社長を殴った後にやったこと
この記事はギークハウス新宿界隈 Advent Calendar 2018の15日目の記事です。
ギークハウス新宿1に住んでいた山下と申します。
現在はテックレジデンスというギークハウスとコンセプトが近い物件に住んでいます。
茨城県出身のおかげで田舎ヤンキーのイメージが定着してしまい、退職時には社長を殴るはめになりました。
社長を殴るシーン
脇を締めるといい感じです!
最初からストレートだと気が引ける場合は、遅れて出社してきた社長の肩を小突くするところから始めてみましょう
※ 茨城ヤンキーのイメージ
経歴
茨城の田舎ヤンキーを卒業した後、プログラミング未経験からサーバーサイドのエンジニアになりデータサイエンティストを経て、現在はフリーランスになりました
茨城の田舎ヤンキー
↓
サーバーサイドのエンジニア
↓
データサイエンティスト
↓
ここから本題
社長を殴っておいて言うのもアレですが、社会人になってからプログラミングを始める人は特に技術・人間性の両方を磨く必要があると思っています。
性格を変えるのは難しいので、私なりにコレやっとくと間違いないというポイントをまとめました。
■ 退職する際にやると良いこと
■ 案件をGETするためにやったこと
■ Slackやメールで役に立つ文章
退職する際にやると良いこと
感謝のお菓子を渡しましょう
オススメのお菓子
退職以外にも定期的にお菓子配ると好感度あがってお願いが通りやすくなります。自分では買わないようなお菓子を貰えるとめっちゃ嬉しい。
とらやの羊羹(一口サイズ)もオススメ
あとは引き継ぎ、経費精算もちゃんとやる
案件をGETするためにやったこと
方法
1. 知人から案件を紹介してもらう
2. エージェントから紹介してもらう
知人から案件を紹介してもらうには、当たり前ですが案件を紹介してもらえそうな知人を作る必要があります。
私の場合はギークハウスとテックレジデンスに住んで友達を作りました。
けっこう案件紹介してもらえています。
大前研一よろしく案件をGETするには「住む場所」「付き合う人」を変える的な
知人の紹介で案件が決まったら感謝のお菓子を忘れずに
データ分析案件の特徴
■ 基本リモートは難しい(信頼次第)
■ 開発と比べると案件少ない
■ 3の倍数の月が忙しくなりやすい。予算消化の際にデータ分析したくなるぽい
■ 感覚的な人月単価:開発は60万円〜、データ分析は70万円〜
■ BIツールを使った案件は意外と需要が多い
■ お客さんの期待値をコントロールしないと死ねる
Slackやメールで役に立つ文章
基本はすぐ返す
相手を安心させる
自分の状態を伝えると相手が安心する。すぐに決められない場合でも返事が無いと不信感を与える
よく使うフレーズ
1. 「バタバタしちゃって」バタバタしましょう
2. 「ちょっとスケジュールがみえないので/不透明なので」
3. 「お待たせして申し訳ないのですが、もう少しお待ちいただけませんか?」
炎上させない
日程に余裕をもつ。出来ないことは出来ないと伝える。
よく使うフレーズ
1. 具体的な日付を言わない。来週の後半、来月中旬などに置き換える
2. 「一度検討してから返答致します。」からの「ちょっと難しいです。」
3. 出来ない場合は代替案をだす。「それはできませんが、これならできます。」
4. 納得してもらえない場合は電話で説明する
中学生からプログラミングやってる人に技術だけで勝つのは難しいので、技術以外の振る舞いも意識するようになりました。
天才ハッカーじゃない人は技術語る前にやることやろうな!
深層学習よりはそれ以前の機械学習が得意で、自然言語処理よりは画像が得意です。
データ分析のご依頼がございましたら、下記までご連絡いただけると幸いです。
yoshinoriyamashita123@gmail.com
AIが止まらない!
この記事はギークハウス Advent Calendar 2017の6日目の記事です。ギークハウス新宿1に住んでいた山下と申します。最初に、サークラの記事を期待してた人ゴメンなさい!あとPCの方が見やすい仕様になってます。仕様です。
今年も終わりが近づいてきました。2017年はトランプが大統領になったり、将棋の藤井四段が公式戦29連勝したり、けものフレンズにIQを溶かす人が続出したりする年でした。
人工知能が身近になった年でもありました。Deep Learningの登場により第3次人工知能ブームとなった影響なのか、私の周りでも機械学習をやってる人がちらほらいます。
Google Trends キーワード: 人工知能、ここ2-3年間の推移
11月に転職をして、データサイエンティスト見習いになったので気づいたことを共有しようと思います。
Jupyter Notebookの呼び方には2通りある。
ジュピター派とジュパイター派がいます。JavaScriptのJS派とジャバスク派みたいなものです。
そもそもJupyter Notebookとは、
Notebookはブラウザで動作するプログラムの対話型実行環境です。 ノートブックと呼ばれるドキュメントを作成し、プログラムの記述と実行、メモの作成、保存と共有などをブラウザ上で行うことができます。
R言語もめっちゃ使われてる
統計解析に便利です。普通に使われてるので、なんでPythonじゃないの?と煽るのはやめましょう。
統計は重要
統計もよく使います
Deep Learningを使う場面は多くない
ビックデータを集めるの大変だし、クライアントに説明しづらいし。基本的な統計解析して、従来の機械学習モデル使ってダメそうなら検討する感じらしいです。
※ ただし人による
Pandas便利
PandasとはPythonのデータ分析ライブラリの1つで、大きな表データ、行列を扱うことができます。Excelでやる表計算とかデータの前処理とか初歩的な統計処理とか、あとは簡単な描画もPandasでOK
データサイエンティストってやること多い
分析結果を伝える時にパワポ作ってプレゼンしたり、データ読み解くために業界の知識が必要になったり、もちろん機械学習も統計もデータの前処理もするので色々やることあります。
データサイエンス楽しい
データの概要を理解するために図を描画するとデータ分析やってる感あって楽しいし、データ収集するためにクローラー作って数日苦戦してるとダメな子ほどかわいい的な親心が芽生えて楽しいし、機械学習してちゃんと学習してくれるのを見るのも楽しいです。
きっかけ
データサイエンティストになったきっかけは、ギークハウスで出会った強いITエンジニア達の存在でした。
私もIT業界に飛び込んだときはフルスタックなエンジニアを目指してました。しかしながら強いエンジニアを尊敬する一方で、この人達に追いつくの大変だなーと思ってました。
一説には日本のITエンジニア人口は80万人程度だそうです。80万人のレースに参加するのツラいなあ。出来ることならディズニーランドのファストパス的なショートカットを通りたい。よし、有利なポジション(立ち位置)で殴っていこう!とデータサイエンティスト見習いになりました。
データ分析のご依頼がございましたら、下記までご連絡いただけると幸いです。
y2.yamashita@datumstudio.jp