筋肉で解決しないために。

日々出会うモノに対する考察をしたり、主に以下のテーマに関して書いています。 データサイエンス/人工知能/AI/機械学習/DeepLearning/Python//数学/統計学/統計処理

Machine Learning Team Building Pitchに参加してきました[資料あり]

f:id:watarumon:20190328190052p:plain

Machine Learning Team Building Pitchに参加してきましたので、 感想と資料共有エントリになります。

connpass.com

会場はこんな感じ

f:id:watarumon:20190328190829j:plain:w400

目次

LT1 データとやりたいことがないのに機械学習屋を採用するな / 私たちはこうやっていまのチームを作り上げた

メモ

  • その会社にあるデータはなんなのか(そのデータの強み、弱み)、それをどうしたいか、を明確にすることがまずは基本
  • データ収集が先!モデリングがあと!
  • 研究室にパイプを作ってそこから学生を引っ張ってくる
  • チーム初期は強みが被らない様にする(マネジメント、数学、実装...)

研究室にパイプを作ってそこから学生を引っ張ってくるってすごいですね、弊社もそれやりたい...

LT2 顧客に価値を提供する “ラボ” チームとは

メモ

  • データ分析、機械学習を中心にやることが多すぎる
    • 何が、誰が足りてないか考えて、フォーメーションを組む。
      • とはいえ、個人技頼みになってしまった。
        • 仕事が個人競技という認識を捨て、スクラムを組む。何にフォーカスすべきかを明確にする。
  • 他のチームに依存せず、協力できる関係を作る。価値提供のためのフィーチャーチームを作る

紹介されていた参考図書

大規模スクラム Large-Scale Scrum(LeSS) アジャイルとスクラムを大規模に実装する方法

大規模スクラム Large-Scale Scrum(LeSS) アジャイルとスクラムを大規模に実装する方法

LT3 クックパッドと研究開発部門(特に機械学習周り)について。

speakerdeck.com

メモ

紹介されていた参考図書

LT4 AI・機械学習立ち上げ(2017年7月)から中長期計画(2021年3月)-採用、チーム構成、プロダクト、マネジメントについて。

メモ

  • エムスリーのAIチームはML engではありません。
  • 目指すチーム
    • ◯十億円規模の利益貢献を目指す
  • 強いって何
    • 高い専門性と広い周辺知識、エンジニアリング力...
    • 強い人が無名のチームに入るわけはない。
      • 外部へ向けて情報発信をする。登壇準備ドリブンで。
  • 強い人と面白いプロダクトを作りたい!と思ってもらえる様にする
  • 最初のプロダクトを成功させることが重要
    • スモールで始める
    • 2番目のプロジェクトは1番目と近い領域に。
  • 優秀な人事がとても重要

自身が強くなることと、優秀な人事を見つけることがキーだと感じました。

パネルディスカッション

抜け漏れあると思いますので...

  • Q.機械学習エンジニアって他のエンジニアと違うの?デプロイ等々の分担ってどうしてる?

    • あまり違わないと思う。スクラム組むよりそれぞれ得意なことをやったほうが良いと思う(@m_nishiba)
    • 機械学習は誰でも触れる時代になった時に、それでも差別化できるスキルはあると思っている(@taison124)
  • Q.採用は大変?

    • 採用はめちゃめちゃ大変です。エンジニアリングとサイエンス力が両方高い人はなかなかいないので。どちらかが高い人を採用してもう片方は入社してから伸ばして欲しいと考えている。(@taison124)
  • Q.スクラムやってますか?

    • 昔はスクラムしていたがやめた。機械学習タスクは高いスキルが必要でワークしなかった(@r_takahama)
  • Q.中途半端な知識を持っている人からチームを守る方法は?

    • 会社の規模によるが、きちんと戦えば良いと思う。(@r_takahama)
    • 自分たちで全部できる様になる。中途半端な人の知識を凌駕する。または、その人と相乗効果を出せる状況を作ることが大事だと思う。(@m_nishiba)
  • Q.できる様になった時にやめちゃう問題について

    • 魅力的なチームを作るしかない。でもやっぱりは辞めちゃう人はいる。キャリアアップしてくれるならそれで良い。(@m_nishiba)
  • Q.機械学習人材の年収バブルへの対処法は?

