データサイエンティスト育成講座：T.A. さん

T.A.様
企業名：非公開
業種：総合ロボットメーカー
職種：製品マニュアル制作

受講のきっかけや経緯

時間ができた

もともとデータサイエンスに興味がありましたが、学ぶ機会や時間もありませんでした。
データミックスの受講は、時間的余裕が以前に比べるとできたことが大きな要因です。

業務課題の解決の糸口が見えた

自身の業務において解決したい課題がありました。当初はこの課題に対して何をどうすればよいのかが分かりませんでしたが、生成AIが台頭している中、データサイエンスにより何かが解決ができるに違い無いと考えました。確信とまでは言えないものの、解決する糸口をつかめればと考えて入学しました。

「使えそう」だと思った

インターネットで数あるスクールや講座を検索し、各社の説明会等に参加するなどして、その際に課題や不明点を相談ベースで話していました。その結果、データミックスであれば”ビジネスで使う事ができるスキルとしてのデータサイエンス”を身に着けることができ、且つ、目の前にある問題解決ができると判断し、入学しました。加えて、厚生労働省の給付金対象講座であることも大きな要因でした。

発表内容

タイトル『マニュアル改革(翻訳改善と提供方法改善:Phase1)』

会社で製品マニュアルの制作を担当することになったのですが、かなりの部分で手動による制作が行われており、「このご時世、テクニカルな解決方法により効率化と省人化ができ
るはず!」と考えておりました。データミックスに入学した理由のひとつがこの問題の解決でしたので、このことをテーマにしました。

概要

改革を行う上でのフェーズ1として「翻訳改善」と「提供方法改善」の2つを課題としました。

1. 翻訳改善

機械翻訳を導入しない理由として、翻訳精度の問題があります。誤訳により出戻り作業が多いため、人による翻訳を行った方が、工程全体を考えたとき、つまり結果的には効率が良いという現実がありました。一方で、機械翻訳の精度は日々世界的な企業で開発されています。そこで、機械翻訳を使う前提で、膨大にある日本語と人による英訳から、機械翻訳で一般的に使用される指標(BleuScore)により、”機械翻訳しやすい日本語”の分析を行いました。より精度高く機械翻訳ができるように、データサイエンスによりBertScoreを加えて、この2つの指標を使って分析・解析を行いました。そして、この結果に基づいたツールを作成して、運用を開始するに至りました。

2. 提供方法改善

RAG(Retrieval-Augmented Generation)を用いてPDFをLLMに読み込ませて、日本語と英語で質問を行い、PDFの内容にそれぞれの言語で回答するというデモを行いました。この課題は、実務上解決したいという思いがありましたので、入学時から卒業発表のテーマにしたいと考えていました。

卒業発表所感

卒業発表の内容は、あくまでもフェーズ1です。しかし、フェーズ1での手法・流れができることにより、フェーズ2以降のフェーズでその手法の多くを横展開出来ると考えました。今回は、データミックスの講師陣の頭脳を拝借したり、伴奏して頂いたりして、この流れをフェーズ1で作ることが目的でした。従って、終わりの始まりではありますが、次のフェーズへスムーズに入ることができるだろうと考えています。また、7か月前には全く知らなかった手法を使ってデータサイエンスをベースとしたツールを自身で作成できたことは、今後非常に大きなアドバンテージになるだろうと考えています。

自分の成長の度合いエピソード

データサイエンスは全くの素人でした。確率・統計についても大学以来という状況でしたが、卒業時にはこれらを駆使して機械学習を使い、機械学習ツールの作成ができるようになったと思います。ただし、奥の深い学問ですので、まだまだ分からないことだらけです。少なくとも、現状から一歩踏み出して、データが扱えるという自信になっています。

これからの受講を検討している人へ

自分自身が学生の頃、AIやデータサイエンスがなく、学ぶ機会はありませんでした。一方、今や大AI時代が到来し、全ての産業が再定義されようとしています。そのような中で、日本では毎年100万人単位での人口減少フェーズに入っています。人口が少ない国や地域では、経済発展が困難であるという課題があります。しかし、テクノロジーを効果的に活用することで、これらの課題を克服し、経済水準を維持、さらには発展させることが可能だと考えています。テクノロジーによる効率化と省人化は、人口が少ない地域における経済成長のための重要な手段となり得ます。テクノロジーは、限られた人的資源を最大限に活用し、新たなビジネスモデルの創出や産業の革新を促進する原動力となると考えています。

私の取り組みは小さなものですが、省人化を意識した課題解決です。データサイエンスはそんな問題をも解決できるテクノロジーのひとつではないかと考えます。「人生100年時代」と言われていますが、このような時代の流れでは、10年後には「人生110年時代」「120年時代」と言われるようになっていてもおかしくないのではないでしょうか?最新の知識を学び、身につけたスキルを実践することで、自身の生き方をより主導的にできる。学び始めることに遅すぎることはないのではないかと考えます。

Stay hungry, stay foolish.