組み 日本 の 首都 は GPT 東京 入力されたテキストからし、最も確率の高いと推論される次の文字列を生成 95 12.5 6.8 0.1 0 50 100 東京 京都 奈良 … 次の単語の出現率(%) ※ 説明のための、かなり抽象化した表現です。実際の処理とは異なります 事実関係でなく出現確率である点に注意

Slide 36

Slide 36 text

文章生成系 分類系 ChatGPT で出来るタスク 従来からのタスクは精度が向上し、新たに文脈理解・文章生成系タスクができるようになった 要約 小学生にも分かるように 300文字程度で要約して 感情分析 喜び/怒り/悲しみの感情を 0~5で表現して エンティティ分析 場所/人物名/組織名を 抽出して キーフレーズ抽出 次の文章の重要なフレーズ を抽出して インサイト抽出 次のレビューから商品の 改善点を考えて 校正 誤字/脱字/タイプミスを 見つけて 添削/評価 〇〇の基準で10点満点で 評価して 翻訳 次の文章をフォーマルな 日本語に翻訳して 問題作成 次の文章から4択問題を 作成して コード作成 OpenAIのAPIを実行する コードを書いて アイデア創出 人気の出るブログの 内容案を提案して 記述アシスタント このメールの日程調整をする メールを書いて 情報検索 WEBアプリの要件定義に ついて教えて 情報抽出系 文脈理解系 チェック系 翻訳系 従来からできるタスク 新しくできるタスク テキスト分類 次のニュース記事の カテゴリを教えて 思考の壁打ち 〇〇という考えで抜けている 点を指摘して

Slide 37

Slide 37 text

プロジェクトの文脈に即した コードを提案 コメントをコードに変換 繰り返しコードを補完 代替手段を提示 Github Copilot

Slide 38

Slide 38 text

Coding の現場 ドキュメントと各種サンプルコードを読み込んで 挙動と 使い方を理解する With Search サンプルコードをネットで探す。 知財に注意しながら コピペして動かす 動かないと、 エラーメッセージを基に ネットで探す With LLM ChatGPT でプロトタイプ作る (もしくは) Visual Studio Code で やりたい事をコメントに書く 動かす 動かないと、 Codex の 「fix it」で 修正させる

Slide 39

Slide 39 text

ChatGPT + GPT-4 が 突破した壁 コンピューターが使いずらい。 スマホ や、GUI +マウスであっても Conversational UI 言葉での対話。対話の中での微調整 モデルのカスタマイズに時間を要した In-Context Learning その場で 誰でも使える 対応の速さ 日本語対応を待つ必要があった タスク専用のモデル選択 Universal Model 単一モデル 日本語対応などの高い汎用性

Slide 40

Slide 40 text

役割 (Role) • ソフトウェアエンジニ アとして振舞ってく ださい • ジャーナリストとして 振舞ってください • 営業として 振舞ってください • 英語の教師として 振舞ってください ゴール (Instruction) • 詩を書いてください • Web ページのコード を作成してください • Blog を書いてくだ さい • 文章を 要約してください • 5歳児でも分かるよ うに説明をしてくだ さい 追加情報 (Content) • 以下の情報を基に 要約をしてください • 以下のデータを基 にして、xxx の各項 目を埋めてください • 以下のテキストを 基にして、既存の 表に列を追加して ください 作風 (format #1) • ポエム調に • フォーマルな書式で • 短い文章で 出力書式 (format #2) • Python のコードで • HTML で • 絵文字も付けて • 表形式で • マークダウンの形式 で • 数字のリストで 意図を伝えるための Tips / Cheat Sheet - Meta Prompt -

Slide 41

Slide 41 text

Blog と Prompt のサンプルを公開した dahatake/ChatGPT-Prompt-Sample-Japanese: ChatGPT の Prompt のサンプルです。 (github.com) [ChatGPT Hack] 要件定義からプロトタイプ作成。そして Azure への Deploy までを ChatGPT に作らせた - Qiita

Slide 42

Slide 42 text

学び続ける姿勢 トレーナー

Slide 43

Slide 43 text

出典：大人の学びの環境が激変 「学ばない人」は取り残される：日経xwoman (nikkei.com) これからの学習スタイル Online 学習 Hands-on マイクロ ラーニング Hackathon Ideathon 自律的 これまでの画一的な学習スタイル 受け身 スタイル 座学 中心 長時間 課題 解決型 必須 （義務） デジタル化の加速により、AIやロボットに置き換えられる仕事が増加。 一つのスキルが長持ちせず働く環境の変化のサイクルが短期化し ている今、いくつになっても時代に合わせて学び続けることが重要。 学びの環境が激変「学ばない人」は取り残される 学びの環境の変化とDX時代の学びのパターン

Slide 44

Slide 44 text

スキル と キャリア の観点で 出典：The 100-Year Life, Deloitte University Press 学ん だ 技 術の半減期 は 5年 <5年 キャリア年数 60年 ⇒ 70年 出典：A New Culture of Learning 「学んだ技術の半減期は5年」つまり、10年前に学んだことの多くは 廃れて、5年前に学んだことの半分は無意味になってしまう。 言語や概念など、基礎知識・スキルの有効期間は極めて長い

Slide 45

Slide 45 text

聞いただけだと 5% の人しか覚えていない http://thepeakperformancecenter.com/educational-learning/learning/principles-of-learning/learning-pyramid/

Slide 46

Slide 46 text

座学 と 体験型(ワークショップ) の違い 伝 え る 課題 実感 相談 フィードバック 振り返り 試行錯誤 Input Output 座学 体験型 一緒に 解く 相談 指導者 ・スピーカー ファシリテーター Teaching Coaching

Slide 47

Slide 47 text

最後に 5.

Slide 48

Slide 48 text

学生のうちにやっておきたいコト • とにかく コーディング をしまくる • とにかく Deep Learning のモデルを作りまくる • とにかく DevOps ツール (GitHubなど) を触りまくる • それを Blog や GitHub に公開しまくる 費やした時間は必ず 自分の糧となる

Slide 49

Slide 49 text

学生の皆様向けの Microsoft の技術トレーニング 認定資格はグローバルで共通 社会人とも共通 Student Hub - 学生の認定資格 | Microsoft Learn

Slide 50

Slide 50 text

1 2 3 高品質な17,000のコース （日本語は900コース以上） ビジネス、テクノロジー、クリエイティブなどの多様なカテゴリー から成る学習コースをご提供 データに基づいたコース設計と パーソナライゼーション機能 リンクトインの会員データをもとにコース開発を実施 リンクトインプロフィール情報（スキル、経験等）に 基づいた推奨コースをAI機能を使い受講者に表示 マイクロラーニング 短時間でPC・モバイルからいつでもどこでも受講可能 LinkedIn ラーニング

Slide 51

Slide 51 text

Microsoft Learn Step-by-Step Achievements スムーズな学習環境 ▪ 無料 ▪ 日本語対応 ▪ ブラウザーのみでOK ハンズオン環境も含めて ▪ ダウンロード可能なサンプルコード ▪ Product/Service, 技術レベル, job role, などに応じたガイダンス ▪ Video, チュートリアル, ハンズオン ▪ スキルアップを促す ▪ ユーザー プロファイル毎に カスタマイズ www.microsoft.com/learn

Slide 52

Slide 52 text

今後の予定 + 過去のもの 日本全国 無料セッション動画・資料 Microsoft Event & Seminar www.microsoft.com/ja-jp/events

Slide 53

Slide 53 text

© Copyright Microsoft Corporation. All rights reserved. Invent with purpose.