職種でみる
MLエンジニア
モデル学習・評価・調整
はたらきの中身
- ドメイン
- ML
- 主要ツール
- Databricks(データ基盤)・MLflow(実験管理)・PyTorch/TensorFlow(深層学習)・scikit-learn(機械学習)・Jupyter(対話開発)
- 利用シーン
- データ前処理・モデル学習/評価・実験管理・本番デプロイ
- 利用場所
- テック企業オフィス・GPU/クラウド環境・リモート
- アプリの種
- データ前処理アプリ・モデル学習アプリ・実験管理アプリ・推論API・データ可視化アプリ
市場と規模
- 市場規模（日本）
- 数百億〜数千億円
- 市場規模（世界）
- 数千億〜数兆円
- 想定人数（日本）
- 数万〜数十万人
- 想定人数（世界）
- 数百万〜数千万人
- ニッチ度
- 3.0
- 収益性
- 4.0
AIとの関係
- AI依存度
- 5年35% / 10年45% / 30年60% / 50年70% / 100年80%
- AI依存の理由
- 計算・探索・実装はAIへ急速委譲されるが、問題の定式化・前提設定・新規理論の核は人が保持。長期も完全代替には至りにくい。
- 推奨AI
- ML/深層学習基盤: PyTorch＋勾配ブースティング(XGBoost)＋基盤モデルのfine-tune
- 実現可能性
- 高
- 関連開発候補
- データ分析/統計, データ可視化/BI, 機械学習/MLOps
資格・リスク
- 資格（日本）
- 推奨(任意資格・信用面)
- 資格（世界）
- 国により推奨(任意)
- 法的・倫理リスク
- 差別・公平性・プライバシー、対人判断のバイアスと説明責任。
この職種で使えるアプリ
この職種のアプリは準備中です。
ブログ
記事は準備中です。