AIエンジニアになるには? 必要な資格やスキル、なるまでのルートを紹介

AIエンジニアになるまでの道のり

高校では「理系」で数学や情報処理を学ぶ

AIエンジニアとして将来働く上で、微分積分・線形代数・ベクトル・行列・確率などの数学的知識、プログラミングやサーバー、データベースの知識など、IT関連のスキルも必要になってきます。

またAIエンジニアは、「考え方」の部分においても、数的思考、論理的思考を取り入れた理系寄りの考え方が求められる職業でもあります。

そのため、高校は理系のコースに進み、数学や情報処理を重点的に学び、また理系の考え方を身に付けておくと、早くからAIエンジニアとしての基礎を固めやすいでしょう。

さらに最近は、高校でも「AI科」、「AIコース」のような特化した科を設置する学校も増えてきています。

既に中学卒業段階で、将来の目標をAIエンジニアに定めている人であれば、そのような専門の科に進んでみるのも一つの方法でしょう。

大学に進学するのが一般的

AIエンジニアは、数学、統計学、機械学習・ディープラーニングなど、高度で専門的な知識を扱う職業です。

そのため、高校卒業後は「大学」に進学し、学生のうちから研究活動などを行い、知識を深める人が多い傾向です。

AIエンジニアに関連する知識を学べる学部としては、理学部工学部情報学部・情報工学部などが挙げられ、最近では、コンピュータサイエンス学部・データサイエンス学部・知能工学部など、よりAI分野に特化した学部を用意する大学も増えて来ています。

大学卒業後は、AIエンジニアを募集しているメーカー、sler、AIベンチャーなどに、新卒採用で就職するのが模範的なルートといえるでしょう。

また、大学卒業後、大学院に進学してより深い研究を行ったり、職員として研究室に残り研究活動を続ける人もいるようです。

知識が武器となる職業でもありますので、高度な研究活動を続けていると、タッグを組んだ大手企業などから引き抜きに合い、より高みを目指せる環境で働けることもあるようです。

ルートはさまざまある

前述した大学に進むルートは、あくまで模範的なルートであり、AIエンジニアになるためのルートはそのほかにもさまざまあります。

専門学校やITスクールに通いAIエンジニアになる

「専門学校」や民間の「ITスクール」でも、AIエンジニアとして必要なプログラミングスキルやディープラーニング・機械学習の知識を学ぶことができます。

専門学校やITスクールでは、大学のようにアカデミックな研究などはなかなか行えないものの、より実践的なスキルを学べるという利点もありますので、それを足掛かりにAIエンジニアとして就職するケースも珍しくありません。

関連する職種からAIエンジニアになる

システムエンジニアプログラマーインフラエンジニアWebエンジニアデータベースエンジニアなど、いわゆる「ITエンジニア」に分類される職種は、AIエンジニアと共通する知識やスキルも多いです。

また、これらのITエンジニア職は、一般的にはAIエンジニアに比べると就職のハードルというのは低めです。

そのためAIエンジニアとして就職が難しい場合は、まずは足掛かりとして、ITエンジニアとして就職して開発経験を積んでから、将来的にAIエンジニアに転職するというルートも存在します。

独学でAIエンジニアになる

独学で目指す人もいる
AIエンジニアは専門的な知識やスキルが必要な職業ではありますが、市販の書籍などを利用して、「独学」でその知識を身に付けることも不可能ではありません。

実際に、高卒から独学で知識を学びAIエンジニアとして採用される人、まったくの異業種から独学で基礎を勉強してAIエンジニアに採用される人もいるようです。

AIエンジニアは働き手の絶対数が不足していることもあり、「独学OK」で採用する会社や、中にはまったく知識のない人をゼロから育成する会社というのもありますので、独学であっても挑戦できるチャンスは用意されています。

独学での学習方法は?
AIエンジニアとして働く上では、さまざまな分野の知識が必要となりますが、とくに以下の3つの分野の知識は必要不可欠といわれています。

1.プログラミングスキル(Python、C、C++など)
2.機械学習、ディープラーニングの知識
3.数学関連の知識(微分積分学、線形代数学、確率論など)

とはいえ、これらいずれにおいても、現在は教科書や参考書が多数市販されており、書籍を読むことで基本的な知識は蓄えていくことができます。

また、プログラミングや機械学習などの分野は、知識だけでなく「実践」の練習も必要となりますが、現在はWeb上の学習サイトなどを用いることで、実習形式で学ぶこともできてしまいます。

そのように市販の書籍や学習サイトを利用して、繰り返し学習を進めていくのが、現在の主流な独学方法となっているようです。

また、AIエンジニアの勉強をするにあたり、プログラミング言語Pythonの検定試験である「Python3エンジニア認定基礎試験」、ディープラーニング系の「G検定」や「E資格」など、関連する資格試験の合格を目標として勉強を進める人もいるようです。

独学以外の学習方法は?
<「学校」に通って学ぶことができる>
最近は「大学」、「専門学校」、「ITスクール」などで、AIエンジニア向けの学部やコースを用意する学校も増えてきており、プロの講師から体系的に学ぶこともできるようになっています。

とくに、中学生や高校生の現役のうちからAIエンジニアを目指している人の場合は、独学ではなく、大学や専門学校に進学して、基礎から学ぶケースが多いようです。

<大学では学問として追及できる>
大学では、AIに関する知識を、「学問」としてアカデミックに追及することができます。

大学ではその分野に明るい教授や、充実した研究設備のもと、研究活動や論文作成などに没頭することもできるため、独学では得られない経験を積めることもあります。

より深い部分の知識を学んでいけるため、将来はエンジニアというよりも「研究職」として基礎研究などに携わり、技術の高みを目指したい人にとっては、大学の学習環境は適しているといえるでしょう。

