AIエンジニアになるために、取っておいた方が良い資格とかあるかな…。
この記事では、上記のような悩みを解決していきます。
この記事の想定読者
想定している読者は、以下のとおりです。
- AI・機械学習エンジニアになりたい人
- AI・機械学習エンジニアになるために取るべき資格を知りたい人
- 現役AIエンジニアに話を聞きたい人
この記事では、「AI・機械学習で取るべき資格」について書いていきます。
AI・機械学習エンジニアになりたいけど、どんな資格を取ったら良いのかわかりませんよね。
この記事を読み終えれば、AI・機械学習エンジニアになりたい人が取るべき資格が分かるようになります。
※なお、機械学習エンジニアに資格は必須ではないです。資格がなくてもOKで、その場合どうすれば良いかも紹介しています。これから機械学習エンジニアになりたいって方に、役立つ記事だと思われます。
Contents
【現役が解説】AI・機械学習で取るべき資格は3つのみ【転職OK】
現役で機械学習エンジニアをやっている僕が、AI・機械学習系で取るべき資格を紹介していきます。
結論としては、下記の3つのみです。
- G検定
- 統計検定2級
- AWS認定 or Linux技術者認定
それぞれについて、深掘りしていきます。
AI・機械学習の資格① : G検定
1つ目の資格が、G検定です。
おそらく、AI・機械学習系の資格を取ろうと思ったときに、1番最初に出てくる資格になるかと思います。
G検定をおすすめする理由としては、「機械学習について、基礎的な知識を持ち合わせていますよ〜」という証明になるからですね。
機械学習系の案件だと、「機械学習・AIについての知見を持っている人」のような募集がよくあり、「どれくらいの知見があれば良いんだろう…？」と思ってしまうことが多々あります。
実際の案件を見てみる
BIGDATA NAVIさんで紹介されている案件から引っ張ってきた画像になりますが、「DL・MLを中心としたAI技術の学習・習得」と書かれています。
めちゃくちゃ抽象的に書かれており、全然どれくらいのスキル感があれば良いのか分からないですよね。
G検定は、AI・機械学習の基本的な知見を持ち合わせていると言えるので、「この曖昧な部分を、具体的に証明できる資格」になります。
以上の理由で、AI・機械学習系の資格を取るなら、まずはG検定から始めてみることをおすすめします。
AI・機械学習の資格② : 統計検定2級
2つ目の資格は、統計検定2級です。
なぜ統計検定？と思われたかもしれませんが、自分が思っているより数学の知見は求められます。
ふたたびBIGDATA NAVIさんが提供している案件を確認してみるのですが、下の画像のとおりで、数学の知見が求められていることが分かりますね。
統計検定2級だと、大学1〜2年レベルの統計学の知識を持っている証明になりますので、「所持していれば十分な数学の知識を蓄えている」ということになります。
なお、数学知識で書かれている「数学3、数学C基礎レベル」ですが、つまりは下記の知識があればOKです。
- 微分積分
- 線形代数(というか、行列)
このあたりが、数学3と数学Cで勉強する内容になっています。
とはいえ、統計検定2級を勉強していくのであれば、ここら辺の知識を使わないと解けない問題があるので、自動的に学習するハメになります。
なので、統計検定2級を持っておけば、数学に関する知見はクリアできるということになります。
以上の理由で、AI・機械学習とは直接関係ないですが、統計検定2級を持っておくことをおすすめします。
AI・機械学習の資格③ : AWS認定 or Linux技術者認定
3つ目におすすめしたい資格は、AWS認定 or Linux技術者認定です。
ここで言いたいのは、つまるところ「インフラ系の資格を1つ持っておくと良いよ」ってことになります。
おそらく、「AI・機械学習系なのに、なぜにインフラ？」と思われるかもですが、現実問題として、割と求められているスキルになります。
またBIGDATA NAVIさんが提供している案件で確認していきますが、下の画像のようにAWSの知見を求められます。
この場合だと尚可レベルですが、他の案件では必須だったりします。
なぜインフラ系の資格なのかというと、機械学習を実装するプラットフォームで利用するからですね。
「機械学習を実装」というのは、そもそもの機械学習をはじめ、アプリケーションのデプロイも含みます。
なので、インフラ系の知識も必要になり、その際にはAWS認定やLinux技術者認定を持っていると、基礎的な知識を持ち合わせていることを証明できるって感じですね。
G検定や統計検定と比べると優先度は低いですが、あると便利なので余裕があれば取得しておきましょう。
