みお｜データサイエンティスト採用担当の本音
@DSnaitei
Followers
1,432
Following
188
Media
51
Statuses
238
◼️YouTube登録者数No.1のデータサイエンティスト◼️日系大手➡︎メガベンチャー➡︎コンサルマネージャー(採用も兼務)◼️データサイエンティスト就活と転職の完全攻略noteは1000人以上に読まれています(固定ツイート参照)◼️フォローすると就活と転職の効率が倍増
Joined May 2023
Don't wanna be here?
Send us removal request.
Explore trending content on Musk Viewer
FEMA
• 2219832 Tweets
North Carolina
• 1085458 Tweets
Joker 2
• 74814 Tweets
Dolly
• 58664 Tweets
#SmackDown
• 53114 Tweets
Oregon
• 17667 Tweets
Anda & Sky in Msia
• 11086 Tweets
Michigan State
• 10135 Tweets
Pinned Tweet
【データサイエンティスト就活・転職の教科書】
3万字超のボリューム。これだけ読めば他は不要です
・いつ何をすれば良いか
・面接で何が見られるか
・成長できる企業リスト(約100社)
全てここに出し切りました。人生変わります
<就活>
<転職>
0
6
58
機械学習を勉強する前に必要な数学知識をリストアップしたよ。
これらを身に付けてから機械学習の参考書を買うとスムーズに頭に入る。
知ってるかどうかで効率はかなり違ってくるよ
0
115
1K
機械学習を仕事にするなら、最低限これは知っておいてほしい。以前、この知識に抜けがある就活生が大敗していた。しかし1冊本を読んでしっかり身につけた結果、それ以降は無双。
1
55
777
30歳までにこれらの経験を持つデータアナリストは転職市場で無双する。
ここから逆算してキャリアを組み立てれば、最短で年収1000万円への到達も可能
0
48
573
データアナリストとデータサイエンティストの違いをよく聞かれるのでまとめたよ。
似たようで全然違う仕事だから、自分がどちらを志望するのかキャリアの早い段階で決めておこう
1
40
499
正直に面接官の立場で言わせてもらうと、優秀なデータサイエンティストの職務経歴書は見ればすぐわかる。
逆に言えば、ここから逆算して自身のキャリアを設計すれば良い。全て満たす人材になれば、最短で年収1000万円の突破も容易
0
50
499
年収1000万のデータサイエンティストを目指すために必要な自己研鑽。技術、ビジネススキル、キャリアへの意識に分けて解説
0
22
281
面接で合否が分かれる瞬間。実務経験を話すなら、これらの質問に最低限答えられないと地獄の沈黙が訪れる。見落としがないことを確認しておき、必要なら自分なりに文章でまとめておこう。
0
23
245
データサイエンティストの実務で高度な数学を使う人はごく一部。下手したら大学数学を一切使わないまま定年まで働くDSもたくさんいそう。それに対して、世の中のDS教材は高度な手法ばかり扱っている。ここにミスマッチがあると思う。大事なのはキャリアから逆算された学習なのだ
3
22
203
良いロードマップ。情報系学部ならさほど時間はかからないけど、レベル1から始める文系学部生は、2年生のうちにはスタート切りたい。3年生でインターン経験して、就活までに最低限実績出せるとベスト。大手の中でも難関目指すなら、インターン成果の大きさが大事
【大手データサイエンティスト内定ロード公開】
僕はこの流れで学習して大手データサイエンティストの内定をもらったよ🤔
レベル・3つのスキルごとに分けてまとめたからそこも意識して見てね👍
それぞれのレベルでのオススメ参考書はスレッドへ↓
1
26
324
1
15
160
データサイエンティストとデータアーキテクトの違いをよく聞かれるのでまとめたよ。