    • 数年前のゲーム人材と同様な様相。愚直に技術者としての魅力を出していくしかない。(@taison124)
    • 環境もあるが、全ての会社が給料出せる様になって、機械学習エンジニアがプロダクトをきちんとプロダクトに価値を出していけば、全員が高給になることもあるのでは?(@r_takahama)
    • 落ち着いていくと感じている。転職ばっかりするのはやはり良くないと思っていて、会社毎に存在する様々な前処理に慣れてから機械学習エンジニアはバリューを出せると思っている。転々としていると、本人の価値が上がっていかないと思っている。(jharashima)
  • Q.ドメイン知識を持った上で、プロダクトの課題抽出が重要だと考えているが、これはどなたが考えているのか

    • 半分は多部署、半分は自分たち。(jharashima)
    • プロダクトマネージャーの勉強をしている。誰がどこをやる、ではなく全員が考えていくことが大事だと思う。(@m_nishiba)
  • Q.MLチームの目標設定について

    • 利益目標がある。ストレッチ目標がある。(@m_nishiba)
    • 評価は(機械学習という性質上)不確実性が高いので難しい、やってみないとわからない部分が多い。技術的な難しさを理解するテックリードをつけた。(jharashima)
    • 何をやったかを愚直に話すことで評価している。(@taison124)
    • 基本的に他人の評価をしない。会社の成長が個人の給料に反映される。サボる人はいない採用をしている。目標設定は重要かもしれない。(@r_takahama)
  • Q.多くのエンジニアはお金(利益)を目標にすることに抵抗感があるのでは?

    • 利用者数に置き換えたりもしているが、自分の成果がお金で示される方が楽で良い(@m_nishiba)
  • Q.ポテンシャル採用はどんな軸で評価しているか。

    • 次の世代を背負ってくれる人かを想像する。自分から興味を持ってなんでも取り組んでくれる人。(@taison124)
    • ML系人材に関しては、そこまでMLに詳しくなくても良いと思っている。エンジニアリングの素養がしっかりしていれば問題ないと感じている。精度1%をあげることも大切だが、タスクの設計の方が重要と考えている。(jharashima)

当日の質問はここSlidoにあります。

終わりでーす!
誤記/誤解釈があればtwitterまで指摘お願いします。

twitter.com

 

AWSアカウントの管理はChromeのユーザー機能を使うと幸せかもしれない

こんにちは、@watarumon_jpです

AWS認定に続けてのAWS記事です。

さて、タイトルの通りですが、
皆様はAWSアカウントはどのように管理しているでしょうか。
きっと大量のアカウントを持っていることと想像します。

主業務でなく、インフラ周りを手伝っているだけの私ですら6つのアカウントがあります。個人用も入れると更に増えます。
本番環境、開発環境、demo環境.....うわーっとなりますね。

あっちこっちアカウントを飛んでいると、ログアウト-ログイン、MFA...
だるいですね。

そこでChromeのユーザー機能を使うと便利だと思っているので共有します。
他にも便利な方法があれば教えて欲しいです。

Chromeのユーザー機能については、断腸の思いで以下または他記事に譲ることとします。
support.google.com

結論から言うとAWSアカウントの数だけChromeでユーザーを作っておくと便利でしたって話です。

では、実際の使用している様子です。
通常のブラウザがあるとします。

f:id:watarumon:20190326170227p:plain:w700

この様にAWSアカウント毎にユーザーを作っているのでユーザーがいます。
どれか一つをポチッとします。

f:id:watarumon:20190326170830p:plain:w700

事前にブックマークバーにそれぞれのAWSアカウントに対応したConsole login linkを登録しておきましたので表示されていますね。
ポチッとします。

f:id:watarumon:20190326171332p:plain:w700

全て入力済みです。素晴らしいですね。
MFAは頑張りましょう。

f:id:watarumon:20190326171430p:plain:w700

この様に、ユーザーを選択するだけで高速ログインと同時ログインを実現出来ます。

最初にユーザーを作るのはだるいですが、
一回作ってしまうと便利なので、おすすめです。



ちなみに今週はこちらのイベントに出没します。
参加される方はよろしくお願いします。

connpass.com

終わりでーす!

AWS Certified Solutions Architect - Associateに合格したので、その学習法をまとめました

f:id:watarumon:20190314194624p:plain:w500

2019年ブログ頑張るという目標立てながら、本年2記事目です。
頑張ります...