補足 : 現状だとE検定は微妙です
あと機械学習系の資格だと、「E検定」もよく上がるのですが、現状だと少し微妙です。(2020年1月時点)
理由としては、出来たばかりで「E検定の有用性」が業界内でもイマイチよく分かっていないからですね。
つまり、「E検定を持っている ⇒ 機械学習エンジニアとしてのスキルが高い」が不明な状態です。
それに、資格取得の前には講習を受ける必要があり、何十万と費用が必要になってきます。
高額なお金を支払っておいて、イマイチ評価されていないとかだと悲しいので、僕としては不要かなって思いますね。
あるに越したことはないですが、、、。
ぶっちゃけ : 資格を取るより、ポートフォリオが大事です【2ステップで紹介】
そして、このタイミングでぶっちゃけると、資格よりもポートフォリオの方が大事です。
ポートフォリオとは、つまるところ「自分には、これが出来ます！」とアピールするための技術アウトプットです。
「どうやってポートフォリオを作ったら良いんだろう…。」といった疑問が出てきそうなので、2STEPで方法を紹介していきますね。
STEP1 : AI・機械学習と数学の基礎を固める
まずは、ポートフォリオを作成すべく、AI・機械学習と数学の基礎を固めていきましょう。
勉強方法としては、独学でもプログラミングスクールを使うでも、どちらでも可です。
大学時代に自分1人で勉強できた方なら独学が良いですし、予備校でないと勉強できなかった方はプログラミングスクールを使えば良いと思います。
なお、機械学習系でおすすめなプログラミングスクールは、下記の記事にまとめておきました。
https://tech-diary.net/machine-learning-programming-school/
※独学方法については、別途まとめようかな〜と考えています。
STEP2 : Kaggleに挑戦する
STEP1を終えたら、Kaggleに挑戦しましょう。
Kaggleは、色々な企業が提供してくれたデータを使って、他の参加者よりも精度の高い機械学習モデルを構築する、いわば機械学習コンペのなります。
過去にはメルカリなんかもデータを提供してくれています。
そして、AI・機械学習系では、ここで構築したモデルが最大のポートフォリオになります。
なので、STEP1の学習はさっさと終わらせてしまって、Kaggleをたくさんやるのが良いですね。
Qiitaやgithubでアウトプットもアリです
なお、Kaggleだけでなく、Qiitaやgithubでアウトプットするのもアリです。
これらも十分に評価されるので、勉強したことはQiitaにどんどん書いていきましょう。
レベルの高いプログラミングスクールで学ぶのもアリ
ポートフォリオの作成がシンドイって方は、最初からレベルの高いプログラミングスクールに通うのもアリかなって思います。
たとえば、Aidemy Premium Planであれば、スクール内で学習したことを使って作成した最終課題でRettyの選考に進めたりします。
プログラミングスクールを出ただけで、就職への道が開かれるって、めちゃくちゃ良いですよね。
AI・機械学習の勉強をしつつ、さっさと就職したいなら、レベルの高いプログラミングスクールを使ってしまうのもアリですね。
なお、Aidemy Premium Planについては、下記の記事で詳しくまとめておきました。
とりあえず、AI・機械学習の勉強を始めよう
この記事でお伝えしたことをまとめておくと、以下のとおり。
- AI・機械学習系の資格を取るなら3つのみ
- とはいえ、ポートフォリオの作成を優先した方が良い
- AI・機械学習系のポートフォリオはKaggleが良い
- QiitaやgithubでもOK
上記のとおりです。
そして、資格を取得する場合には「G検定 > 統計検定 > インフラ系」って感じです。
ここまで分かったら、あとは手を動かすだけですよね。
AI・機械学習は、今後の需要も非常に高いので、いまのうちに勉強しておきましょう。
BIGDATA NAVIで相談すると良い件
いまエンジニアをやっていて、機械学習分野にシフトしたいって方は、BIGDATA NAVIに相談してみると良いですよ。
BIGDATA NAVIは、AI・機械学習分野専門のエージェントでして、機械学習分野をやったことがないエンジニアでも案件を紹介してもらえます。
※ちなみにエンジニアすら未経験で、学生で機械学習を勉強しているような方でも案件に参画しているくらいです。
それくらいに機械学習案件を豊富に持っていますので、いったん相談してみるのもアリですよね。
BIGDATA NAVIについて詳しく知りたい方は、下記の記事を参考にしてみてください。
それでは、この辺で終わりたいと思います。
おすすめの記事