それぞれの違いを理解しないと、入社後に「こんなはずじゃなかった」となるかも。
どちらになりたいのかはキャリアの早い段階で決めておこう
0
11
149
職務経歴書に書かれてる「python経験3年」はマジで当てにならない。応募の必須要件だから、ほぼ未経験者が書いてくる。面接内でfor文のことを聞いてもボロボロ。このことには他企業の採用担当も気付き始めてるので、今後はコーディングテストが必須になる企業も多そう
5
20
149
【データサイエンティストが就活・転職の情報交換できるグループ作ります】
これから目指してる人でもOKです。完全無料で、slackでやる予定です！
参加希望の方は以下をお願いします！
1 このツイートにRT&いいねして、リプで「参加希望です！」と送る
2 DMでグループ参加希望の旨を送る
49
45
112
データサイエンティストになった後悔あるある
・文系管理職が何も理解してくれない
・前処理時間に時間かかりすぎ
・ドメイン知識は「DSも知ってて当然」と他部署に思われることが多いが、入社したては無知をさらけ出すしかない
・そもそもデータ基盤がない
・分析しても有益な結果出せず泣く
1
5
107
ここ数年間は、データサイエンティストはボーナスタイムだったのよ。業界またぐ転職が簡単すぎた。けどDS大学院の卒業生が世の中に溢れて、これからはそう簡単にはいかなくなる。ちなみに生成AI系は、まだボーナスタイム続いてる。
1
9
105
実務経験を積むには実務経験が必要という、笑い話のような状態がデータサイエンティスト界隈では起こってる。社会人の場合は、一旦年収を落とすのが必要になることも多い。未経験転職は修羅の道なので、学生は新卒でデータサイエンティストになることを何より優先したほうがいい。
2
12
96
志望動機、迷ってない？
思わず採用したくなるデータサイエンティストの志望動機を採用担当が8つリストアップしたよ。
肝心なのは、職種への適性を具体的なエピソードを交えて説明すること。ぶっちゃけ、この内容そのまま言えば志望動機はOKなレベル
0
7
93
ADHDの人は生成AIエンジニアになろう。理由は以下。
・正解のない分野だから、学習意欲とアイデア力の勝負
・「ミスしない」よりも「とにかく試してみる」行動力が大事
逆に、JTCの大規模システムのエンジニアはADHDに向いてない。理由は、上記の真逆の仕事だから。エンジニアの中でも色々ある
0
8
64
正直に面接官の立場で言わせてもらうと、優秀なデータアナリストの職務経歴書は見ればすぐわかる。
逆に言えば、ここから逆算して自身のキャリアを設計すれば良い。全て満たす人材になれば、最短で年収1000万円の突破も容易
0
6
48
生成AI関連エンジニアで年収1000万円稼ぐ人の特徴は以下。
・openAIのAPIをシステムに組み込んだ経験がある
・生成AIの得意分野とそうでない分野の区別がつく
・自然言語処理など生成AI周辺の知識レベルが高い
これから3年間で上記の専門性を獲得すれば、転職市場で引く手あまたの人材になれる
0
3
39
ADHD気質ある人がデータサイエンティストやりたいなら、「ミスをセルフチェックできる仕事」をやるべし。検算不可なデータ集計、分析はミスりまくるからおすすめしない。(実体験)
自分でコーディングする開発案件とか、最近だと生成AI案件は出力見て自分でケアレスミス直せるから合ってる。
0
2
37
就活・転職ではコーディングテストが課されるところも多い。
よくあるのは、AtCoderに出るような問題。最低限の基礎を身につけてからアルゴリズムの問題に取り組む必要がある。
コーディングテスト対策に取り組む前に身に付けたいことをまとめたよ
0
1
33
正直に面接官の立場で言わせてもらうと、優秀なデータアーキテクトの職務経歴書は見ればすぐわかる。
逆に言えば、ここから逆算して自身のキャリアを設計すれば良い。全て満たす人材になれば、最短で年収1000万円の突破も容易
0
5
31
ここに書いてあるスキルを身につけ、面接の事前準備と当日の行動を守れば年収1000万円の内定も射程圏内。