はじめに

さて、
先日AWS Certified Solutions Architect - Associateに合格したので、
学習法等々をまとめてみます。
動機としては、社内にインフラ(AWS)関係で落ちている仕事が様々あり、拾っていこうかなと思ったためです。
学習コストは10日*1と約2.5万円でした。

往々にエンジニアリングスキルは、 作りたいもの/やりたいことベースで手を動かしながら学ぶのがセオリーだと良く言われ、私もその通りだと思います。

しかし、AWSに関していえば、AWSサービスの広範囲の知識が求められ、 且つ 「社内エンジニアはキューの作成時によくミスをします。どのように改善すべきですか?」*2といった実際にありそうな要件に対して様々なリソースを組み合わせてどう解決するかという知識が求められるため、
一旦AWSに関する知識を付けるゴールとして本試験を活用して、その後手を動かすという学習ルートはありなのではないかと思いました。

では本題ですが、
はじめに僕の前提知識を紹介し、
その後取り組んだコンテンツ順に上から列挙していこうと思います。

今後資格取得を考える方の参考になると嬉しいです。

前提知識

試験対策を始める前の僕の知識レベルはこちらです。

  • 職種は機械学習エンジニア
  • AWSの実務経験はなし。
  • AWSをはじめよう」*3は読んだことがある。
  • 先月、会社のオフィス拡張があり、本社と分室のVPN接続や社内ネットワークの設計と構築はやってみたらできた。

こんな感じ。

学習コンテンツ

手を動かしながら2週間で学ぶAWS 基本から応用まで

始めに手をつけたコンテンツはこちらです。

www.udemy.com

以下の記事を以前読んだことがあったため、あまり深く考えることなくここからはじめました。 upura.hatenablog.com

動画は10時間以上あるため、1.5倍速再生で隙あらば見続けました。
理解度はさておき、とにかく1周したことで、
AWSの全体像が理解できた様な気がします。

以降の学習において、 諸AWS用語が2回目に触れる単語になる恩恵も大きいと思いました。

価格 : 1200円
(セール期間中の価格です。また、udemyは常にセールをしている様なサイトなので、もし定価だったら少し待ったほうが良いかもしれません。長くても2日待てばどこかでセール価格になると思います。)

イラスト図解式 この一冊で全部わかるWeb技術の基本

次に手をつけたコンテンツはこちらです。

イラスト図解式 この一冊で全部わかるWeb技術の基本

イラスト図解式 この一冊で全部わかるWeb技術の基本

先述の"手を動かしながら2週間で学ぶAWS 基本から応用まで"のコラムにて 紹介されていたので買いました。

Webの正式名称はWorld Wide Web(世界に広がるクモの巣)といいます。

という記述から始まるくらい入門書です。
見開き左紙面に解説、右紙面に図解という構成になっており、わかりやすいと思います。
僕は知っている内容が多かったので2,3時間で読み終えることができました。

この本を読んだことで、AWSのサービス名称がWebシステムにおける何を代替しているかの理解が強くなった様に思います。

webシステムほんとに何もわからん!って人だったら、
"手を動かしながら2週間で学ぶAWS 基本から応用まで"と順番を逆にしても良いかもしれません。

価格 : 1680円(kindle版)

徹底攻略 AWS認定 ソリューションアーキテクト – アソシエイト教科書

いわゆる黒本というやつですね。
コンテンツとしてはこれが最後です。 他にも対策本は様々ありますが、購入理由は、
初版が2019年1月21日、第1版第3刷が2019年2月21日と非常に新しかったためです。

徹底攻略 AWS認定 ソリューションアーキテクト ? アソシエイト教科書

徹底攻略 AWS認定 ソリューションアーキテクト ? アソシエイト教科書

5日くらいかけて1周読みました。
ダウンロードして利用できる模擬試験もついており、 1周した後に受けてみました。
その時は正解率55%くらいだったと記憶しています。

模擬試験の復習を行い、2周目にも突入し、出来るだけ暗記しました。

日曜に受験したのですが、この模擬試験を行なった時点で金曜の夜でした。

価格 : 2570円(物理本)

AWS Certified Solutions Architect - Associate - Practice - 模擬試験

AWS認定には、公式の模擬試験があります。

有料且つ本番より問題数も少ないのですが、本番と同じ画面を操作できるのでやってみると良いと思います。
個人的には、本番より難しかった気がしました。

終了後はスコアが送られて来るだけなので、問題文のスクショはお忘れなく。

模擬試験のスコアはこんな感じでした。

総合スコア:  60%
トピックレベルスコア:
1.0  Design Resilient Architectures: 77%
2.0  Define Performant Architectures: 57%
3.0  Specify Secure Applications and Architectures: 50%
4.0  Design Cost-Optimized Architectures: 50%
5.0  Define Operationally-Excellent Architectures: 0%