<専門学校やITスクールは実践的スキルを学べる>
専門学校やITスクールでは、実習形式の授業を通し、プログラミングや機械学習モデル作成など、エンジニアとしての実践的で具体的なスキルを学びやすい環境です。

専門学校やITスクールで学ぶような実践的なスキルは、努力次第では、独学でも学ぶこともできます。

とはいえ専門学校やITスクールでは、幅広く難解なAIエンジニアのスキルを、プロが組んだカリキュラムの下、体系的に学んでいくことができます。

自分一人での独学はなかなか思うように進まないことも多いため、独学が難しいと感じる人の場合は、専門学校やITスクールの力を借りてしまった方が効率のよい場合もあります。

独学のメリット
独学でAIエンジニアを目指すことのメリットとしては、次のようなものが挙げられます。

<独学のメリット>
・費用が安い
・自分で考える力が身に付く
・センスや要領のよい人であれば、独学の方が学習スピードは早い
など

最大のメリットは、金銭的な面です。

独学で掛かる費用は、書籍・参考書代が数千円~1万円程度、学習サイトの月々の利用料が、無料~1000円程度です。

一方で、大学や専門学校に通うとなると、年間で100万円~150万円近くの学費が発生し、ITスクールであっても月々10万円以上の学費が掛かるスクールもありますので、独学と比べると費用には雲泥の差があります。

また、センスや要領のよい人であれば、自分で効率よく必要な知識を吸収していくため、学校での足並みを揃えた教育よりも成長スピードが早いこともあるようです。

独学のデメリット
対して、独学で目指すことのデメリットとしては、次のようなものが挙げられます。

<独学のデメリット>
・何をすればいいか分からず路頭に迷いやすい、挫折しやすい
・余計な部分まで勉強し、効率が悪くなることがある
・「学歴」にならないため、対外的に示せる実績とならない
など

AIエンジニアの場合、とにかく覚える知識が広くかつ専門的です。

独学でやろうとすると、何から手を付けてよいかわからず、また急に登場する専門用語などに悪戦苦闘し、挫折してしまうことも少なくはないようです。

範囲も広い分、余計な部分まで深入りして、莫大な時間が掛かってしまう恐れもあります。

「どのように勉強すればいいかわからない」、「周りに詳しい知人などがいない」、「時間やお金の余裕はある」といった人などは、学校に通ってしまった方が確実といえるかもしれません。

もう一つ、大学や専門学校で学ぶと、卒業時に「学歴」を得ることができますが、独学の場合はどれだけ勉強をしても、それを学歴や経歴として客観的に示すことができません。

そのため、自分の知識やスキルを示すためには、別途、資格の取得などでアピールする必要もでてくるでしょう。

未経験でAIエンジニアになれる?

現在、AIエンジニアは人手が大きく不足しているため、未経験者を採用する企業も少なくはありません。

中には、大学や専門学校でAI分野を学んでもいない、本当にまったくの未経験者を採用する会社もあるようです。

いってみれば、高校卒業後にそのままAIエンジニアとして就職したり、まったく関係のない職業からAIエンジニアに異業種転職することも、意欲や適性次第で不可能というわけではありません。

特に、新しいことに対する吸収力の高い20代前半程度の若い人材は歓迎されやすく、未経験で挑戦できるチャンスに恵まれています。

AIエンジニアの資格・難易度

資格は必要か?

AIエンジニアの業務内容は専門的ではあるものの、医師弁護士などのように、資格がないと業務が制限されるものではありません。

就職や転職においても、資格が「必須」とされることは基本的になく、まったく何の資格を持っていなくともAIエンジニアになることは可能です。

同時に、資格は就職を左右する絶対的な要素とはならず、資格を所持しているからといってAIエンジニアにすんなりとなれるとは限りません。

AIエンジニア向けの資格はほとんどない

AIエンジニア自体が新しい職業であることもあり、AIエンジニア向けに特化した資格というのはまだまだ整備されていないのが実情です。

そのような中、2017年10月に、ディープラーニングを中心とした技術による産業競争力の向上を目的とする「一般社団法人日本ディープラーニング協会」が設立され、ディープラーニング分野の知識を問うための資格試験となる「G検定」と「E資格」も誕生しました。

「G検定」と「E資格」は、AI業界内では徐々に知名度を高め、AIエンジニアにとっての代表的な資格となってきています。

ただしあくまで民間資格となり、AI関連の資格で国家資格、公的資格というのは現状存在していません。

資格のメリットや恩恵

とはいえ資格が無意味という訳ではなく、資格を取得することで次のようなメリットや恩恵が受けられます。

<AIエンジニアが資格を取得するメリット>
・資格の取得はその職業への「熱意」や「意欲」の表れとなるため、面接時などに好感を得やすい
・専門的な用語や基礎的な概念の理解が深まるため、専門家たちとのコミュニケーションも円滑に行えるようになる
・幅広く、理解に差がでやすいAI分野の知識において、世間とズレていないかを客観的に確認・テストできる
・資格を取得することで、「自信」や「プロ意識」などを得られる
・AIに関する最新技術やトレンドの知識を身に付けられることもある
など

AIエンジニアは、プログラミング、機械学習・ディープラーニングなど、専門的な知識やスキルを扱います。

資格を取得することで、それらの知識を有していることを客観的に示すことができますので、特に未経験者の場合であれば自分をアピールする武器の一つとして用いることができるでしょう。

また、資格勉強を通じてスキルアップも図れますので、AIエンジニアとしての基礎を固める上でも力となってくれるでしょう。

取得しておくとよい資格

AIエンジニアを目指す人が取得しておくとよい資格としては、主に次のようなものが挙げられます。

<AIエンジニア(機会学習エンジニア)におすすめの資格>
・G検定(ジェネラリスト):難易度:★★★☆☆
・E資格(エンジニア):難易度:★★★★☆
・Python3エンジニア認定基礎試験:難易度:★★☆☆☆
・Python3エンジニア認定データ分析試験:難易度:★★☆☆☆
・基本情報技術者試験:難易度:★★★☆☆
など

