当社の若手のキャリアアップ支援「キャリア形成支援」を受けたメンバーに聞きました

最終更新日：2023年6月12日

R&D部の榊です。

当社では、開発本部内の若手メンバーのキャリアアップを支援する試みとして「キャリア形成支援」という取り組みを行っています。本稿ではその取り組みについて紹介したいと思います。

キャリア形成支援の流れ

 キャリア形成支援は以下の様な流れで行われます。

 最初にキャリアデザイン研究を通じて本人の向上したい能力を見極めた上で、メンターを一人設定します。そして、座学・プログラミング・課題実践を通じて必要な技術を学んだ後、実務で生じた課題をOJT（On the Job Training）の形式で取り組んで、学んだ技術を実践します。座学・プログラミング・課題実践のどの形式で技術を学ぶか、またOJTでどのような課題に取り組むかは、メンターと対象者が相談して決めていきます。

＜当社のキャリア支援の特長＞

• 最初に取り組むべき内容を決める研修を実施する点
• メンターを設定して個別に指導を行う点
• OJTを通じて学んだ技術を実践する点

キャリア形成支援の実例

 今回は、キャリア形成支援のより詳細な内容や具体的な流れを紹介するために、2018年度にキャリア形成支援の対象者だった河野さんにお話を伺いしました。

- キャリア形成支援を受けるきっかけはなんでしたか？

上司から進められたのが最初のきっかけです。前年度に受けていた方の様子を見ていて興味はあったので受けさせてもらうことに決めました。

- どのような目標・ゴールを設定していましたか？

キャリア形成支援を始めるにあたって、今現在できることとこれからできるようになりたいこと、そしてそのために行うアクションについて考え直す機会をいただいきました。その中で、粒度にばらつきはありますが下記のような目標を立てました。

＜河野さんの目標＞

• Pythonのスキル向上
•  AIやElasticsearchなど当社で使用されているサービスの基盤技術についての知識をつけること、またその実装を行えるようになること
•  当社の持つTwitterデータを用いて機械学習を理解すること
•  機械学習など作成したモデルをクラウドサービスにデプロイしてみること 

- どのような課題に取り組まれましたか？

設定した目標にとって最適と思われる課題を用意していただきました。

Twitterのツイートを入力すると適したハッシュタグをレコメンドする機能をテーマに、Elasticesearchにおけるデータマイニングによるアプローチと、NaiveBayes分類器やKerasを使用した機械学習によるアプローチを実現するために、週1日程度の時間を割いて様々な課題に取り組みました。

Elasticsearchのクエリを構築してテストデータを取得する、Pythonでデータの前処理をする、Bag of WordsやSentence Embeddingといったアルゴリズムを実装するなどです。

また、合間にクラウドサービスにデプロイするという目標達成のために、作成したレコメンドモデルをAWSのFargateにデプロイする課題も取り入れていただきました。

- 課題を通じてどのようなことを学べましたか？

データマインングによるアプローチでは、Elasticsearchのクエリから始まり、取得したデータを加工/集計する方法、またSentence Embeddingなどのアルゴリズムについても詳細に学ぶことができました。

機械学習によるアプローチでは、Kerasの使用を通して、TensorFlowについて主なレイヤーやメソッドを使えるレベルまで学ぶことができました。

また、FargateはCloudFormationで構築してさらにCIも準備したのですが、FargateだけでなくCloudFormationをしっかり書くのも初めてでした。こちらは初めてとはいえ本職でしたので理解は容易でしたが、R&D部にも詳しい方がいるのでいろいろと教わることができ、現在の業務でも非常に有用なスキルになっています。

他にも、課題はPythonで行いますので、Pythonについての書き方が学べました。ある程度書ける自負はあったのですが、まだまだでした。Jupyter NotebookやPipenvなど、Python周りの環境も理解が浅かったようで、課題を通して学べることが数多くありました。

- 受講者として良かった点・こうすれば良かった点などの振り返りをは教えて下さい

良かった点は、毎週の課題を出していただくにあたってR&D部のメンターから詳細なロジックや数式の説明を受けることができたので、意味を理解した上で実装する能力がついたことだと思います。これまではR&D部から提供を受けたソースコードを実装に取り込むだけでしたが、実際に呼び出しているこのロジックはこうやって動いているんだなとか、このコードの呼び出し方はデプロイするアーキテクチャに合わせてこうやって変更しても大丈夫だな、などが理解できるようになりました。Pythonのスキルアップを別にすると、これが業務に一番生きている部分かもしれません。

また、TensorFlowについての講義で機械学習エンジニアとしての一歩も踏み出すことができたことも、今後のキャリアの形成のためには非常に良かった点だと思います。

 こうすれば良かった点は、せっかく数式から講義してもらったのだから機械学習に必要な数学の知識をもっと深めても良かったのではないかということです。今も少しずつ勉強していますが、キャリア形成支援を受けていた間は表面上の理解になってしまって、咀嚼しきれなかった内容もあるので、課題に不要でも復習して理解を深めることをもっとやっても良かったと反省しています。講義直後の方が理解も段違いにしやすいと思います。

- 逆に、メンター・会社にこうして欲しかったなどの要望があれば教えて下さい

メンターには非常によくしていただき、さらに私のレベルに合わせた講義をしていただきましたので、特に要望といったことはありません。メンターが怖いわけでは決してありません、ええ。(本当に丁寧にいろいろと教えていただきました)

会社として行っているのですが、業務調整は常に自分で行うため忙しい時期は時間を作るのに苦労しました。やはり優先すべきは自部署の業務ですので。自分でスケジュールを調整できる働きやすさとのトレードオフではありますが、もうちょっとキャリア形成支援を周知していただければ業務調整がしやすかったかなと。

ただ、やはり貴重な機会になりますし、忙しくなってもスキルアップは間違い無いと思いますので今後もこの取り組みを続けていってほしいです。

- 今後のキャリアに向けて、何か一言お願いします

業務においてはバックエンドエンジニアとしてコンテナサービスであったりサーバレスであったりが得意になってきたところで、さらにデータマイニングと機械学習が高いレベルで構築できれば隙のないエンジニアになれるのではないかと、ほくそ笑んでおります。

真面目な話をしますと、コンテナもサーバレスもまだまだ学ぶ点は多く、他にも取り組まなければならない分野はたくさんありますが、キャリア形成支援で習得できたデータマイニングと機械学習を実用レベルまで高めて、機械学習を最初のフェーズからサービス化まで実現できるようになるのが当面の目標です。ホットリンクではその機会があると思いますし、自分からも積極的に機会を作っていく所存です。

ホットリンクでは、社員のキャリア形成に寄与する活動を可能な限り支援したいという方針を掲げています。開発部ではメンバーのやる気をバックアップするために、社内勉強会、キャリア形成支援や書籍購入支援など様々な取り組みを行っています。当社にご興味を持った方はぜひ採用ページをご覧ください。

ホットリンク採用ページ