この時点で、試験前日の夕方でした。
他ブログ等では合格ラインは65%とか70%とか言われていたので、
🤔
この表情で早めに寝ました。

価格 : 2160円

本試験

銀座CBTS歌舞伎座テストセンターで受けました。 銀座CBTS歌舞伎テストセンター | CBT-Solutions

受付もスムーズでしたし、会場も綺麗で、試験中も静かだったのでおすすめです。
試験料は16200円です。(会場によって試験料は変わりません。念の為。)

(地図上に屋上庭園の位置書かれてもわからんよ...と思いました。)

f:id:watarumon:20190314185758p:plain:w300
テストセンターの地図

試験結果はこちらです。

f:id:watarumon:20190314190132p:plain:w500
結果1

f:id:watarumon:20190314190205p:plain:w500
結果2

ギリギリですねw

ここまでで合計23810円でした。

今後について

まずは、"手を動かしながら2週間で学ぶAWS 基本から応用まで"について、1.5倍速で聞いただけなので、手を動かしたいと思っています。
また、会社に紫本が落ちていたので、それもつまみ食いしつつ、実務進めていくって感じかなーと思ってます。

Amazon Web Services 基礎からのネットワーク&サーバー構築 改訂版

Amazon Web Services 基礎からのネットワーク&サーバー構築 改訂版

本試験の認定期間は3年で、上位にはAWS 認定ソリューションアーキテクト – プロフェッショナルがある様なので、 実務こなしつつ、1,2年後くらいにまだAWS触っていたら受けてみようかなと思います。

その他

  • AWSセルフペースラボ

aws.amazon.com

会社がAWSセルフペースラボのクレジットをくれたので2コース触ってみましたが、テキスト通りにコンソールをポチポチするだけで楽しくもないし、為になっている感じもなかったので辞めました...

  • AWS WEB問題集で学習しよう

aws.koiwaclub.com

無料会員登録だけで、模擬問題が受けられるサイトです。
解いてみたところ、現在の問題傾向とは異なると感じたので、途中で辞めました。

余談

AWS認定に合格すると、aws certificated storeというAWS資格の所有者にしか入れないショップにアクセスすることができます。
ファンになってしまいますね。とても良い仕組みだと思いました。

f:id:watarumon:20190311184422p:plain:w400
aws_certificated_store

終わりでーす。

*1:試験の存在を認知した日から合格までの日数

*2:実際の試験で出た問題です。本試験の特徴をよく表した問題だったと感じています。

*3:https://booth.pm/ja/items/1032590 技術書典5で買いました。この頃から関心はあったわけですね。

Machine Learning Casual Talks #8に行ってきました(ブログ枠)

Machine Learning Casual Talks #8に行ってきました。

 

mlct.connpass.com


初メルカリ社です。会場はこんな感じ。

f:id:watarumon:20190128223056j:plain

 

出た。イケてるtech企業あるある。押し放題の自販機。

 

f:id:watarumon:20190128223115j:plain

 

 

エムスリー社からのノベルティー。TypeC to USBアダプタ、ありがとうございます。

 

 

 

ここから本編です。資料概要だけ書きますので、気になったものは資料を直接ご覧になってください。

 

youtubeライブがありました。

 

youtu.be

 

冒頭:machine learning casual talksを始めた理由の簡単な説明

twitter.com

 

docs.google.com



-「MLCTに初めて参加した方ーー?」

 - (半分以上が挙手)- MLCTのターゲット - 基本的に知識はあるでしょ?という前提で好きなことを話しても良い!

-論文にはあまりでない実務で得た知見を共有するために、開催した。

 -MLCTでは、モデルのアルゴリズムより、周辺のエコシステムやキャリアパス等々についての話題が多いよ。

 

発表1

 
-エムスリー社の開発チームについて

 -機械学習チームとして開発したアルゴリズムOSS化を検討している。

 - 公開できるレベルのアルゴリズムを作る、作りたい人を集めるため。

- 機械学習チームは、プロダクトまで作れるように機械学習エンジニアだけにはしていない。

- 成功確率が高そうな機械学習プロジェクト

 - サービス自体は成功している。

 - ABテストができる体制がある

 - 期待収益の計算ができる

 - 予測したい数字が限定的なこと

 - 既存の成功例を真似る

 - プロジェクトの中止の基準を決める重要性
-MLエンジニアのキャリアについて

 -  勤め先の昇給の仕組みや水準を理解する

 - 目安だけでも上の人に聞きましょう。

 -出世したいなら上司を出世させましょう。
-ビジネス貢献、組織貢献、技術貢献の3軸で考えよう。

-DMくれたらいつでもカジュアル面談できるので、いつでもどうぞとのこと。

-来週新しくMLエンジニアが増えるらしい。

 

発表2

 

-B to Bプロダクトを開発する中で遭遇した課題と解決策について
- bedoreにおける機械学習エンジニアの立ち位置について

 - ソフトウェアエンジニア、アルゴリズムエンジニアの2種類が存在

-対話エージェント開発について

 - 初期想定FAQでは対応できない言語に対して、クライアントがダッシュボードから学習のリクエストができる。

- モデルの予測性能がある日突然急激に低下した事件について。

 - 訓練データセットのスナップショットを保存してなかった。

  - 保存するようにして、学習を再現できるようにした等々。

  - 正解率や訓練データ数、クラス数を学習ごとに保存するようにした等々。

- 人募集してます!


LT1

 
- bfloat16という型について。

 - tensolflowの中で定義されている型

 - 比較対象がなんかよくわからんが、ハード的に高速化できるらしい。

 

LT2

www.slideshare.net


-chainerrl-visualizerについて

-強化学習の辛いところについて。

 

LT3

 

 

-yahoo kukaiの話

-e-commerceの違反検知の課題

-来週から新しい職場でMLエンジニアとして転職するらしい。

 

 

以下パネルディスカッションです。

網羅性は60%くらいだと思います。

 

西場さんに質問です。AIチームの目標が売上○億円にするのめっちゃ良いですが、売上の定義ってどうしてますか?レコメンドを導入したとして、そのレコメンドからのコンバージョンは100%AIチームの売上になるんでしょうか?

 - KPIはダブルカウントしてもとりあえずおっけーとしている。改善幅というところは、機械学習チームの成果としている。(@m_nishiba)

 


マルチクラスだときついのでは?

 -分類数×客数でモデルを生成するよりは、マルチモデルの方が良かった。(@naohachi89)

 


特徴量を自分で作ってロジスティック回帰を使う、NNのモデルを使う、アンサンブルをするなどで、精度と複雑さや時間とのトレードオフがあると思いますが、この辺実務ではどのように対応されていますか?

 -あまり意識していないが、プロダクトになる上で、計算時間だけは意識している。ただ、医療の画像診断に関しては時間がかかっても良い領域で、少し特殊かもしれない。(@m_nishiba)

 -学習時間はコストに跳ね返るかつ、chatbotに5秒かかるのはしんどい。様々な要素から総合的にバランスの良いモデルを採用している。(@naohachi89)

 

 


サービスのインフラはどれを選びますか

 -基本was or gcp。良い方を選んでいる。オンプレは考えていない。(@m_nishiba)

 -基本aws。別のチームだとgcpも使っている様。(@naohachi89)

 -メルカリだと両方だが、そろそろオンプレの方が安いのでは?という領域に来ている(@hurutoriya)

 


医療とITでビジネスインパクトが一番大きいのはカルテの共有と診断の(やや)自動化とのことかと思います。M3ではクラウドカルテのサービスがあるようですが、どれだけ使われていて、分析がなされているのでしょうか?

 -それは分析したいが、色々リソースが足りていない部分もある。フリーテキストなのでとてもきつかった。(@m_nishiba)

 

運用の際、モデルの精度の許容範囲はどのように決めていますか?

 -サービスオーナー/プロダクトオーナーが決めている。文化としてはある程度悪くても受け入れられてもらえるがきちんとABテストを突破した上で、サービスオーナーが決める(@m_nishiba)

 


自分の会社でも利益を目標にしているのですが、機械学習ディープラーニング以外を使っていなくても自チームの調査で課題を見つけて他のソリューションで解決した場合も実績に加算していますか?

 -機械学習チームの評価には入らないが、360度評価では多少入る(@m_nishiba)

 -機械学習使わなくても十分な予測性能が出せるのであれば、それはそれで良いのでは。(@naohachi89)

 -機械学習じゃなくても、画像処理でも解決できる様なものを提案することはある。評価に入る時もあればそうでない時も。(@hurutoriya)

 


採用活動に関連して,ML関連の技術を持っている人材は不足していると言われていますが,未経験or経験が浅い人材でも採用して自社で鍛える上げることもありますか?