AIエンジニアと関連性の深い資格としては、一般社団法人日本ディープラーニング協会(JDLA)の主催する「G検定」と「E資格」が挙げられます。

機械学習やディープラーニング分野の代表的な資格となり、取得しておくとその分野に対して一定の理解があることを示すことができます。

また、AIエンジニアはプログラム言語の「Python(パイソン)」を扱うことが多いため、
「Python3エンジニア認定基礎試験」や「Python3エンジニア認定データ分析試験」などの試験勉強を通じて、Python言語の扱いを学んでおくのも効果的でしょう。

「基本情報技術者試験」はこの中では唯一の国家資格となり、サーバーやネットワーク、データベースなどITインフラの知識を幅広く体系的に学べます。

一般的には、システムエンジニアやプログラマーが取得することの多い資格ですが、AIエンジニアにおいても扱う知識でもあり、取得しておくとITインフラまで知見のあるAIエンジニアとして、個性を見い出せるでしょう。

AIエンジニアを目指す人におすすめの資格は?

データサイエンティスト向けの資格

大きくはAIエンジニアに括られる「データサイエンティスト」ですが、データサイエンティストの場合は、次のような資格がおすすめとなります。

<データサイエンティストにおすすめの資格>
・統計検定
・Python3エンジニア認定データ分析試験
・オラクルマスター
・基本情報処理技術者試験
アクチュアリー資格試験
など

データサイエンティストは、AIエンジニア(機会学習エンジニア)が作りだしたAIを活用し、ビジネス戦略などを考案していく、いわゆるAIの「使い手」です。

データサイエンティストは、AI+統計学などを用いてデータ分析を行うため、「統計検定」や「アクチュアリー資格試験」のような統計学関連の資格、またデータベースを頻繁に用いるため、「オラクルマスター」のようなデータベース系の資格も関連性が強くなってきます。

また、2020年4月よりスタートする「Python3エンジニア認定データ分析試験」も、データ分析に関わる内容のため、データサイエンティストを目指す人にとっては、今後注目の資格となってくるかもしれません。

G検定

「G検定」は、一般社団法人日本ディープラーニング協会(JDLA)が運営する、AIエンジニア向けの民間資格です。

試験内容は、AIを学習させる上で用いる「ディープラーニング」にスポットを当てています。

Gは「ジェネラリスト」を意味し、「ディープラーニングとは何なのか?」の基礎知識に始まり、ビジネスへ活用、応用するスキルなど、ディープラーニングを幅広く活用するジェネラリストとしての知識やスキルが問われることになります。

試験範囲には、人工知能の動向、機械学習やディープラーニングの概要や手法、研究分野なども含まれてきます。

2020年現在では、機会学習やディープラーニングに関連する資格として、この「G検定」と後述する「E資格」が最も代表的な資格となっており、AI業界内においては、資格の知名度や評価の地盤が固まってきています。

資格勉強を通じて、AIエンジニアとしての基礎的な知識を固められるメリットもあるため、未経験からこの道を目指す人にとっては特におすすめな資格となってくるでしょう。

参考:一般社団法人 日本ディープラーニング協会 G検定とは?

難易度:★★★☆☆

E資格

「E資格」は、一般社団法人日本ディープラーニング協会(JDLA)が運営する、AIエンジニア向けの民間資格であり、前述した「G検定」よりワンランク上の上位試験となります。

Eは「エンジニア」を意味し、ディープラーニングの理論を理解し、適切な手法を選択して実装する能力や知識を有しているかが問われます。

試験範囲には、高等数学(線形代数、確率統計、情報理論)、機械学習の基礎と実用、ディープラーニングの実装、開発や運用などが含まれ、エンジニアとしてのより実務的な知識が必要となってきます。

なおこの「E資格」を受験するには、一般社団法人日本ディープラーニング協会が主催する「JDLA認定プログラム」を、試験日の過去2年以内に修了していることが条件となっています。

求められる知識、また受験費用においても、「G検定」よりもハードルが高まりますが、その分所持していれば、AIを開発する「エンジニア」としての知識やスキルをより客観的に示す証となってくれるでしょう。

参考:一般社団法人 日本ディープラーニング協会 E資格とは?

難易度:★★★★☆

Python3エンジニア認定基礎試験

「Python3エンジニア認定基礎試験」は、一般社団法人Pythonエンジニア育成推進協会が運営する民間資格です。

この試験は、プログラム言語「Python」の文法や基礎知識を問う資格試験となります。

AIエンジニアはプログラミングスキルも必要になる職業であり、その中でも「Python」を扱うAI開発案件は多い傾向です。

Pythonの習得を目指しているAIエンジニアの卵の人にとっては、とくに関連性が深く、おすすめな資格といえるでしょう。

また、試験内容には文字列やリストなどのデータ型、if文やfor文といった文法など、プログラミングの基礎的な内容も含まれていますので、プログラミング入門としても活用できる資格ともいえます。

なお、難易度としては、事前の予備知識やプログラミング経験などによっても変わりますが、オンライン上の学習サイトや市販の参考書などを用いながら、初心者が独学で合格を目指すことも可能なレベルとなります。

参考:一般社団法人Pythonエンジニア育成推進協会 Python試験

難易度:★★☆☆☆

Python3エンジニア認定データ分析試験

「Python3エンジニア認定データ分析試験」は、一般社団法人Pythonエンジニア育成推進協会が運営する民間資格となり、2020年春より新たにスタートする新資格となります。

