金融系SIerの35歳PjMがWebサービサーに転職してからの学習記録
これはマネーフォワード アドベントカレンダー🎄19日目の記事です。
18日目はくりまおさんのこちらの記事 👉支えてくれるみなさまに、今伝えたい感謝のことば。
はじめまして、マネーフォワードのCTO室で副室長をやっております秋山日出海です。CTO室は主に技術面での全社横断的課題の発見と解決をミッションとしていて、システム的な課題や組織的な課題に対してプロジェクトベースで対応する部署です💪
私は2019年7月にマネーフォワードにジョインしました。前職では独立系金融SIerに新卒入社して丸9年間勤めまして、事業会社側で開発中心に仕事したいという想いがここ数年で溢れた結果、初めての転職と相成りました。
今回は、転職後にどういったことをキャッチアップ・学習してきたかをまとめてみたいと思います。
転職前のバックグラウンド
前職ではFXや仮想通貨の取引システムを担当していました。導入やエンハンス開発、運用まで割と上から下まで経験してプロジェクトマネージャーとして仕事をしていました。
技術的にはjava一本かつサーバサイド中心だったため、いわゆるスクリプト言語での業務経験はほぼ無しでした。さらに言うとプロジェクトマネージャーになってからはコードに触れずExcelあたりと戯れる典型的な感じ（というかそれやってるだけで業務時間いっぱいになる）になっていました。
しかし一方で、顧客やインフラエンジニアなど異なるバックグラウンドの人と会話する機会が増えたことで業務知識やエンジニアとの会話に困らない程度の技術知識、組織運営の知識などを広く漁っていました。
Ruby / Ruby on Rails
さて、マネーフォワードでは多くのプロダクトがRuby on Railsでつくられており、RubyおよびRuby on Railsのキャッチアップが必須でした。
まず最初にやったのはRuby on Rails チュートリアルです。実際にRailsでWebアプリケーションを構築しながらフレームワークを概観できます。
これを中心にRailsガイドを副教材的に使って理解を深めました。
また並行してRubyについては以下の書籍を読みながら手元でスクリプトを動かして遊んだりしていました。
ジョイン後にRailsチュートリアルを2週間ほどで完走し、上記2書籍を読み切るまでに追加で2週間ほど費やしました。
これによりプロダクトコードを読んで完全に路頭に迷うということはなくなりました。
前述の通り私はガチガチのjavaラーでしたので、当初は型がなかったりRailsフレームワークが物凄い量の処理を隠蔽していたりメタプログラミングの黒魔術っぷりといった未知との遭遇に戸惑いを隠せませんでした。
しかし一周回って慣れると、『自分の思ったとおり書けるな』とか『こんなこと出来るんじゃないかが大体出来る』って気持ちになり今では開発ライフをエンジョイできています。
RSpec
RSpecはRuby向けのテスティングフレームワークで、いわゆるユニットテストを記述するためのドメイン特化言語を提供します。
先程『自分の思ったとおり書けるな』と感想を述べましたが、『自分の思ったとおり動く』保証はありません。むしろ謎の型が渡ってきたり予測してない動作をして大体落ちます。そのためユニットテストを記述して実際にスクリプトを動作させて世に出すことが重要です。
Railsにはminitestというテスティングフレームワークが付属していますが、よりリッチなテスティング環境を提供するRSpecが使われています。
こちらは以下の書籍でキャッチアップしました。
機械学習・ディープラーニング
エンジニアたるもの実務以外での学習を続けなければいけません。
私は前職時代から業務外でディープラーニングとブロックチェーンを細々とかじっている典型的なWannabeなのですが、マネーフォワードにはMoney Forward Labという部署があり、その研究の一領域として機械学習があります。
そこで、なんなら実務に役立てたいという想いのもと、機械学習・ディープラーニングに重点置いて勉強しようと決意しました。
ゼロから作るDeep Learning輪読会
とある社内の輪読会に参加していてディープラーニング勉強してみたいという話題があがり、その場の勢いで輪読会が開催されることになりました。私は既に読んだ本で他の参加者は初学者だったので、復習がてら講師になるつもりで参加しています。
Kaggleに登録
Kaggleは言わずと知れたオンラインのデータ分析プラットフォームです。
様々なコンペが開催され、凄腕データサイエンティスト達が日々切磋琢磨しています。学習コンテンツも充実していて、なんなら初心者歓迎という口車に乗せられて登録してみました。
結果、データ分析においてディープラーニングは特定領域で用いられる一手法に過ぎず、基礎分析や決定木、特徴量エンジニアリングなど自分にとって未知の領域が山ほどあることに気付き愕然としております。
社内のデータサイエンティストの人たちと繋がりながら見識を深めていきたい所存です。
なおKaggleについてはこちらを副読本にしています。
その他
社内輪読会
Web API: The Good Parts
Clean Code アジャイルソフトウェア達人の技
社外勉強会
【暗号通貨読書会#33】Facebook Libra（リブラ）ホワイトペーパー
AI×Blockchain - GMO次世代勉強会 2019 fall
まとめ
読み返すとアフィリエイトブログのようになってしましたが、ここまでお付き合いいただきありがとうございました。
どうしてもインプットに偏ってしまっているので今期はよりアウトプットの機会をつくっていきたいですね💪
それでは、マネーフォワード アドベントカレンダー、明日もお楽しみに！
この記事が気に入ったらサポートをしてみませんか？