Help us understand the problem. What is going on with this article?

社内データサイエンス勉強活動の運営について

概要

私が社内で取り組んでいる、データサイエンス勉強活動について振り返りを書き残しておきます。

また、本記事はデータ分析人材のキャリア(データラーニングギルド)アドベントカレンダーの14日目記事になります。

今からちょうど一か月前からお世話になっているオンラインサロンでAdvent Calendarを募集していたので、お邪魔させて頂くことにしました。
真面目に技術記事書くのは初めてなのですが、こういう企画に乗れるのは楽しいですね!

私のキャリア

  • BIツールをぶん回す仕事をしています。
    Microsoft社
    (SSIS、SSAS、SSRS、PowerBI、PowerApps、Azure等)

  • 最近は社内コミュニティ運用、DevOps、統計&AIの教育にも取り組んでいます

勉強活動のきっかけ

社内でデータサイエンスを極めたい!という向きはもともと有ったのですが、とうとう今期から形になりました。

施策その1:勉強会

主に統計学&機械学習について、輪読会形式の勉強会を週一回ペースで行っています。 

形式

市販のテキストを中心に輪読会形式で行っています。
発表者はJupyter Notebookで資料を作成しPythonを実行しながら説明します。
また、メンバーに共有したいニュースやトピックが有れば、自由に発言して共有します。

私自身は活動の運用と、テキストを先んじて読み進めてメンバーが躓いたところが有れば教える、教える側と勉強する側の間の立場です。
 

施策その2:チャットツールの活用

Microsoft Teamsにて下記運用しています。

  1. 勉強会ルールのWiki化
  2. 出席表の運営
  3. QA一覧表の共有
  4. 発表資料の共有
  5. 統計学&AIに絡んだニュース
  6. 有用なツール周りの情報の共有

※4~6は、ひとまとめにした一覧を作成しています

課題点

  • 勉強会以外のシーンで質問しにくい

躓いた点については勉強会時間外でも質問してもよいことになっていますが、そもそも一緒のプロジェクトに参画した、もしくは席が近いメンバーというわけではないので、心理的な壁が有るように見えました。

→勉強会の他に、質問する時間と場所(大学のオフィスアワーのような)を設け、なんでも相談OKとしました。
効果が見られるので、できるだけこの時間は維持していく予定です。

  • 理解がまちまちな状態に対応しきれていない

バックグラウンド(理系文系・職歴)が違う方々をメンバーとしているので、特に統計学について、各々の理解の深度&とらえ方がかなり異なることを実感しています。(それはそれで面白いです)
各々の立場に立って説明する際に、たとえ話や具体例で対応していくのですが、なかなか材料が見つからず難儀している状態です。

→文献をあさるのはもとより、グラフィカルな表現を参考にしたり(Newton等)、いっそグラフィカルな表現を作成したり、フックになりそうなネタを常にストックして対応中です

終わりに

ゆっくりの歩みになりそうですが、勉強活動のノウハウを蓄積させて展開していければと考えています。
同じような活動をしている方の参考になれば幸いです。
いい感じの対応策がございましたら、ぜひ共有をお願いします。

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした