🧫AIと未来

「AIモデルを作る」というイメージとは裏腹に、日々の大半は、データを取得・整形するためのSQLクエリとPythonコードの記述、統計検定の実行やモデルの学習、そして結果を非専門家の関係者が行動に移せるグラフやメモに翻訳することに分かれている。実務者への調査は一貫して、データクリーニングと準備が総労働時間のおよそ半分以上を占めることを示している。

いいえ。医療や法律とは異なり、免許や必須の単一の学位は存在しない。統計学、コンピューターサイエンス、数学、または関連する定量的分野の学士号か修士号が最も一般的な道であり、実際のプロジェクトの充実したポートフォリオのほうが、正確な学歴よりも雇用主にとって重要であることが多い。博士号は研究色の強い職務や応用機械学習の職務でより一般的だ。

そうとは言い切れない。フィッシャーの実験計画法やテューキーの探索的分析など統計学に大きく依拠してはいるが、従来の統計学部ではほとんど教えられなかったプログラミング、データベース工学、機械学習を加えている。ウィリアム・S・クリーブランドは2001年に、統計学を置き換えるのではなくそれを土台としたこの拡張版の分野を説明するために、まさにこの用語を提唱した。

定型的な部分はすでに影響を受けている。AutoMLツールは標準的なモデルを当てはめ調整でき、AIアシスタントはSQLクエリの記述、探索的なグラフの初稿作成、定型的なパイプラインコードの記述を人間より速くこなせる。自動化されていないのは、正しい問いを設定すること、あるパターンが意味のあるものか偶然のものかを判断すること、そしてその結果に基づく意思決定に責任を負うことだ。

国や経験年数によって大きく異なる。米国労働統計局は2023年時点で臨床データサイエンティスト職の年収中央値をおよそ10万8000ドルとしている一方、ジュニアアナリストはしばしば7万〜9万5000ドル程度から始まり、大手テクノロジー企業のシニアまたはプリンシパルレベルの臨床データサイエンティストは、株式報酬を含む総報酬で20万〜40万ドル以上を稼ぐことがある。

データアナリストは通常、既存のデータとダッシュボードを使って定義済みのビジネス上の問いに答える。臨床データサイエンティストは、しばしばより雑然としたデータから、新しい統計モデルや予測分析を構築する。機械学習エンジニアは、モデルをノートブックから取り出し、本番環境で確実に大規模に動作させる。この境界は常に曖昧で、多くの人がキャリアの中でこの三つの間を行き来する。