 -エムスリーに入社した時は、機械学習未経験でした。数値計算分野などでの実績があれば、採用する可能性はあるが勉強は頑張って。(@m_nishiba)

 -全くの未経験という事例はないが、学習経験や光るものがあれば取ることはある。何かしらのkaggle等の実績は持っていてほしいなと思っている。(@naohachi89)

 

すべてのMLフレームワークに精通していますか?

 -してないです。(@m_nishiba)

 -してないです。(@naohachi89)

 

MLは大きいところを狙いたいので老舗大企業と組みたい vs 老舗大企業は組織間の壁が厚く辛い のジレンマに陥ることってありますか(私は陥っています)

 -あまり感じない。例えばLINEヘルスケアではいいとこ取りができてると思っている。(@m_nishiba)

 -企業によるとしか言えない。(@naohachi89)

 

ばんくしさんへ、スマホ機械学習の状態を監視や操作をするために使った技術を知りたいです!

 -ほぼ自作した。(突然の@vaaaaanquish)

 

 

スポンサーはメルカリです。お寿司が出ました。名前だけでも覚えて帰ってねとのこと。

 

f:id:watarumon:20190128225009j:plain

f:id:watarumon:20190128225025j:plain

 

 

誤記/誤解釈があればtwitterまで指摘お願いします!

 

twitter.com

 

技術書典6に申し込みました


お久しぶりの更新です。

転職して、いろいろありましたが、いまのところ楽しく機械学習やれてます。


さて、表題の通り技術書典6に申し込みました。

techbookfest.org


出版物ですが、pandas + matplotlib + 前処理全般に関するチートシートを各2枚、計6枚くらいで作ろうかと考えています。(デスクの壁に貼れるようなイメージのもの)

 


前々から自分用に作っていたものなのですが、きちんと整えて形にしたいところです。
「○○について載せておいてほしい。」などあればぜひぜひtwitterでコメントください。

 


作成中の一部切り取ったものですが、こんな感じです。

 

f:id:watarumon:20190114184315p:plain

ex_pandas

 

f:id:watarumon:20190114184343p:plain

ex_matplotlib


100部作成予定(多すぎる???)ですが、本当に適当に決めたので、技術書典の先輩方、参考部数を教えていただけると嬉しいです。。。


技術書典6の参加は抽選次第ですが、せっかく作り始めたので、落選しても技術書典当日には有料noteなどで公開できるようにしたいと考えてます。

 

 

 

新卒配属ガチャに失敗しました

先日、新卒で入社し、約1年6ヶ月務めた某S社を退職しました。
闇属性でパーティー作ってんのに、光属性☆5引いちゃったみたいなそんな感じです。
(2019/01/04追記:某S社と書きましたが、ソフトバンク株式会社です。年も変わったしもういいでしょう。)

勤務時に、この会社ここがダメだなーとか、ここは良かったなとかパラパラと書き留めてましたので、 それらを整理しつつ、あまり表現がキツくならない様に書きたいと思います。

簡単に情報を書くと、
私は理系大学院修士卒(物理系)で、S社の規模は社員数1万人以上の企業です。

また、本エントリにおける意見は、私が関わったごく限られた部署及びその周辺、または伝聞した範囲の話であることを強く意識した上でお読みください。

まずは良かったところから。

前職の良かったところ

ピュアホワイト企業だった

ホワイト企業チェックリスト見たいなものがもしあったなら、前職はその項目全てオールグリーンだったと思います。
純白、ピュアホワイト、白より白い。

簡単に挙げてみると、
・残業が少ない(もちろんバラつきはあるけど基本的に上司から帰っていく、残業代はもちろん完全支給)
・社内飲み会がない(忘年会、異動等があれば歓送迎会はある。年数回程度)
・フレックス勤務を採用しているため数時間程度の融通を効かせやすい雰囲気がある
・有給、半休を取りやすい雰囲気がある
プレミアムフライデーは毎月取得可能
・育休を取得する男性社員が普通にいた
・休みの人や帰宅後の人を頼るのは辞めようという文化が浸透しており、そもそも属人化による単一障害点がきちんと回避されている

何を働きやすいと言うかは人それぞれだと思うけど、
今振り返っても一般的に望まれている要素はほとんど揃っていた様に思います。

人が余ってるくらいじゃないとホワイト企業って実現しないんだなーって理解しました。

一般的/社会的教養が十分な人で満ちていた

一般的/社会的教養と言うわかりやすい様で、明確でない言葉を使ってしまいましたが、
「まぁみんなそれぞれだよね」と言う感覚をきちんと備えていると言いますか、
パワハラとかセクハラとかそんなレベルからは程遠い人たちの集合だったなと感じています。

