最近日記書けてないな。ちゃんと集中して仕事している証拠です。偉いぞ。
React、Reduxわかってきた、と言い続けて結局わかってないことが多かった。新技術はベーシックな思想からベストプラクティスの習得まで1ヶ月くらいはかかるのだなあと思った。だから全く触ったことのない新しい技術で何かを作ろうと思ったら、無理なく丁寧にやるのなら、最初の1ヶ月は練習で作って、次の1ヶ月でまっさらに書き直して、次の1ヶ月で磨き込む感じになりそうだ。だいたい3ヶ月くらいはかかる。これが俺の今の実力。2週間でちょちょいと出来ますよなんて言ってはならない。反省。磨き込みが要らなければ2ヶ月、技術習得が上手く行けば1.5ヶ月だ。最初の直感的な見積もりの3倍はかかると思ったほうが良い。しかし、今まで何となく3倍くらいと思ってたけど、ちゃんと3倍だという実測が取れたのは良かった。もっと素早く技術の習得が出来ると良いのだが、これ以上早くは無理かも。こんなもんだろう、うん。
RailsでAPIが作れてReactでフロントが作れるようになったから、次はインフラ周りがやりたいな。そして、一通り出来るようになってから何か突き抜けるものを決めたい。良さそうなのはRDB周りだなあ。この辺りがっつり極められると強い味方になってくれそうだという感じがする。ソフトウェアモデリングは既に勉強して感覚として身に染み付いているから、その制約ともいえるデータモデリングの部分に関わるRDBの技術は習得しておくとかなり筋よく設計できるんじゃないかな。データサイエンスの仕事とも相性が良いのかもしれない。そうでもないか？ちょっとあやしいが、今の仕事が終わったらそういう部署に入れてもらうつもりだ。
データサイエンスも諦めたくはないが、多分フルスクラッチでマシンラーニングを使うサービスって今後あんまり無いんじゃないかなあ。きっとマシンラーニングはGCPやAWSがSLAを担保してサービスとして提供するからそれのAPIを叩くのが主になりそうだ。そうなると、データサイエンスというよりはデータアナリスト的な人たちが目立ってくるだろう。実際社内のデータサイエンティストとして採用された人間はそんな感じだ。あとはデータサイエンスを理解してデータエンジニアリングができる人だろうな。教師データを集めることができるようにソフトウェアを設計して実装できることが重要、だけど…これはあんまりデータサイエンスじゃないなあ。データサイエンスの方面に時間を割くことはあまり効率よくない気がするなあ。大学院で数学的素養を身につけるためのネタとしてはコンピュータサイエンスと相性が良くてとても良かったけど。実際働いてみるとマシンラーニングを業務で使うのは難しんだよなあ。選択肢として常に持てるというのは良いなとは思うけど。
