医学を離れMLエンジニアへ転身、より高みを目指しFastLabelへ。【入社エントリ】
はじめまして、 FastLabel AI Lab Department, MLエンジニアの飛田です。
私は今年の8月に入社しまして、ようやく2ヶ月が経ちました。 そのためやや遅れてですが、この入社エントリにて私のこれまでと、FastLabelに至った経緯についてお話ししたいと思います。
これまでの経歴
私は大学院まで医学に足を置いており、大学では放射線技師を、大学院では医学物理士を目指して勉強＆研究をしておりました。
そのため、情報学や工学に触れる機会は少なく、大学院の研究室に入るまでは機械学習の存在すら知らない状態でした。研究室では炭素腺治療による中性子線の影響、というものを統計的に推論する研究をしていて、そのときに初めて機械学習に関わることとなりました。
また、研究室内の他のメンバーが、深層学習を用いた肺がん治療における肺捕捉照射の研究をしており、徐々に画像認識への関心も強くなった記憶です。
最終的には医学物理士よりもMLエンジニアになりたい気持ちが強く、M2の9月に中退を決意していました。それから3月まで図書館に入り浸り、残りの学費分、機械学習やデータ分析がらみの本を読み漁ってました。
その後に、受託開発の会社にてベイジアンネットワークを用いたレコメンドエンジン開発や自動運転に関わる深度推定技術の研究開発を、スポーツテックの会社にてボールの物体検出や選手の姿勢推定技術開発に携わり、特許取得にまで関わることができました。
FastLabelを選んだ理由
転職する際に重視していたのは、画像領域を軸として他領域の技術経験ができ、かつ研究にも従事できるかでした。
前者を部分的に満たす会社はあるのですが、どれも専門特化型で他の領域にシフトしにくい印象があり、研究の要素ともなると見つけることが中々難しい状態でした…。
そんな中、たまたまwantedlyにてFastLabelを見つけ、まさに自分が求めていたものがここにあると思えたため、すぐにカジュアル面談を組んでいただき、選考に進ませていただきました。
面談や面接を通して、自分が感じたものとのギャップがあまりないと感じたため、他社の内定もありましたが最終的にFastLabelを選択しました。
自身の業務内容について
私の現在の業務は、機械学習や最適化アルゴリズムを用いてお客様の課題を解決することです。
そのため、PoCが主な業務となっており、仮説を立てて実装して検証するといったような形で進めております。
実際にFastLabelに入社してみて
前述の通り、2ヶ月ほどしか経っていないですが、とても柔軟な環境で仕事ができていると思います。
私は東京に住んでいてオフィスも近いのですが、基本的にリモートにて業務を進めさせていただいており、自分が最も集中できる場所で仕事ができるのはとても嬉しい点です。
また、業務についても色々な技術経験や知見を得ることができたり、優秀なMLエンジニアの方たちと仕事を進めることができるので、刺激を受けながら成長できる環境です。
FastLabelのバリュー
FastLabelはパーパスを定めており、その実現のために3つの価値観・基準を定義しています。
Customer Geek：お客様の成功が私たちの成功であり、お客様に向き合い理解して行動する
Issue Driven：効率よく成果を出すために、本質的な課題を解決する
No Buts：困難な課題に対して諦めず、方法を模索し解決する
上記の3つのバリューは、お客様の課題を解決する上で全て大事なことですが、私は特にNo Butsに重きを置いております。
MLエンジニアは機械学習はじめ統計解析などあらゆる解決策を持ち合わせているはずで、それらの可能性を検証し課題解決していくことを生業とするからです。
そのため、困難な課題に対し諦めず向き合う姿勢は、MLエンジニアが背負うべき責務であると考えており、上記のようにNo Butsへ重きを置いている次第です。
今後の展望
最優先に上記バリューを基礎として、お客様の課題解決に貢献していきたいと思います。
また、将来的には機械学習のコアな部分に携わっていきたいと考えており、新たなモデルやアーキテクチャを創出する側へシフトしていきたいです。それには研究活動が大きな糧となるため、大学院へ進学＆積極的にFastLabelにて研究活動を行えたらと考えております。
一緒に働く仲間も大募集しています！