こちらは、Pythonを使った「データ分析」の基礎知識や手法を問う試験となります。

試験内容は、Pythonの基礎、数学の基礎に始まり、線形代数、基礎解析、確率と統計などデータ分析に関する知識が含まれます。

また、データ解析ライブラリ「Pandas」などに関する知識についても出題されるようです。

これらデータ分析の知識は、AIエンジニア(機会学習エンジニア)にとってもあって損はない知識となりますが、それ以上に、データ分析が本業となる「データサイエンティスト」や「データエンジニア」を目指す人向けの資格として、今後普及していく可能性が高いでしょう。

参考:一般社団法人Pythonエンジニア育成推進協会 Python試験

難易度:★★☆☆☆

基本情報処理技術者試験

「基本情報処理技術者試験」は、情報処理推進機構(IPA)が運営する国家試験「情報処理技術者試験」の中の一つの試験区分となり、通称「FE」とも呼ばれます。

コンピュータ科学基礎・コンピュータシステム・ネットワーク技術・データベース技術・セキュリティ・システム開発運用・IT化と経営など、「IT」に関するさまざまな知識が問われ、
ITについて幅広く学ぶことができます。

一般的には、「システムエンジニア」や「プログラマー」など、いわゆる「ITエンジニア」向けの国家資格となりますが、AIエンジニアも大きくはITエンジニアに括られるともいえます。

AIを開発するにあたり、サーバーやデータベースなどのITインフラ面の知識も求められますので、AIエンジニアの業務に通じる部分も多く、取得しておくと心強い資格といえるでしょう。

「基本」と名前が付いているものの、内容は専門的であり、IT業界外の人間が受験するとなると、少なくとも半年程度の勉強期間を要することがあります。

なお、下位資格に「ITパスポート試験」、上位資格に「応用情報技術者試験」があり、この2つの試験もITについて幅広く出題されます。

基本情報処理技術者試験が難しく感じる人の場合は、まずは下位のITパスポート試験の方からチャンレンジしてみるのもよいでしょう。

資格の詳細
参考:情報処理推進機構 基本情報処理技術者試験

難易度:★★★☆☆

AIエンジニアになるための学校の種類

学校の種類

AIエンジニアになるための学校の種類は、大きく以下3種類に分けられます。

・大学(国立大学、私立大学、短期大学)
・専門学校(高等専門学校を含む)
・スクール

「大学」では、AIに関する技術を、「学問」としてアカデミックに追及していく授業形態となることが多いです。

また、大きな大学ではAIに関する「基礎研究」などを行っていることも多く、そのような本格的な研究に携わっている教授たちと関われる機会にも恵まれているでしょう。

対して「専門学校」や「スクール」は、実際のAI開発現場を想定したより実践的な知識やスキルを学びやすい環境です。

実習形式の授業も多いため、AIエンジニアとしての業務のイメージを、学生のうちから固めやすいという利点もあります。

学費

AIエンジニアになる上での学費については、おおよその目安として次のようになります。

<学費の目安(学校別)>
・大学:国立大学は4年間で約250万円、私立大は4年間で約500万円~600万円
・専門学校:2年制コースは約220万円~250万円、4年制コースは約400万円~500万円
・ITスクール:1ヶ月あたり無料~50万円(授業内容、学習期間、オンラインあるいは通学かなどでも費用は異なる)

学費的に最も高くなるのは「私立大学」です。

「私立大学」の場合、文学部や経済学部などの文系学部は年間100万円程度の学費ですが、AIエンジニアを目指す学生が通うことの多い、理学部・工学部・コンピュータサイエンス学部などの理系の専門的な学部は割高となり、年間150万円程度の学費が発生する学校が多めです。

対して「国立大学」においては、基本的に学部関係なく学費は一律であり、年間50万円程度に設定されています。

「専門学校」の場合も、理系やAI系の学科だからといって割高になることは少なく、学科関係なく年間100万円程度となるのが一般的です。

文系か理系か

AIエンジニアとして働く上で、大学初期レベル~大学卒業レベルの数学知識が必要となってきます。

また、プログラミングやデータ解析などの業務を行う上では、数的思考や論理的思考などの理系的な考え方が必要となります。

このため、AIエンジニアを目指す人、AIエンジニアとして活躍している人には、理系の学部学科出身者がやはり割合としては多めです。

もちろん文系出身でもAIエンジニアとして活躍している人もいますが、文系出身者の場合、数学やプログラミングの知識を自主的に学び養う必要が生じてきます。

有利な学部・学科

AIエンジニアになる上で、次のような学部や学科に進むと、将来的に学業で得た経験を有利に役立てやすいです。

<AIエンジニアになる上で有利な学部・学科の一例>
■大学の学部・学科
・理学部
・工学部
・情報学部
・情報工学部
・コンピュータサイエンス学部
・データサイエンス学部
・知能工学部
・AI人工知能学部
・情報知能工学科
・コンピュータ科学科
など

■専門学校の学科・コース
・情報処理科
・コンピュータ学科
情報システム
・高度情報技術科
・AIシステム科
・ITイノベーション科
・AIコース
など
※学部・学科の名称は、学校によって若干異なる場合もあります。

上記のような名称の学部・学科では、コンピュータサイエンスの基礎にはじまり、機械学習やディープラーニングなど、AIエンジニアとして必要な知識やスキルを専門的に学べることが多いです。

また、就職活動をする上でも、以前からAIに関心があり、すでにAI分野の基礎を学んだ学生として見られるため、面接官からの評価も少なからず高まってくるでしょう。

必要な学歴

一部上場の大手企業や人気有名企業の新卒採用では、専門学校卒以上の学歴がある人を対象としている会社が多い傾向です。

また、学歴で明確に制限はしていなくても、暗黙の了解で大学卒業レベルの能力を求める大手企業も多いようです。

たとえばインターネット系大手の「DeNA」は、「AIスペシャリスト職」の新卒採用を行っていますが、学歴の制限はないものの、研究者としてトップレベルなのが前提であり、学生時代に国際会議に論文を通しているのはほぼ最低条件とされているようです。

そのように大手企業では、求める人材のハードルも高く、また世界中から優秀な学生が応募してくる可能性もありますので、学歴は高いに越したことはないでしょう。

一方で、中小企業、ベンチャー企業、スタートアップ系企業の場合、学歴というのはあまり重視されない傾向であり、会社によっては中卒者や高卒者であっても、意欲や適性があれば採用することもあるようです。

AIエンジニアになるための学校と学費(大学・専門学校・スクール)

AIエンジニアに必要なスキルは? どんな勉強が必要?

