機械学習エンジニアとは？

機械学習エンジニアは、人工知能・AIの領域でシステムを設計・構築するエンジニアを指します。また機械学習エンジニアは、ML(Machine Learning)エンジニアとも言われています。ここでは機械学習エンジニアの詳細に迫ります。

機械学習の説明をする上で前提となるのが、人工知能についての知識です。人工知能とは、人間が備えている知的な行為をコンピュータの手続き・アルゴルズムに基づき、所定のデータを与えることで機械的に実行することを研究する領域となります。人間の介在なしに機械的に実行することができれば人間の負担が減り、従来経験則に任せていた領域も科学的に最適な結果を導くことが可能になります。

機械学習は人工知能の一種で、学習方法を定義し機械的に学習させるために過去の蓄積データから将来を予測をするための技法を指します。関連した用語としてよく聞かれる深層学習(Deep Learning)とは、人間の脳神経であるニューロンをヒントにモデル化されたニューラルネットワークを用いた技術です。十分なデータ量を与えられることで、機械が人間の介在なしに自動的にデータから特徴を抽出しパターン認識等に活用していきます。したがって人工知能 ⊃ 機械学習 ⊃ 深層学習の関係を持ち、人工知能は全体を包摂する関係にあります。

よく募集職種で、データサイエンティストや機械学習エンジニアが記載されています。データサイエンティストとは機械学習アルゴリズムを使うシステム利用者で、データ分析者・統計の専門家を指します。一方機械学習エンジニアは機械学習アルゴリズムを設計・実装する技術者のことで、ITエンジニアの一種となります。

AIエンジニアとは、AI関連の技術職全体を指します。具体的には、上記のシステム構築側の機械学習エンジニアおよびシステム利用側のデータサイエンティストが含まれます。

機械学習エンジニアの仕事の内容は？

機械学習エンジニアは、AI分野の技術の専門家として認知されています。一般企業の他学術系研究機関に勤務される方もいます。またシステムに関連してサービスの学習を担当したり、モデルの作成・開発から運用まで全工程を担当することもあります。

機械学習エンジニアはシステム構築サイクルを任されますから、プログラム開発や学習アルゴリズムの設計の知識が求められます。プログラム開発はPythonやC、C++が主な開発言語です。アルゴリズム設計にはプログラミング言語の理解の他、高度な数学や統計理論を多用しますので一定の経験が求められるでしょう。

次に関連する要素としてシステムインフラの技術が求められます。特に最適化には、ハードウエアの知識に基づいてシステムメモリーの利用や計算手法を最適化しますので、OSとハードウエアの知識が求められます。同様に収集したデータを格納するために、HadoopやSQL等のデータベースを理解している必要があります。

過去の蓄積データを活用するためには、ビッグデータの理解も合わせて必要となります。最近では、クラウドにデータを格納することも増えていますのでクラウド連携も知識があると有利でしょう。

機械学習エンジニアの能力を証明するために、日本ディープラーニング協会の検定を紹介します。G検定はジェネラリスト向けの検定となります。E資格はエンジニア向けとなります。
参考：一般社団法人 日本ディープラーニング協会のG検定、E資格

次に統計自体の能力を証明するために、統計質保証推進協会の統計検定をお勧めします。
参考：一般財団法人 統計質保証推進協会の統計検定
実務経験に加えて上記資格を取得できれば、対外的に自分のスキルを証明することが可能となります。

機械学習エンジニアの年収やキャリアパスは？

機械学習エンジニアは、人工知能の領域の経験や統計の知識が求められます。ここでは、その先にあるキャリアの選択肢や結果として得られる年収について説明していきます。

機械学習エンジニアの年収は、人材募集の情報によると600万円から800万円が相場となります。より専門的な知識を要する業務の場合、1,000万以上の場合もあります。海外では1,400万円前後ですが、近年シリコンバレーのAI技術者としての給与は、GAFA(Google、Amazon、Facebook、Apple)の著名なAI技術者を例に見てみると200万ドル(約2億円超)と言われています。

シリコンバレーのNECやNTTの研究開発拠点でも同様な流れがあります。NECでは新人研究者に1,000万円以上、NTTでは経験採用で2,000万円から1億円を支払う準備がある、という記事が2019年に話題となりました。

現実的に機械学習エンジニアとしてのキャリアを積んでいくには、経験を積んでいくのが一番でしょう。具体的には、ITエンジニアをスタート地点として経験を積んでいきます。その後、機械学習エンジニアとして必要な統計や分析のスキルを高めていきます。その後は、フリーランスとして活動することも可能でしょう。

同様に、プロジェクトマネージャとして全体プロセスを担当したり、コンサルタントやリサーチャーとして活躍の場を広げていくことが期待できるでしょう。

機械学習エンジニアの市場性は？

こつこつスキルを高めて、機械学習エンジニアになった際には、どのような未来が見えるのでしょうか？ここではその将来性や適応業務の領域について見ていきましょう。

富士キメラ総研による「2020 人工知能ビジネス総調査」では、今後5年間の需要予測や市場規模について、予測値をを公表しています。富士キメラ総研の試算によると、2025年には2019年の2倍の市場規模が予測されています。富士キメラ総研は2016年と2018年に同様の予測値を公表しています。その時点では10年で2倍の市場規模を予測していましたので、それを上回り、約5年間で倍増する予測となっています。
したがって、市場規模は爆発的に拡大していると、考えるのが妥当でしょう。
参考：株式会社 富士キメラ総研 2020 人工知能ビジネス総調査

機械学習の適応領域ですが大まかに3つの分類に大別されます。具体的にはコンピュータ認識の領域、コンピュータ分析・予測の領域、コンピュータ対処応答の領域、に大別され、それぞれ適応が拡大しています。

さらに詳しく見てみるとコンピュータ認識の領域では、画像認識（顔認証や監視等）、音声認識（音声入力や応対等）、文章解析・文章認識（不正検知や検索等）、異常検知（故障や異常行動等）等に適応が拡大しています。同様にコンピュータ分析・予測の領域では、数値の予測（売上や株価等）、イベント発生の予測（購買予測等）等に活用されています。

コンピュータ対処応答の領域では、行動の最適化（出店や在庫最適化等）、作業の最適化（自動運転や自動応答等）、表現の生成（翻訳や要約等）等に活用されています。今後も適用領域はさらに広がっていくでしょう。

需要が高まるAI活用で機械学習エンジニアは活躍の場がさらに広がるでしょう

現在、スマートデバイスやセキュリティ機器並びにドローンに至るまで、IoTの広がりにより情報の格納と活用の要求が高まっています。そのため今後ビッグデータにより蓄積されたデータを活用し、コンピュータによる認識や予測・分析のニーズがさらに高まるでしょう。そのインフラを支える機械学習エンジニアは、必要な技術者として認知されさらにキャリアの選択肢が広がるでしょう。