ここから逆算してキャリアを組み立てることで市場価値の高いデータサイエンティストになれる。
ブクマ推奨
0
1
29
社内で役立つ勉強は、今の仕事の課題解決から逆算すべき。上司と相談するのが一番早い。転職で役立つ勉強は、市場全体の需給バランスで決まる。求められる技術水準と実務への親和性から、とりあえずkaggleでメダル取るのが良さげ。もちろん、上記の勉強のモチベ保つために「資格合格」を目指すのは有効
最近、
•Kaggle
•統計検定
•E資格
これらが実務では役立たないというツイートを見かける
では、実務に役立つ勉強とはどこの部分を指すのでしょうか？
7
6
114
0
3
25
実務経験がないとデータサイエンス職につけないし、データサイエンス職につけないと実務経験がつめない。
実務経験がないとエンジニア職につけないし、エンジニア職につけないと実務経験がつめない。
8
59
448
0
3
23
データサイエンティストに向いてるMBTIランキング
1位 INTP
常に最新情報を追いかけて新しい技術を身につける知的好奇心
2位 ENTP
論理的思考とコミュニケーション能力の両刀使い
3位 INTJ
既存の仕組みを作り変えることにかけて一流
ちなみに私の周りはINTPばかり
1
2
20
概ね同意。一般的な就活偏差値とは異なるよね。WEB系と外コンが強く、その中でDeNAなどはブランド力ある。補足すると、企業によって扱う案件のタイプが異なる。GAFAはWEBサービスのデータが多いし、NTTやソニーは大企業のWEB以外のサービスのデータが扱える。好みに合わせて選ぼう
【データサイエンス職のある企業ピラミッド】
※個人的な感覚が含まれます🙇
DS職がある企業をピラミッドにまとめたよ🤔
掲載した企業はどこも優良だと感じた企業なので、みんなもぜひ挑戦してね👍
弊コミュニティslackでは就活に役立つ情報を発信してるから興味ある人はぜひ！
1
25
370
0
1
18
専門職のメリット
・周りに合わせず仕事できるので協調性なくても社会人できる
・無理に笑顔作って疲弊しなくていい
・年齢に関係なく偉い人が意見聞いてくれる
・社外の同職種の人と繋がりやすい
・「自分はこれができる」という漠然とした自信が持てる
年々このありがたみを感じるようになってる
0
3
18
【データサイエンティストの闇】
コンサル、メガベンチャー、日系大手の3社経験して分かったことをまとめた。組織やデータ連携の課題はどこも山積み。ただし、転職で年収を上げることは容易。
0
1
18
データサイエンティストが面接で落とされる理由10選
面接官やってて思うけど、就活も転職も、「なぜか落ちた」の理由はこの中のどれかに集約される。ひとつひとつ確認して、落とされる理由を削っていくのが内定率を高めるコツ。
0
1
17
まじでこれ。ちなみに私は飲食バイト3ヶ月以上続いたことない。
補足すると、データサイエンティストみたいな専門職なら、こんな私もJTCで務められた。営業とか経理は絶対無理
文系大学生たちは、塾講師や家庭教師をする前に、1度飲食やコンビニバイトを経験することをオススメする。
居酒屋やコンビニでの業務が入試問題より難しいと感じたなら、就活でJTC総合職は絶対避けるようにしよう。これは文系総合職としてやっていけるか判断するための有力指標だ。
19
686
6K
0
0
17
よく質問もらうけど、狙う企業による。JTCは、いらないところも多い。メガベンチャーや研究所は、技術力の証明が必須。
直近の内定者にコンタクト取るのが早いが、厳しければまずインターン参加を目指すのが良い。
インターン選考面接内でうまく答えられなかった質問から、今の立ち位置がわかるはず
1
1
15
これらの企業は社員のデータリテラシーが高く、おすすめ。データサイエンティストとして働く上で、周りの理解は大事。できる施策の幅が全く変わってくる。特にモノタロウは、テック企業としての認知度が意外とないので穴場。
SQLの活用が社内で浸透している事例。急成長しているテック系の企業はエンジニアやデータアナリスト意外でもSQLを使ったデータ集計ができる人が多い。自分で欲しいタイミングで欲しいデータが取れるようになると意思決定スピードも早くPDCAもまわしやすい。