AIエンジニアに必要なスキル

どんなスキルが必要なのか?

AIエンジニアは、さまざまな分野の専門的な技術スキルが必要になる職業です。

<AIエンジニアが用いる技術スキル>
1.プログラミングスキル(Python、C、C++など)
2.機械学習、ディープラーニングの知識
3.数学関連の知識(微分積分学、線形代数学、確率論など)
4.統計学関連の知識(標準偏差、分散、確率分布、推定など)
5.データベースの運用スキルやSQLの理解
6.ITインフラの知識や運用スキル(サーバー、ネットワーク、AWSなどのクラウドサービスなど)
7.データ解析・分析のスキル(とくにデータサイエンティストを目指す場合)
など

とくに「1.プログラミングスキル」「2.機械学習、ディープラーニングの知識」「3.数学関連の知識」の3つは、AIエンジニアの業務を行う上で、必要不可欠ともよべるスキルです。

未経験採用の場合であっても、「基礎」の部分はある程度理解しておくことが望ましく、まったくプログラミングに触ったことがない、数学にも久しく関わっていないような人ですと、入社後に苦労することもあるでしょう。

昨今は、Web上の学習サイトや市販の参考書などを使って、独学で勉強できる環境も整ってきていますので、AIエンジニアを目指す人は、事前に自主勉強をしておくことも大切になってきます。

プログラミングスキル

スキル事情

AIエンジニアは、AIの開発をする上でプログラミングスキルを扱うことが多いです。

後述する機械学習やディープラーニングを行う上でも、プログラミングスキルは関係してきます。

現在、AI開発の現場で用いられるプログラミング言語は、割合的に「Python(パイソン)」であることが多いです。

ただし、案件によってはC、C++などのプログラミング言語で開発が行われることもあります。

本業である「プログラマー」ほどプログラミング中心の職業ではないものの、扱う機会は多いため、プログラミングの基礎的な部分は理解しておくことが望ましいです。

どんな勉強が必要?勉強方法は?

プログラミングを習得するには、「知識」だけでなく「実践」の練習が必要となります。

独学で学習したい場合は、知識は市販の参考書などから学び、実践の練習は自宅PCにプログラミング環境を構築することで行えます。

さらに最近は、「Google Colaboratory」のように、わざわざ自宅PCにプログラミング環境を構築せずとも、Web上でソースコードを実行できるコンテンツまで存在します。

何から手を付けていいか分からない人であれば、Web上のプログラミング学習サイトを利用し体系的に学ぶ方法もあります。

プログラミング学習サイトは、月額無料~数千円程度で、オンライン上でのプログラミングレッスンが好きな時間に受けられます。

有名どころのPythonの学習サイトとしては「Progate - Pythonコース」などが挙げられます。

さらに充実したレクチャーを受けたい場合は、民間のプログラミングスクールなどに通い、講師の指導を受けながら学習するという方法もあります。

その他、「Python3エンジニア認定基礎試験」などのプログラミング系資格を目指してみるのもよい勉強の機会となるかもしれません。

機械学習、ディープラーニング

スキル事情

AIエンジニアは、コンピュータに「これが正しい」「これが間違っている」のデータを与えて「学習」を行い、コンピュータを教育しAIに成長させていきます。

そのような学習を行う上での技術が、「機械学習」や「ディープラーニング」と呼ばれるものです。

機械学習やディープラーニングを扱うには、モデルやアルゴリズム、パターン認識などの専門知識が必要となります。

AIエンジニアにとって、機械学習やディープラーニングの知識は必要不可欠なものであるため、できれば入社前に基礎を固めておきたいところです。

どんな勉強が必要? 勉強方法は?

機械学習やディープラーニングについても、現在は参考書が多々出回っていますので、市販の書籍を読むことで、理解を深めていくことができます。

また、機械学習やディープラーニングをテーマとしてWeb上の学習サイト、ITスクールなども増えてきていますので、そのような学習サービスを利用してみるのも一つの方法です。

前述したPython+機械学習+ディープラーニングがセットとなった学習コースなどもありますので、「Pythonも知らない」「機械学習やディープラーニングも知らない」という人であれば、そのようなセットコースで体系的に学んだ方が、効率がよい場合もあるでしょう。

その他、一般社団法人日本ディープラーニング協会の主催する「G検定」もしくは「E資格」の資格を目指してみるのも、機械学習やディープラーニングの理解を深める上でよい勉強になるかもしれません。

数学関連

スキル事情

AIエンジニアとして働く上では、高等数学、大学初級~大学卒業レベル程度の数学的知識が必要になることが多いです。

具体的には、微分積分学・線形代数学・確率論・ベクトル・行列などの数学知識が特に必要となる場面が多いです。

他にも、標準偏差・分散・確率分布・推定など、「統計学」分野の知識を扱うこともあります。

また、AIエンジニアは、単に数学の「知識」だけでなく、数的や理論的に考える「思考力」も問われてくる職業です。

どんな勉強が必要?勉強方法は?

