質問リスト（黒塗りあり）
① 年齢（例 20代後半）
現在30代前半、オファー当時20代後半
② 性別
男
③ いつ頃の情報？（例 2023年）
2020年
④ 現在の職種と仕事内容（特定されない程度にざっくり）
AIスタートアップで機械学習エンジニア（3年目）をしています。機械学習系のSaaSの開発（MLモデルの改良とAPI組み込み）をしています。
⑤ 現年収（年収の内訳も是非）
900万円（本業）＋█████万円（副業）＋ストックオプション█████
※本業は裁量労働制ボーナス無しなので単純に900/12が月給です
⑥ 月残業時間
30~60時間（裁量労働制なので実質意味無し）
⑦ どの企業の情報を提供して頂けますか？
日立製作所（中央研究所）
⑧ 各企業の面接は何ステージに分かれてますか？それぞれのステージで何を評価されていたか教えてください
2回でした。1次面接は部門面接（部長or課長＋その補佐的な人？）で主に█████████████████、2次面接（最終面接）は、役員面接で██████████████████でした。
⑨ 面接ではずばりどんな質問をされましたか？隠した方が良いところ黒塗りするので、覚えている限り箇条書きでお願い致します※かなりありきたりな内容です
- ████を██████████に██████████こと
⑩ オファー額を教えてください
基本給＋ボーナスで650万円
家賃補助やその他手当がたくさんつくのでそれらを合計すると750万くらいですね
⑪ 面接対策でやった事を教えてください。また何を準備すればオファーが出るでしょうか？何を評価されてオファーが出たのかも教えていただければ。
特に準備はしていないです。面接での████████████████████████████████████████████████████████████████████████████████えてると思わせる能力。
⑫ 面接官として、どんな人は取りたい、どんな人はちょっと採用が難しいかなと思いますか？面接官の経験がなければ想像でも構いません。
一定のプログラミングスキル（実務経験）と最低限の計算量の把握ができる人を採用します。（たとえめっちゃ優秀でも）チームにネガティブな影響を与える人は採用が難しいです
⑬ 次転職するならどんな会社
GoogleとかIndeedとか年収のアップサイドが大きい外資IT
⑭ 世の中にぶちまけたい事があればなんでも
日本が科学技術立国になることは2度となさそう（カネがない、人がいない）
⑮ 今から大学一年生に戻ったとして、何でもやり直せるとします。何をしますか？
情報系の基礎知識と統計の基礎知識は徹底的に学びたいです。（数学は当時も頑張ってましたが、その2つはサボってました）会社の仕組みを学ぶために起業もしたいですね。
⑯ エンジニアの副業についてどう思っていますか？興味ありますか？
単価█████（MLエンジニア）と███円（PdM）の2件の副業をしています。
⑰ これまで仕事で出会った中でこのエンジニア大丈夫か？というエピソードがあれば教えてください
エッジケースを一切考えずにコーディングして、指摘しても修正しない人
⑱ 今まで仕事で一番ムカついたエピソードを教えてください
上司が自分自身で言ったのにその指摘がミスだとわかった後あたかも私が言ったかのように濡れ衣を着せられた時
⑲ 周りのエンジニアを見てどんな人が年収アップしていますか？
社内の話ではないですが、単純にイケイケのベンチャーで出世してる人か外資ITに転職する人が年収アップしています。（社内では誰がどれくらい年収アップしているかは分からないので、、、）
⑳ MLエンジニアって年収上げやすいと思いますか？
組織に資金的余裕があるという前提のもと、MLエンジニアの役割をきちんと評価できる組織でかつ本人のスキルが一定以上あれば年収は上げやすいと思います。
ただし、ML受託の会社かMLメインのプロダクトを開発している会社でない限り、MLエンジニアは組織に必ずしも必須ではない役職であることは認識しておいたほうがいいと思います。
㉑ ぶっちゃけMLの最新動向ってどうやって追っているんですか？変化が速すぎてついていくの難しいと思いますが。積極的について行かなくても仕事できますか？