少し言い換えると、しょーもない人間関係のゴタゴタに巻き込まれることが一度もなかったと言うことです。
心身共に余裕がある人が多い、そんな組織だったのかなと今となっては思います。

私が入社するより以前にそういったやばい人達はきちんと淘汰されたんだろなとも想像できます。

世間の気持ちや生態が少しわかった

就職まではラボにこもってたので、
これまで社会性なく、且つ周りも自分と似たような人に囲まれて生活してきたため、
何も疑いなく自分は一般的な考え方を持っていると思っていたのですが、
企業で働いてみて、どうやら自分は少数派に属するのだということに気づきました。

良い悪いではなく、
帰宅後や土日に勉強してる人は少ないし、
"そこそこやる"の基準(作業時間等)が他の人とすごく差があったし、
好きでも楽しくもないけど、嫌じゃないからこのままで良いと思っている人は多いし、
そもそももっと強くなりたいと思っている人って少ないんだなぁと感じました。

筑波大学の落合先生はよく”追い込め追い込め”と言った発言をされていて、個人的にはとても共感できるんだけど、
そんなことは"自分だけ"が勝手にやるべきで、その基準を他の人にも勧めたら/求めたらいけないんだなと理解しました。
あんなのはやはり一般的ではないんですよ。
もし私が学生起業なんかしてたら、絶対ブラック企業作ってたわ。

こうした事はそもそも知らなくてもいいのでは?という気持ちもあるけれども、
もう知ってしまったし、知ってた方が良いこともあるとも思うので、良かった事に分類しました。

そういう意味で、世間の気持ちや生態が少しわかったと書きました。

なぜ新卒に庶務をやらせるのか答えを見つけたこと

日本企業では鉄板だと思いますが、新卒に庶務をやらせますね。
例えば、社内の郵便配達、会議室の予約/設営、新聞/雑誌の集荷/整理、役職者のシステム操作代行(IT介護)等々あげればキリがありません。

入社直後から、「なんでこんなバイトでも出来ることをやらせるんだろう。」と思ってました。
1年半も大企業にいたので、答えがわかった気がしています。

その答えは、"出来ない人がいるから"だと感じました。
事務処理能力が低い人って年齢問わず、普通にいることを知りました。

そりゃあ上司は、新人に対して、事務能力を試したくなるわな、と。
そこで上司の信頼を得ると、そこから卒業できるという仕組みなわけです。

結構戦いましたけど、
提案は通る可能性があるから提案するのであって、
閉まっていたり、何重にも門があるところで提案するのは時間の無駄だと気づいて、辞めました。

知らない分野が知れたこと

前職では、省庁対応を行っていました。いわゆるロビイングと言われる分野です。
国内の政策決定を自社に不利益なことにならないよう働きかけたり、自社の取り組みを政府にアピールしていくような業務です。

政治的な力や流れ(いわゆる既定路線)は変わりようがないことも体感できましたし、
どのルートで、どのタイミングで働きかけたら軌道修正できることもあるということも学びました。

私も今後新興分野に身を置きますが、こういった分野こそ、法規制 vs XXの様な構図になりがちかと思いますが、
真正面から省庁と対立しても仕方がなく、また省庁には省庁なりの承認ステップがあり、独特のスピード感があります。
こういった素養を理解できたことは今後役に立つだろうと感じています。

また、なかなか経験できる職種でもないと思いますので、良い経験ができたと思います。

前職の悪かったところ

さて、本編始めますか。

業務とのミスマッチ

退職に最も影響したのはやはり本務に関心がわかなかったことです。

前項では、美しめに"経験になりました。"なーんて書きましたが、
正直「つまんねー!」でした。
仕事してて、脳汁が全く出ないんですよね。

省庁対応やロビイングなんて言ったら、聞こえは良い感じはしますが、
結局、パワポエクセルワードです。

"仕事に答えがない"なんて言われますが、
業務特性もありますが、答えがありました。

先日、このような意見もありましたが、同じ気持ちです。

最初から結論が決まっているので、データ分析はいかに結論をでっち上げるかという方向に労力が注がれる。

anond.hatelabo.jp

また先日、友人に「最近1年で1番楽しかった仕事は?」と聞かれ、答えられなかったです。
これは自分にとって衝撃的で、
改めて辞めて正解だったとそこでは感じました。

てか、人事さん、配属権ないのに採用面接時に配属先について言及するのはやめてください。

働き方とのミスマッチ

これもまた前項で述べましたが、ホワイト企業というのは、
プライベートと仕事をきっちり分けるということ(ワークライフバランス)ですが、
結局、私にはそれは馴染めませんでした。