数学に関しても、教科書や参考書が多々発売されていますので、市販の書籍を参考に学習していくのが一般的な勉強方法となってきます。

ただし数学すべてを学習し直すのは現実的でない部分もあるため、たとえば、微分積分のみにスポットをあてた参考書などを購入し勉強するなど、ポイントを絞って知識を詰めていく勉強法も効果的でしょう。

また最近は、社会人向けの数学教室、数学スクール、個別塾なども増えてきています。

「中学校以降の数学をそもそも知らない」、「数学と離れすぎていて基礎すら覚えていない」という人であれば、塾講師の個別レッスンを受けながら、基礎からやり直していくのも一つの方法でしょう。

本格的に学ぶのであれば学校に通うのも

ここまで記載したように、AIエンジニアの勉強は、市販の参考書などを利用して「独学」で進めることも不可能ではありません。

とはいえ、より本格的に学びたいのであれば、学校に通うというのも一つの選択肢となってきます。

<AIを学べる学校の種類>
・大学:AIに関する知識や手法を、アカデミックに深く追求できる
・専門学校:AIエンジニアとしての実務的な知識やスキルを学びやすい
・スクール:AIエンジニアとしての実務的な知識やスキルを学びやすい、かつ専門学校より短期的、リーズナブルに学べる

大学・専門学校・スクールなどの学校に通えば、AIエンジニアとして必要な知識を、カリキュラムに沿って体系的に学ぶことができますので、初心者でも道に迷わずに着実にスキルアップしやすいでしょう。

ただでさえAIエンジニアの場合、覚える知識の範囲が広く、かつ専門的でありますので、一からしっかりと学びたいという人であれば、学校に通ってみるのもよいかもしれません。

ただし、学校は高額な学費だけでなく、多くの時間も費やすことになりますので、社会人になってから入学する場合は、その費用対効果をよく考慮して決める必要もあるでしょう。

将来的には小中高で学べる時代になる可能性も

2019年3月29日、政府より「AI戦略」が発表されました。

このAI戦略は、今後おとずれるAI時代をみこし、政府がAI関連領域で実行するべき政策を提言したものです。

今回のAI戦略内には、小中高生向けの教育体制についても強化する案が出され、小学生からプログラミング教育を取り入れ、高校生に対しては、「全ての高校卒業生が理数・データサイエンス・AIに関する基礎的なリテラシーを習得」という目標まで立てられています。

これから先の将来は、小中高の一般的な教育として、AIエンジニアとしての基礎的な知識が身に付けられるような時代になってくるかもしれません。

AIエンジニアに向いている人

AIエンジニアに向いている人の性格的特徴としては、次のようなものが挙げられます。

<AIエンジニアに向いている人の性格>
・新しいことを学ぶことが好きな人
・理論的、数的に物事を考えられる人
・プログラミングの適性がある人
・集団で協力して物事を進めるのが好きな人
など

一つ目の「新しいことを学ぶことが好きな人」は、特に重要となってくる部分です。

今後、本格的なAI時代が到来するのを前に、AIの技術開発は今世界中で進んでいます。

テクノロジーの進化のスピード、そして移り変わりのスピードはとても早く、数年前に覚えた内容がすでに古いものとなっていることもAI業界ではよくあることです。

そうした中、AIエンジニアは、情報にアンテナを張り、新しい論文などにすぐに目を通し、常に自分の技術スキルを最新化していかなければなりません。

新しいことを学ぶことが苦にならない人、AIが好きな人であれば、AIエンジニアとしての伸びしろは大きく、逆に、既存の知識ややり方に固執する人にとっては、苦痛となることも増えてくるでしょう。

AIエンジニアに向いている人・適性

AIエンジニアのキャリアプラン・キャリアパス

一人前になるまでのキャリアパス

AIエンジニアの業務内容は高度であり、数多くの専門知識を扱う職業でもあるため、一人前になるには何年もの時間が必要となります。

もともとの基礎知識や適性にもよりますが、これまで学校などでまったくAIについて学んでこなかった未経験者ですと、最初の1年目、2年目などは何をやっているかさっぱりわからないという状況が続くこともあるようです。

とはいえAIエンジニアは、何人ものエンジニアでチームを組み仕事を進めるのが基本でありますので、新人にいきなり難しい仕事が与えられることは少ないです。

新卒採用や未経験採用で入社した場合、研修や先輩からのOJTを受けながらまずは専門性の低い業務から任されるのが一般的であり、その中で少しずつ知識やスキルを磨いていく形となります。

その後、経験年数が増えてくると、徐々にチームのサブリーダーなどにシフトしていき、ゆくゆくは開発現場を纏め、今度は自分が後輩たちを指導する立場になっていくケースが多いです。

一人前になった後に必要な努力

前述もしたように、AIの技術開発は今世界中で進んでおり、テクノロジーの進化のスピードはとても早いです。

やっと一人前の仕事ができるようになったと思ったら、これまで用いていた技術や知識がすでに古いものとなっており、時代の求める優れたAIを開発するには、また新たな技術を学ばなければならないこともあります。

AIは最先端な技術分野でもあるため、歩みを止めず、エンジニアとして常に新たな技術を追う必要があります。

一人前になったからと慢心し学びを止めてしまうと、今後入社してくるAIに明るい世代の若手エンジニアにポジションを奪われてしまうこともあるかもしれません。

その先のキャリアプラン

AIエンジニアの将来的なキャリアプランとしては、次のようなものが挙げられます。

<AIエンジニアのキャリアプラン>
・スペシャリストなエンジニアとして、引き続き現場で活躍する
・チームリーダーやプロジェクトマネージャーなどの管理ポジションに移行する
・本場海外の外資系AI企業などに転職し、より高度なAI開発に携わる
・大学や研究機関の研究員に転職し、AIの基礎研究などに携わる
・専門学校や民間スクールの講師として活躍する
・「データサイエンティスト」や「システムエンジニア」など、関連するIT職種に転職する
など

AIエンジニアは誕生して間もない職業であるため、まだまだキャリアプランが未知数な部分もあります。

企業によっては、まだAI部門を創設したばかりでベテランのAIエンジニアが少なく、社内でどのようなキャリアを歩むかのモデルケースが確立していないような会社も少なくはありません。

とはいえ、AIエンジニアの用いる技術の社会的ニーズは高く、また時代はAI時代に突入しようとしています。

AIエンジニアへの需要は今後さまざまな場所で生まれる可能性が高く、それこそ技術力やスキルのあるエンジニアであれば、多彩なキャリアを描ける期待が持たれます。

AIエンジニアを目指せる年齢は?