自分はDiffusionモデルやLLMの最新の話は追っていませんが、関連する研究の重要な論文は最新のものまで読んでいます。例えば2021年ごろの論文に使えそうないい感じのML関係の技術があった場合、その論文を引用している2022年, 2023年の論文はだいたい追いかけています。こうすることでその論文を発展させた進化版の技術とかを発見できます。被引用数が数百くらいになるとつらいですが。。。
仕事の需要に関してですが、ChatGPTのAPIを叩くだけのプロダクトも溢れているのでAPIを叩ければ仕事には困らないかと思います（笑）
というのは半分冗談ですが、統計や機械学習の基本的な話を抑えた上で、Kaggleのコンペに参加したり、過去コンペの上位解法を眺めたりすることが自己研鑽的には重要かと思います。
㉒ データサイエンティストとMLエンジニアの違いについて教えて下さい
自分もよくわからないです笑 なので個人の感想ですが、データサイエンティストは、主に統計や機械学習の手法でデータの分析をしてビジネスの意思決定のサポートをする役割がメインなのに対して、機械学習エンジニアは、システム開発寄りでバックエンドエンジニアに近い（？）ような所でML-API開発、モデルのデプロイ、データ基盤開発などが主な役割なのかなと思います。
㉓ 副業についてもう少し深掘りします。どうやって獲得しましたか？
███████████████声をかけていただきました。
㉔ 副業やってて良かった事、悪かった事それぞれ挙げて下さい
良かったことは、単純に本業以外でお金を貰えること、全く違うドメインの知識が得られることですね。
悪かったことは、自分の自由な時間が減ります笑
㉕ サカモトはMLのモデルを開発するだけの人より、MLのモデルを開発しつつ本番で運用できる体制まで持っていける人の方が仕事受けやすいと思っていますが、これは正しいですか？
はい、正しいと思います。MLモデルを作った上で、コンサル的にビジネスの意思決定に貢献できる方がデータサイエンティストとしてバリューがあり、本番で運用したりMLOps構築できる方がMLエンジニアとしてバリューがあると思います。
㉖ 皮算用ですが、ストックオプション。上場するといくらくらい入ると思いますか？ここは黒塗りします
████████████████████████████くらいですかね？（超希望的観測なのに、ちょっと少ないですね笑）
㉗ 自分がMLエンジニアの技術面接を担当するとして、これは絶対に聞きたい事を5つ箇条書きで教えて下さい
難しいですね。。。ガチなやつだと本業で関係するところばかりなので笑
一般的な感じで回答してみます。
- ＊＊＊という目的のために、＃＃＃を最適化したい場合、どのような評価指標を設計するか？その理由はなぜか？そもそも「＊＊＊という目的のために、＃＃＃を最適化すること」は正しい判断か？
- ＠＠＠というお題で＃＃＃の指標でモデルを構築する場合、ベースラインとしてどのようなモデルを最初に選定するか？その理由はなぜか？精度を上げるためには一般的にどのような工夫をするか？
- 本番で運用するために、MLの推論を速度を上げたい場合に試すべき工夫
- 24時間秒間5回以上推論する場合と1日の特定の数時間に数回の推論を行う場合それぞれのGCPまたはAWSでのインフラ構成
- 業務でもKaggleなどでのコンペでもなんでもよいので自分のアイディアで精度を圧倒的に上げた経験（精度をあげるためのアイディア自体はどんなアホなことでもOK）
㉘ 最後に、今後のMLについて思いがあれば語って下さい
ChatGPTをはじめとしてAIファーストのサービスはtoC、toB問わずどんどん増えていくと思いますし、生活やビジネスに溶け込んでいくのではないかと思います。
また、JTCなどの事業会社内部でもMLの需要は高まっていくと思いますが、組織の体制や風土によっては需要があってもなかなか浸透していかなさそうですね。
関連記事
📗
PayPay | ソフトウェアエンジニア | 1180万円📗
外資製薬 | データサイエンティスト | 1450万円📗
アクセンチュア | データサイエンティスト（新卒） | 550+α万円