むしろそう二分することで徐々に仕事が自分ごとに思えなくなっていきました。
私にとってそれはストレスであり、
仕事も趣味も勉強も中途半端になっている感覚が抜けず、
QoLを下げている要因であることに気づきました。

世間ではワークライフバランスを目指した働き方改革が盛んですし、
同期等を見ていてもワークライフバランスを重視したい人が多数派だったので、会社を批判するわけではなく、
企業文化と合ってない私が消えるしかないと考えました。

ワークアズライフってやつを目指してみます。

評価最適化していく自分

評価には、闇の力が多分に含まれ、
フィードバックでは当たり障りのない事が言われる。
こうした事実によって、私は評価への関心をなくしました。

すると、以下に労力少なくこなすか、という考え方に陥り、またそこから抜けることが私はできませんでした。
また、そうした自分がとても嫌でした。

そしてこうした発想は、他部署とタスクの投げ合いをしたりすることに発展し、
「なんだかなー」という気持ちでした。

好きな漫画アカギの言葉を借りて表現すると、自分も含め
「なんでもっとみんなスカッと生きねえのかな・・・」という感じです。

f:id:watarumon:20181118201724j:plain

5年後も10年後も憧れなかった

5年後も10年後の自分の姿というのは、
先輩や上司群を見ればおよそ想像できる気がすると思いますが、
やはりそこに憧れが持てなかった。

もちろんこれは嗜好の問題で、"私は"憧れなかったということにすぎません。
人それぞれです。

また、このままずるずると在籍したら絶対後悔するなと思いました。
もちろん転職しても今より良くも悪くもなり得りますが、
後悔することが明らかであれば、その行動を取るしかないだろうという発想です。

後悔は先に立たずということわざがあり、また概ねその通りだとも思いますが、
後悔は先に立つこともあるだろうと、今回ばかりは感じました。

研修がひどい

大人が何百人も関わって経費たくさん使ってのんびりのんびり何をやっているのかという気持ちでした。

指導側は、"研修を行った"という事実を作るという仕事で、
被指導側は、"研修を受けた"という事実を作るという仕事に成り下がってしまっていると感じました。

組織からしたら、持ち出せるスキルのない人材育てて飼い殺したいんだろうなとか勘ぐってしまう。

転職に際して

新卒ガチャではずれを引く可能性はそれなりにあるわけで、
転職活動に当たって、もちろん明言はされてませんが、修士行ってて良かったなぁと私は感じました。
やはり面接では学生時代の研究の話で盛り上がるし、基本的に即辞め人材なんてポテンシャル採用だろうからね。 もし行くか悩む人がいたなら是非行って欲しいなぁと個人的には思います。

  • 転職の思考法

こういった自己啓発系の書籍を紹介するのは、少し恥ずかしいのですが。
以下の文言が刺さりました。

『転職が100%失敗する、唯一の条件』というものがある。それは腹を括るべきタイミングで、覚悟を決めきれなかったときだ

このまま今の会社にいていいのか?と一度でも思ったら読む 転職の思考法

さいごに

今後も同じ会社で働く人をできるだけ傷つけないように書いたつもりです。

まだまだ書きたいことはありそれは、なぜ異動希望ではなく転職なのか、という答えになるんですが、
これ以上は愚痴になってしまうのと、内容が具体的になってしまうので、心に閉まっておこうと思います。
摂取アルコールの量によって適度に身内にオフライン放出して消化しようと思います。

パフォーマンスとはいえこんな若輩者が、早々に会社辞めてもきちんと送別会が開催してもらえ、
「いつでも待ってますので」とか言われると、少し感傷的になりました。
今はただ淡々と誠実に頑張ろうという気持ちです。 ちなみに次は、ベンチャー企業でデータサイエンティストをやりますよ。

あの会社の社食、ビーフカレーが安くて美味しかったな。

しばしニート期間を楽しもうと思います。

PyCon_JP_2018カンファレンス資料まとめ(仮)

twitterで回ってきたものだけとりあえずまとめています。

全く網羅できていないので、今後も見つけ次第追記、整理します。

twitterで情報いただけると助かります。 [9/24追記:他サイトを追記]

twitter.com

他サイト

他の方がまとめられたページになります。 参考にどうぞ。

qiita.com

day1

github.com

day2

LT