0
25
318
0
2
17
採用されるデータサイエンティストの特徴
・データを目的でなく手段だと理解した上で事業に活かすイメージが明確
・過去の実績がわかりやすく、応募先での業務との関連付けができている
・数学とプログラミング以外の事業ドメインに関する知識がある
・学習意欲と実績がある
技術はあくまで手段
0
3
17
大手SIerへの発注者側で仕事したことあるけど、ブランド力あるので「このSIerに発注します」と言って社内で否定する人がいないのが良かった。逆に小さい企業は与信調査とかが手間。しかもあえて小さい企業選ぶなら、万が一の時の責任は自分に来る。だったら保身のために大手に発注がいいよねって思考
結局SIerの存在価値ってなんなんでしょうね？？
ぼったくり価格、多重構造の推進による日本の生産性の低下、大企業に媚びを売る営業姿勢と、Xで嫌われる要素満載なSIerだけど、
1
2
38
1
1
16
これは本当にあって、データサイエンティスト界隈でもトップ層はずっと勉強してる。けどそれを苦にしていない。好きこそものの上手なれ。初心者はまず、技術に興味を持つことが意外と近道かもしれない。
ITエンジニアの言う
｢休日や業後の勉強？してませんよ｣は
｢今は特別資格勉強とかはしていないが、普通に個人開発したりサーバー用意したりはしている｣
という意味も含まれるで注意しましょう。
彼らは一般人の想像する勉強を勉強と思ってないことも多々あるので…
42
598
2K
0
1
16
専門職って、「好きじゃないとできない」。数学が得意な人よりも数学が好きな人の方がデータサイエンティストに向いてる。一日中数学のこと考えるわけだから当たり前。数学嫌いがDSになるのは、例えるなら嫌いな相手と結婚するようなもの。そして、数学への興味を持てること自体が希少な才能なのだ。
0
0
16
これはあるある。入社前に最低限、以下を確認すべき
・DS部署の立ち上げ時期と在籍人数
・在籍DSのバックグラウンド
・分析基盤の詳細
それでもガチャ要素はある。在籍しているDSにたくさん話を聞いておくべき
インフラ環境が整っていなくて会社を辞めるデータサイエンティストは多いよ。
実は私もその1人でした。
急激に発展した分野なだけあって、インフラ屋がいない、周りの理解がない、お金がおりない等の問題は本当に多いよ
だからこそ転職では環境が何よりも大事だよ
0
1
45
1
2
15
同意。特に以下の文章。
「どうせどれだけ勉強しても、いざ仕事でやり始めたら、わからないところなんて沢山出てくる。」
なぜか初学者ほど完璧を目指しがちだが、DSの実務なんて分からないことを調べながらやるのが普通。meta創業者も言うように、「done is better than perfect」なのだ。
私が今からデータサイエンス（機械学習）の独学を始めるなら下記流れで進める。
・pythonの環境構築
・kaggleのtitanic予測、住宅価格予測の記事を読み、わからないところを生成AIに全部聞きながら、取り組む。必要に応じてググって解説記事読みこむ。
0
42
471
1
1
14
【データサイエンティスト就活・転職の前に勉強しないとやばい内容リスト】
これをやらずに突っ込むと玉砕します。面接でもどれも聞かれることなので、しっかり準備しましょう
0
2
13
【こんな職務経歴書・履歴書は落ちる】
せっかく実力があるのに、伝え方がまずいせいで面接すら受けられない人が多すぎます。採用担当の目線で、書類落ちさせるデータサイエンティストの特徴を整理しました。応募前にチェック推奨です
0
1
14
データ分析以前のデータ収集段階でデータサイエンティストが直面しがちな課題をまとめたよ。特に、分析プロジェクトのはずがデータ基盤がなかったなんて悩みはよく聞く。その場合はシステム���発から携わるハメになり、望むキャリアが築きにくくなる。入社前にデータ体制は入念な確認を。
0
0
14
中途採用したくなるデータサイエンティストの特徴
・強みが明確で、キャリアに一貫性がある