AIエンジニアは、今人手が大きく不足している職業であり、「年齢不問」、「ミドル歓迎」などの条件で募集している求人も少なくはありません。

そのような求人が出されている以上は、極端にいえば何歳からでも目指せる職業ともいえ、実際に30代以降からAIエンジニアに挑戦する人もいるようです。

ただし、AIエンジニアは常に新しい知識を学ぶ必要があるため、吸収力が早く、発想も柔軟な、20代前半~20後半程度の若者の方がやはり歓迎はされやすいです。

また、今後は政府の進める「AI戦略」により、若い世代のプログラミング教育やAI教育が強化されていく予定もあるため、そのような英才教育を受けた若い世代に、よりニーズが移っていく可能性もあります。

したがって、30代40代以降からAIエンジニアを目指す場合は、年齢的弱点をカバーするためにも、資格勉強をするなどプラスαの対策が求められることもあるでしょう。

AIエンジニアは女性でもなれる?

AIエンジニアには性別的な制限はなく、もちろん女性でもなることのできる職業です。

力仕事ではなくデスクワークがメインの仕事となるため、男女の身体的能力差の影響も受けにくい職業ともいえます。

ただし、AIエンジニアの場合、数学・統計・コンピュータサイエンスなどの分野の知識が強く求められてきます。

理工系の色が濃いために、大学や専門学校でAIに関連することを学ぶ学生も圧倒的に男性のほうが多く、卒業後にAIエンジニアを目指す学生も、やはり男性中心となっているのが実情です。

実際にAIの開発現場で働いているエンジニアも、その多くは男性が占めており、女性エンジニアが一人もいないプロジェクトというのも珍しくはありません。

とはいえ、AIエンジニアは人手の絶対数が大きく不足している職種でもあり、水面下では人手を確保するため、女性やシニア世代の人材を積極的に取り込もうという動きも進んでいるようです。

「理系女子」や「エンジニア女子」なども定期的に話題になる中、今後はAIエンジニアを目指す女性も少しずつ増えてくるかもしれません。

女性のAIエンジニアのキャリアパス・結婚後の生活

AIエンジニアの求人状況・就職先の選び方

AIエンジニアの就職先にはどんなところがある?

代表的な就職先

AIエンジニアの代表的な就職先としては、次のようなものが挙げられます。

<AIエンジニアの就職先の例>
・一般企業、メーカー系企業など:トヨタ自動車、パナソニックなど
・IT業界のSIer:NTTデータ、日本ユニシスなど
・AI開発会社、AIベンチャー:Shannon Lab、リープマインドなど
・Web系大手企業:DeNA、サイバーエージェントなど
・大学の研究職
・研究機関の研究職:産業技術総合研究所、理化学研究所、人工知能研究センターなど
・外資系IT企業:google、IBMなど
など

この他にも、AIエンジニアの就職先は続々と広がっています。

今後は、金融、医療、農業、物流業など、さまざまな業界の企業でAIエンジニアの手が必要になるともいわれています。

さらに、政府の掲げる「AI戦略」によって、AI教育が一般化する予定のため、将来的には講師やアドバイザーとしての就職先も増えてくる可能性が高いでしょう。

開発エンジニア職と研究職

AIエンジニアの就職先として一般的に多いのは「開発エンジニア職」です。

主にSIerやAI開発会社などに就職すると、この開発エンジニア職として、AIサービスやAIアプリなどを開発することになるケースが多いです。

それとは別に、大学、研究機関、一部の大手メーカーなどでは「研究職」として、まったく新たなAI技術の基礎研究や応用研究に携われることがあります。

ただし、その手の研究職に就くには、大学での研究実績や論文実績が必要となるケースも多く、求められるポテンシャルの水準も高くなるため、採用は狭き門となってくるでしょう。

AIエンジニアの勤務先・就職先の種類

AIエンジニアの求人の状況

全体的には売り手市場

AI技術は、今後私たちの生活のあらゆる部分に普及してくるといわれており、社会は「AI時代」に突入しようとしています。

そのため、AIエンジニアに対する需要は大きく増えていますが、なにぶん高度なスキルが必要な職業のため、世界的に成り手が不足している状況です。

特に日本国内では、AI人材の育成が諸外国に比べ遅れていたこともあり、AIエンジニア不足が目立ちます。

そのような状況であるため、AIエンジニアは全体的に売り手市場の傾向です。

特に伸びしろのある20代のAIエンジニアを欲しがる国内企業は多いため、若手は引く手数多な状況ともいえるでしょう。

大手企業の求人はハードルが高い

売り手市場な状況といえども、大手企業や研究機関などは高いポテンシャルをもつ人材を求めている傾向であり、求人の応募ハードルは高いです。

たとえばインターネット系大手「DeNA」は、「AIスペシャリスト職」の新卒採用を行っていますが、学歴の制限はないものの、研究者としてトップレベルなのが前提であり、学生時代に国際会議に論文を通しているのはほぼ最低条件とされているようです。

