機械学習

Google Cloud認定資格のProfessional ML EngineerとProfessional Data Engineerを研究員が取得しました。

機械学習

ペパボ研究所 研究員の渡辺(@ae14watanabe)です。 先日、同じく研究員である三宅(@monochromegane)、黒瀧(@kurotaky)、そして私の計3名がGoogle Cloudの認定資格であるProfessional Machine Learning Engineerを取得しました。 また、研究員とデータ基盤チームのシニアエンジニアを兼任している財津(@hiroka.eth)は同じくGoogle Cloudの認定資格であるProfessional Data Engineerを取得しました。

本エントリでは、研究員が取得した2つの資格のうち、Professional Machine Learning Engineerについて、その概要や私個人が取得を目指した経緯などを簡単にご紹介します。

Professional Machine Learning EngineerはGoogle Cloud認定資格の1つで、Google Cloudの技術と機械学習(以降、Machine Learning: ML)の知識によってビジネス上の課題を解決するMLモデルの設計・作成・製品化する能力を評価する資格です。 よって試験の出題範囲は、基本であるMLの問題の枠組みから、実践を意識したデータ準備・処理システムの設計、MLパイプラインの自動化、MLのシステムのモニタリングやメンテナンスまで多岐にわたります。

このようにMLの実践を強く指向する本資格の取得を、今回は研究員数名で目指したわけですが、私個人としては研究で生み出したMLの技術をペパボのサービスに導入するスキルを身につけるという狙いがありました。 ペパボ研究所では機械学習の手法開発・応用の研究に取り組んでいますが、その目指すところは、事業を差別化する技術を生み出すことです。 すなわち我々の研究は、MLの技術を作るにとどまらず、ペパボのサービスに導入し実際に改善をもたらすところまでを範囲としています。 しかしながら、私は研究のバックグラウンドがMLのモデル開発にあることから、また別種のスキルが求められるMLのサービス導入に対して課題を感じていました。 本資格の取得は、この課題解消に向けた良い1歩であると判断し、取得を目指すことにしました。 というのも、試験では機械学習のサービス導入のための基本から実践まで幅広く問われるため、私のようなサービス導入の初学者にとっては、試験対策を通して体系的にスキルを学べることが期待できます。 加えて、ペパボのデータ基盤はBigQueryといったGoogle Cloudのサービスを元にしているため、ペパボのサービスと連携させやすい技術を学べるのも魅力的でした。

資格取得を目指し実際に勉強してみると、MLのサービス導入のための一般的な知識とGoogle Cloud固有のテクニックを網羅的に学ぶことができ、期待通りだと感じました。例えば、私が特にハードルの高さを感じていたMLモデルのデプロイやモニタリング、継続的な改善といった点については、Google Cloudで提供しているVertex AIで包括的にカバーできるといったことを知ることができました。勉強を通して、これから実際にサービス導入に取り組む際のロードマップを得たという実感があります。具体的な勉強方法については、こちらのブログ記事が参考になりますし、このブログでも追ってまたご報告したいと思っています。

今回は私以外にも2名が本資格を取得しましたが、他の研究員も取得を目指して現在勉強しています。 また、今回取得した研究員も業務内外を通じて更なるスキルの向上を目指しており、機械学習で「事業を差別化」するための技術を生むスキルの底上げを、ペパボ研究所全体で引き続き行っていきたいと思っております。 今後もこちらのブログで機械学習の実用化に向けた取り組みについて報告していこうと思いますので、その際はぜひご覧いただければと思います。


【PR】パートナー積極採用中!

ペパボ研究所では、新しいパートナーを求めています。詳細については、当研究所のトップページをご覧ください。