・職務経歴書が読みやすい。文章力とかではなく、論理的な構成面
・やりたいこと、転職理由が明確
特に、職務経歴書のフォーマット変えるだけで一気に良くなることは多い
0
0
14
一般的に、データサイエンティストへのクライアントの期待値は高すぎる。この理由が最近わかった。「これだけ自分たちが苦労して集めたデータだから、分析すればすごい価値になるはず」と思い込んでるんだ。営業職の人が過去の営業のデータを持ってきた時に、「汗と涙の結晶」とか言ってた。
0
0
13
GPT4oの発表からもわかる通り、生成AIはすごい速度で安く、便利になる。企業での利用は今後さらに加速する。私もGPT4oのおかげで、半年前に立てたプロジェクトの予算計画よりコストを大幅にカットできそうで嬉しい。単純にAPIのコストが下がると、成立するビジネスの幅が広がるので、チャンスが増える
0
1
13
【3万字超の転職攻略法を無料配布】
データサイエンティストに特化して採用担当が書きました。就活でも役立つ、ここだけの内容です。
<受け取り方>
①このツイートをRT&いいね
②以下のnoteに「スキ」
③DMで「noteプレゼント」と送る
ちなみに目次だけでこのボリューム
0
9
12
データサイエンティスト就活生のWEB系企業志望動機をまとめたよ。以下の企業などに使ってね
・リクルート
・メルカリ
・サイバーエージェント
・LINE
・Yahoo
0
2
13
同意。リモートだと立ち話ができないので、カジュアルな定例会議を組むようにする。「お悩みないですか？」「最近どうですか？」そんな雑談から課題が浮かび上がる。特に新規PJを作る時は、施策のクオリティ以上に課題の深さが大事なので、「課題発見」のために時間を使うのは必須
メーカーでデータサイエンス（機械学習）をやり始めて、最初に感じた違和感が、
データサイエンスやってたら、「機械学習を使って、この課題解決できないですか？」と皆から提案されるものとばかり思っていたが、
そんなことは殆ど起こらない
ということ。
「情報は自分で取りに行くもの」
0
49
374
0
1
13
有用な図解。
補足すると、受託と自社開発両方経験したけど、それぞれ以下の特徴がある
<受託>
・幅広い分野に携われて、飽きっぽい人は合う
・20代成長環境good
<自社開発>
・長期で1つのプロダクトできるので深く多角的なデータ分析が可能
・福利厚生は受託より充実傾向
自分に合う会社選びを。
【26・27卒必見！データサイエンス就活ツリー】
データサイエンティストになりたいけど、どの企業に行きたいか分からない！
これは就活であるあるだね🤔
データサイエンス就活を行なった視点で、データサイエンティストの区分を分かりやすくまとめたよ👍
0
15
93
1
1
12
同意。特に生成AIが組み込まれたシステムの設計はDSとして価値出せる。ドメイン知識がないのなら、ビジネスに近すぎる領域ではDSの本領を発揮できない。DSはシステムに詳しくなろう
生成AIでテクニカルな領域でデータサイエンティストが絡める要素は少ないと思うよ。
モデルの選定・モデルのチューニングがパッと思いつくところだけど、ファインチューニングは簡単にできるものじゃないね。
・小さなモデルには有用だが、精度的に実用に足らない
0
6
84
0
0
12
slackでさっそくお悩み相談があったので、相談者は伏せた上で回答を共有！
・お悩み内容
データサイエンティストになりたいけど実務経験がない。年収下げれば求人もあるが、できれば年収キープしたい
・回答
スクショ参照
0
0
12
コンサル採用担当の意見です！
教授にキャリアのことを聞くのはおすすめしません。理由は以下です。
・学問的高度さを重視しがち(自身が学問一筋なため)
・民間企業の採用マーケットをウォッチしてるわけではない
インターンや企業の説明会に行ってみてください！文系出身たくさんいます！
DSの皆様に質問です。文系大卒でDS目指していますが、金融系データ分析を専門とする教授には、慶応以上の大学で計量経済学を専攻しないと無理と言われました。(なれたとしてもライブラリを使い回す底辺DSだとか)これは事実でしょうか？皆さんのご意見を教えてください！
