Data Science

現役の NVIDIA ソリューション アーキテクトが推薦する AI の学習法とは?

Reading Time: 2 minutes

AI エンジニアになりたい、データ サイエンティストになりたい、あるいはもっと広い意味で 「AI に関わる仕事」に就きたいと願う学生や企業にお勤めの方は少なくありません。しかし、「AI に関わる仕事」とは具体的にどのような仕事があるのでしょうか? また、どのような勉強や経験を積めばそういった職種に就くことができるのでしょうか? 一口に「AI に関わる仕事」と言っても多種多様な職種があり、ご自身のキャリアを描くのに苦労している方もいらっしゃるのではないでしょうか。

本記事では、筆者にとって身近な NVIDIA の「ソリューション アーキテクト (以後、SA)」の仕事内容と彼らのバックグラウンドを紐解くことで「AI に関わる仕事」への道のりを探って参ります。

ソリューション アーキテクトとは?

本記事の執筆に協力してもらった同僚の SA は、AI アプリケーションを開発する AI エンジニアやビッグ データを分析することを主業務とするデータ サイエンティストとは違った職種の人たちです。一般的には、自社のシステムのノウハウを生かし、顧客へより良いサービスの提案や問題解決を行う専門家のことを SA と呼んでいます。NVIDIA の場合、AI に関連する製品やサービスが多いため、SA の多くが「AI に関わる仕事」をしています。

NVIDIA のソリューション アーキテクトの仕事と求められる能力

実際に NVIDIA が募集している SA の典型的な求人情報を見てみましょう。*1 ヘルスケア担当の求人を例に挙げると、営業部門と連携し、顧客の目標、戦略、技術的なニーズを深く理解し、これらのニーズを満たす質の高いソリューションを定義し、提供することを支援することです。また、ヘルスケアまたはライフサイエンスと医療データの処理に関する専門知識と同時にディープラーニングや機械学習をヘルスケア プロセスに適用する方法について理解していることが求められています。

つまり、NVIDIA の SA には、ある分野の高い専門知識と AI をその分野に活かす方法の両方の知識が必要とされています。

AI を学ぶ上で重要なことは理論と実践

NVIDIA の SA は、担当する分野の知識以外に AI についても詳しくないといけませんが、彼らは NVIDIA に入社するまでにどのように AI を学んできたのでしょうか? 実際に 30 代 ~ 40 代の社員から簡単なアンケートを取りました。

まず、ほとんどの社員が大学のコンピューター サイエンスや情報系の学部でプログラミングをはじめ、学部在籍中に AI についても勉強を始めていました。80% の社員が大学の授業等を通じて AI に関する知識を習得したようです。少数派ですが、企業に就職してから、業務の中で AI を学んだという社員もいました。「AI に関わる仕事」に就くには、大学で AI の勉強を始めることが近道である一方、社会人になってから業務を通して AI についての技術や知識を高めることも可能なようです。

AI を学ぶ上で重要なことを聞いたところ、「コードを実行することが重要なことのひとつ」、「練習することが最も重要であり、小さな目標を設定し、小さな PoC を構築する」、「手を汚すことが一番大事。継続は力なり」といった実践や演習を重視する声が多く挙がりました。また、「コーディングと読書」、「理論と演習による実践の両方が重要で、特に実践は理解を深めるために必要」といったように、座学で得た理論を知識として定着するうえで演習に取組むことを推奨する声がありました。

現役ソリューション アーキテクトが推薦するハンズオン ワークショップ 

アンケートに協力した SA の担当分野は ヘルスケア、自律マシン、対話型 AI、レコメンダー システムなど様々ですが、理論と実践をバランスよく学ぶことが AI を学ぶ上で重要だと答えていました。そんな彼ら自身も学習に活用している NVIDIA のハンズオン ワークショップが 3 月 22 日 (水) と 24 日 (金) に開催されます。その名も 「Deep Learning Institute (DLI)」の開催する講師によるワークショップです。

DLI 認定講師によるワークショップの主な特徴は以下の通りで、NVIDIA が独自に作成した教材と Jupyter Notebook 上からアクセスできる穴埋め式の演習を 1 日かけて学びます。コンピューター リソースはクラウド上にあり、手元に GPU マシンをご用意いただく必要はありません。

DLI 受講のメリット:

  • 認定講師による丁寧な解説。ティーチングアシスタントによる学習、演習の手厚い支援。
  • 半年間アクセスできるクラウド上の優れた教材と演習環境。
  • 理解度テストに合格すると履歴書や SNS に書ける修了証を授与。

また、 GTC の期間中に受講すると通常の 70% 割引価格: 149 ドル (約 2 万円相当) で参加することができます。1 日かけて座学と受講後も復習ができる演習環境、さらには修了証もセットになったワークショップとしては、他社に比べて非常にリーズナブルな価格設定となっています。

※さらに、5 名以上でお申込いただくと 1 名あたり 99 ドルでご参加いただけます。ご参加のお申込はこちらから。

今回、日本語で開催されるワークショップは 2 つあり、どちらも AI を学んでいる方に非常におすすめの内容です。4 月から新年度という方も多いこの時期に、新しいことに挑戦してみるのはいかがでしょうか?

最後までお読みいただきありがとうございました。ワークショップの詳細は以下をご覧ください。

はじめてディープラーニングを学ぶエンジニアや学生にぴったり「ディープラーニングの基礎」[DLIW52083]

このワークショップではコンピューター ビジョンにおいて、ディープラーニング モデルをゼロから学習させ、精度の高い結果を実現するためのツールとコツを学びます。また、AI アプリケーションを開発するビジネスの現場で活用が増えている転移学習についての技術を習得することも可能です。ワークショップの詳細はこちらから。

日程: 3 月 22 日 (水)
時間: 午前 10:00 – 午後 6:00
費用: 149 ドル (通常 500 ドル)
言語: 日本語
定員: 100 名
難易度: Python の基礎的なプログラミング概念を理解していれば受講可能です。

話題の Chat AI の基礎技術が学べる! 「Transformer ベースの自然言語処理アプリケーション構築」[DLIW52084]

自然言語処理の応用が近年加速度的に進んでおり、その立役者は Transformer ベースの大規模言語モデルです。このワークショップに参加することで、学習済みモデルを活用してテキスト分類、NER (固有表現抽出) 、質疑応答などのタスクに対応する方法が学べます。ヘルスケア分野の論文が演習問題で使われており、医療関係者の方にもおすすめです。ワークショップの詳細はこちらから。

日程: 3 月 24 日 (金)
時間: 午前 10:00 – 午後 6:00
費用: 149 ドル (通常 500 ドル)
言語: 日本語
定員: 40 名
難易度: Python やディープラーニングフレームワークの使用経験、およびニューラルネットワークに関する基礎的な理解があれば受講可能です。

脚注 *1 View Job Position Details Solution Architect, Healthcare

Tags