アルファ版試作の段階で公開しています。内容は確認を続けており、ページの中身とアドレスは予告なく変わることがあります。
データと AI:データから価値を引き出す

ML エンジニア

機械学習のモデルを、製品として動く形にして運用する。

PythonMLOpsクラウドソフトウェア工学

中心になる層:具体技術、工学(どの職種でも、基礎は共通の土台です)

どんな仕事か

機械学習のモデルを、製品として動く形にして運用する仕事です。データサイエンティストが作ったモデルを、多くの利用者に安定して提供できるように組み込み、データが変わってモデルの精度が落ちていないかを監視し、作り直す仕組み(MLOps)を整えます。ソフトウェア工学と機械学習の両方の知識を使う職種です。

向いている人

機械学習に興味があり、同時に「動き続けるソフトウェア」を作ることに責任を持ちたい人に向いています。バックエンドやクラウドの経験がある人が、機械学習の知識を足して進むことが多い職種です。生成 AI の普及で、既存のモデルや API を組み合わせて製品を作る仕事も増えており、こちらはバックエンドの延長として入りやすくなっています。

最初に学ぶこと

Python とソフトウェア工学の基礎(テスト、バージョン管理、CI/CD)を土台に、機械学習の基本的な手法と評価の方法を学びます。次にクラウドで、モデルを API として提供し、監視し、再学習する一連の流れを自分で組んでみます。roadmap.sh には MLOps と AI Engineer のロードマップがあります。資格では E 資格と、クラウド各社の ML 系の資格が目安になります。

つまずきやすいところ

モデルの精度にばかり目が向き、データの流れや運用の設計が後回しになりがちです。実際の仕事では、モデルそのものより周りの仕組み(データの取り込み、監視、ロールバック)の方が大きな部分を占めます。AI のリスク管理の考え方(NIST AI RMF など)も、製品を出す前に一度は確かめておきたい内容です。

学ぶ道順

この職種で学ぶものを、進める順に並べています。順番は目安で、一度だけ通るものではなく、行き来しながら進めます。

  1. 手を動かして身につける

    主な技術を、小さなものを作りながら覚えます。全体像は roadmap.sh のロードマップで確かめられます。

    主な技術

    PythonMLOpsクラウドソフトウェア工学

    roadmap.sh のロードマップ

  2. 考え方を体系で確かめる

    触った技術の背景にある考え方を、知識体系で確かめます。

  3. 力を確かめる

    資格は、どこまで分かっているかを確かめる物差しとして使えます。

次に読む

「データと AI」のほかの職種

すべての職種を見る