1
0
7
1
0
11
データサイエンティストはドメイン知識が求めれるようになってきてるのは、求人にも現れてる。
たとえば、パーソルのデータ戦略ポジションでは技術的なスキルの必須要件がない。
どの業界で仕事したいのか若いうちに決めた方が、データサイエンティストとして満足いくだろう
0
1
10
データアーキテクトは30歳までにこれらの経験を身につければ年収1000万円への到達も視野に入る。
ここから逆算してキャリア形成することで、最短で市場価値を上げることが可能。
0
0
10
会社員としても個人事業主としてもコンサルやってきた立場から、同じ悩みを抱えていた。実務をこなす中で、現実世界を科学するには限界があると感じた。
経済学的な視点で考えると、データサイエンティストは雇用主にとって有用だから雇われている。だから、アカデミックな「サイエンス」はできない
データ分析コンサルティングの仕事って、客観的で恣意的な視点が排除されてると思われがちですが、実態としてどうなんですか？
実は恣意的な意思決定のためにデータサイエンティストが無理やりそれっぽくデータで理由付けしてるってケースも多くないですか？
0
3
17
1
1
10
slackグループの質問と回答を匿名で共有！kaggleとポートフォリオ作成どちらに取り組むべきかという質問だよ
0
0
10
データエンジニアに必要なスキルがわかる良記事。著者が実際に業務で試行錯誤してきたことが伝わってくる。特に「走りながら勉強していくマインド」は大事
0
0
10
観測範囲の実例を挙げると以下の3パターン
①マネジメントDA
3〜5年で管理職になる。転職市場では40代まで需要あり
②技術者DA
kaggleで好成績取るレベル。30代からはマネジメント経験ないので転職先が限られる
③DSへシフト
市場全体ではDAよりも開発系の案件が多いので他職種兼務者は重宝される
0
0
9
採用されないデータサイエンティストの特徴
・コミュニケーション能力(体感8割はコレ)
・実績がESからうまく伝わらない
・kaggleや資格で客観的な能力の証明ができない
・ビジネス能力の不足が伝わる経歴
・自身の経歴にマッチしない求人への応募
データサイエンスの能力以外に原因がある
1
0
9
データサイエンティストにはビジネス知識が必要とかドメイン知識が必要とかって発信は、さすがにもう擦られすぎてみんな認識してると思う。多分次の、「データサイエンティストの必須スキル」みたいなものが今年中には出てくると思うんだよね。採用側でも実際この点を考えてる人が増えてきてる
0
1
9
データサイエンスやるなら、クラウドの知識は絶対必要。計算速度とかセキュリティの観点で、切っても切れない分野。あとクラウドごとに癖があるから、なるべく早めに触るのがいい。大手ならazure、中小企業ならAWSを使っている会社が多い感覚。GCPもたまにある。
0
0
8
ぶっちゃけXの投稿見てるだけでも、「この人は優秀そう」とかわかったりする。文章って怖くて、いろんな能力が伝わってしまうのだ。逆に言うと、自分の文章を改善しようとすることは良いトレーニング。特に就活生と転職希望者は、書類選考通過率にも繋がるのでXをトレーニングの場とすべき
0
0
8
新しい技術が出てきた時でも、その技術は実務では既存のシステムの上に載ることになる。生成AI、ディープラーニング、近年のブームもそう。だから、レガシーな技術とか古き良き企業の事情とかに詳しいと、新技術の導入もスムーズに行える。温故知新ってやつ。仕組みをよく知ってる方が上手く壊せる
0
4
8
これは自分も経験ある。駆け出しの子は、「高度な手法を使えるデータサイエンティストが優秀」と思いがち。しかし実務経験積むと、シンプルな手法がビジネスインパクトを生むことに気づく。ビジネスで求められるのはとにかく結果を出すことであり、高度な手法はその道具にすぎない
重回帰とロジステックはシンプルで説明しやすいし…
基本集計から派生しやすいから、
とても好きなんだけど、
それを駆け出しの子に話すと少し舐められるのはなぜ…
1