経験者採用の場合は、より具体的な経験が求められる求人が多くなります。

たとえばインターネット系大手「楽天」の「データサイエンティスト採用(経験者向け)」では、「Unix環境の経験」、「Python等のプログラム言語の経験」、「大学院,企業,研究機関などにおける研究開発経験」などが、必須の条件とされています。

中小やベンチャーの求人は未経験も可能

対して、中小やベンチャーのAI開発会社、もしくはsIerやSES(システムエンジニアリングサービス)など大量の人手が必要になる会社であれば、求人の応募ハードルは低めな傾向です。

未経験者をゼロから育てようとする会社も少なくはなく、「未経験可」、「年齢不問」、「IT業界外からの転職歓迎」などの、緩い条件で募集されていることもあります。

求人は都心部が多め

AI開発会社やIT系企業は、東京や大阪などの都心部に集中している傾向のため、求人の分布も都心部が多めとなっています。

ただし、AI開発において「リモートワーク」を採用している会社も多く、のちのちリモートワークに切り替え、在宅勤務が可能になることもあるでしょう。

AIエンジニアの就職先の選び方

やりたいことで選ぶ

ひと言にAIエンジニアといっても、その仕事内容はさまざまです。

自動車メーカーでAIを用いた自動運転技術を作る
電機メーカーでお掃除ロボットに搭載するAIシステムを作る
・Web系の会社でスマホアプリに用いるAIを作る
・sIerでIT+AIのサービスを開発する
・研究機関でAIの新技術を研究する

など、AIエンジニアの仕事はそれぞれの環境で変わってきます。

また、その環境によって伸ばせる知識やスキルや、将来のキャリアプランなども変わってきます。

そのため、まずは自分がAIエンジニアとして何をやりたいか、どのようなAIを作りたいのかを明確化し、それが実現できる企業であるかという視点で就職先を選ぶのも一つの方法といえるでしょう。

研修や教育環境に注目

AIエンジニアは、機関学習やディープラーニングなどの専門的知識が多々必要になるため、未経験者が教育を受けずに、いきなり業務をこなすというのは難しいものがあります。

そのため、未経験で就職する場合は、「研修」や「教育環境」がどの程度充実しているかも重要なポイントとなってきます。

「入社〇年は研修期間」、「定期的な技術セミナーの開催」、「資格取得の料金負担」など手厚い教育環境を用意している会社もある一方で、ほとんど教育なしに仕事を任せる会社というのもあるようですので、教育面もよくチェックしておくことが大切でしょう。

社外or社内

システムエンジニアやプログラマーと同じように、AIエンジニアの場合も「社外」と「社内」、大きく2タイプの働き方が存在します。

「社外」は、いわゆる常住型のエンジニアと呼ばれているタイプであり、クライアント先の企業に常駐して直行直帰する働き方となり、自社にはほとんど戻りません。

対して「社内」は、いわゆる自社開発型のエンジニアと呼ばれているタイプであり、一般的なサラリーマンのように自分の会社のオフィス内が職場となり、自社の人間に囲まれながら開発を進めていきます。

社外か社内で、働く環境は大きく変わってきますので、自分がどちらに合っているかよく考慮した上で決めることが大切でしょう。

AIエンジニアの志望動機・面接

AIエンジニアの志望動機には、以下3つの要素を盛り込むのが効果的です。

1.「なぜAIエンジニアなのか」の理由
2.その会社を選ぶ理由
3.将来的な「ビジョン」や「目標」

1つ目の「なぜAIエンジニアなのか」は、採用担当者側がとくに知りたがっている部分です。

AIエンジニアを目指すことになったきっかけのエピソードを交えるなどして、AIエンジニアでなければならない自分ならではの理由を明確化できると、高評価に繋がりやすいでしょう。

AIエンジニアの志望動機と例文・面接で気をつけるべきことは?

就職先はどのように探したらいい?

就職サイトで探す

新卒の就職活動は「就職サイト」経由で行うのが最もポピュラーです。

今の時代、新卒採用を行っている企業のほとんどは、大手就職サイトに求人を掲載しています。

なお、どの就職サイトに掲載をしていない企業に限っては、企業公式サイト内の採用ページからエントリーする形となります。

就職課、学校推薦

大学や専門学校には、学生の就職をサポートする「就職課(キャリアセンター)」が用意されています。

就職課では、特定の企業への就職活動を有利に進められる「学校推薦」の受付も行っており、特に理系の大学では、学校推薦を利用できることが多いです。

その他にも就職課では、学校独自のルートで入手した求人の提供や、面接やエントリーシート作成の指導など、多彩な就職サポートを受けることもできます。

研究室経由

大学や大学院の「研究室」に入ると、AI分野の人脈を形成しやすく、教授やOB、同期のつながりで就職先を紹介されることもあるようです。

また、大学の研究室と企業がタッグを組み研究活動などを行うこともあり、その際の交流がきっかけとなり採用に繋がることもあるようです。

ビジネスSNSを利用する

最先端のAI業界では、採用媒体としてSNSも積極的に活用されています。

「LinkedIn(リンクトイン)」や「Wantedly(ウォンテッドリー)」などのビジネスSNSが活用されることが多いですが、「Twitter」や「フェイブック」など一般的なSNSで採用を行う企業もあるようです。

誰もが知るような大手企業であっても、AIエンジニアの採用はSNS経由で行っていることもありますので、見逃せないところです。

技術イベントに参加する

現在、毎月のようにAI関連の技術イベントが開催されています。

各企業が自社のAI技術をPRするようなイベントもあれば、AI勉強会やセミナー関連のイベントもあり、内容はさまざまです。

そのようなイベント会場には、AI開発会社の社員なども多数参加しているため、イベントでの交流がきっかけとなり採用に繋がることもあるようです。