2
50
0
0
8
これ参加者からの評判はかなり好評。おすすめ
【リクルートDS職インターン(5/9〆)】
データスペシャリストコースの夏のインターンシップの募集が始まってるね💪
✅選考直結
✅時給3000円
で超魅力的だけど、倍率は高そう👀
0
1
29
0
0
7
エンジニアあるあるなんだけど、「スキルと給与が比例する」と思ってる人も驚くほど多い。年収を上げるのに大事なのは、需要と供給の観点。必ずしも高度な技術を持つ人が高給ではないのだ
0
0
7
技術それ自体ではなく、「データサイエンティスト就活」をこれでもかというほど研究したのだ。その結果、上記以外にもさまざまなデータサイエンティスト就活の特異性に気づき、うまく自分の就活に応用することで、周りも驚くような結果を残せた。
1
2
6
まだまだ情報の少ない上智のDS大学院入試。合格者がこうやって発信する動きが広まれば、もっとDS大学院情報がオープンになって良いよね
最近大学院受験について聞かれるので、上智を受験したときのことをまとめてみました！
ちなみに今年の入試要項がもう出てたのでそちらのURLも記事に載せてます◎
興味のある方はぜひ読んでね🌼*･
2
13
136
0
0
6
コンサル会社のbig4はどこも大体同じ業務内容という意見があるけど、データサイエンティスト目線だと結構違う。扱う案件のフェーズや、強みを持つ技術力など。最初に配属されたPJに似たPJにその後も入り続ける人も多いから、最初にどこに入るか選ぶのは大事
0
1
6
世の中のデータサイエンティストの仕事は色々ある。専門職の中でも、特に定義の幅が広いのがDSなのだ。だからDSを目指す人は最低でも10人のDSに直接話を聞いた方がいい。その中で一番なりたい姿から逆算することで、「こんなはずじゃなかった」を防げる。
0
0
6
データサイエンティスト同士で飲んでると話題に上がる仕事の悩み。プロジェクトマネジメントでは特に、不完全なデータが多いことや技術選定の難しさが特徴的
0
0
6
ADHDがキャリアで成功するコツは以下の2つに集約される。
1 自分の長所と短所を完璧に把握しろ
2 合言葉は「長所で短所をねじ伏せろ」
たとえばIT技術者は専門性さえあればケアレスミス多くても許してもらえる。技術わかる人が同じチームにいないと、特に甘やかしてもらえる。今の私がこれで超幸せ
0
2
6
同意。これを踏まえて転職先選びでは、経営レベルでのDXへのコミット度を見るべき
メーカーで約4年DX（デジタル変革）を推進して思う、DXについてあんまり認知されてないこと
・DXは「プロセス」であって、それ自体では何ら価値を生み出さない
・意思決定は人間（上位者）が行うので、DX人材は鬼のプレゼン力が必要
・DXに纏わるプレゼンをしても「？」となる。これが普通。
3
88
628
0
0
6
データサイエンティスト就活・転職活動の完全攻略note、これから徐々に値上げ予定。今が一番安いので、就活と転職を考えてる方は購入しておいてね。
DSに特化してるだけあって、このnoteがあれば、他の就活・転職本は不要
<就活>
<転職>
0
0
5
【データサイエンティスト就活・転職専門YouTube】
普段は動画で発信してるよ。採用担当目線で話が聞けるのはここだけ。就活、転職の効率が5倍以上になるかも
0
0
5
ビジネスで成功するには、相手の欲しいものを与えることだ。まず相手の気持ちになること。欲しいものを特定したら、それを頑張って作る。その魅力をわかりやすく伝えて売る。それぞれにコツがある。これはモノでなく人にも当てはまる。出世も転職も同じ考え方だ。人間は欲しいものにしか興味ないから。
0
1
5
結論、良いと思う。大学自体の偏差値が高いところの大学院に進む分には、まず問題ない。立ち止まって考えるべきケースは、低偏差値の大学のデータサイエンス学部・研究科。この場合は就活で学歴フィルターに引っかかるケースもある。進学前に、卒業生の進路は調べるべき
データサイエンスの大学院の候補としては滋賀大と横浜市立大が1番気になるけど最近新しくできた千葉大はどんな感じなんだろう
1
0
0
0
0
4