Engineer Team | ExaWizards

本

エクサウィザーズの社会課題エンジンとも言えるエンジニアリング組織について紹介しています。技術面でのイネーブラーを担うメンバーの想いやその取り組みはこちらでご覧ください。

運営しているクリエイター: エクサウィザーズ HR note

#MLE

社会課題解決型MLEチームを目指して　試行錯誤の末にたどり着いたフルスタックMLEとは

初めまして、エクサウィザーズで機械学習エンジニア兼構造化データグループのグループリーダーをしております小野晃司です。リーダーを務める以前から、組織のあり方やチームについて試行錯誤してきました。以前の記事はこちらになります。本記事では、今後のエクサウィザーズの1つのグループとして、どのようにエンジニアを育成していくのかを紹介しています。エクサウィザーズが目指す社会課題解決いきなりですが、エクサウィザーズが掲げるミッションは「AIを用いた社会課題解決を通じて、幸せな社会を

構造化・数理最適化・ソフトウェア、 3人のAIエンジニアが試してわかった「チーム制」の未来とは。

こんにちは、エクサウィザーズで機械学習エンジニア（以下：MLE）をしている小野です。今回、構造化データ処理ギルドの私、数理最適化ギルドの河野さん、ソフトウェアエンジニア（以下:SWE）のKhajaさんの3名で「MLEのチーム制」をテスト的に導入したので、その取り組みについてご紹介したいと思います。エンジニアにとって「チームで働くこと」とは当たり前!? 「チームで働く」というテーマを見て、「なぜ当たり前の事を」と思った方もいらっしゃるのではないでしょうか。特に、企業のビ

機械学習エンジニアの技術とキャリアの可能性を最大化する「ギルド制」という仕組みについて

こんにちは、エクサウィザーズでAIエンジニアリングフェローをつとめている遠藤です。この記事では、エクサウィザーズにおける機械学習エンジニア（以下：MLE）のチームづくりについて紹介します。個々の技術の幅とキャリアの可能性を広げる「ギルド制」エクサウィザーズのMLEチームは現在「ギルド制」と呼ぶ体制をとっています。得意領域ごとにチームを分け、運用は各チームメンバーに任せています。現在は「数理最適化ギルド」、「自然言語処理ギルド」、「画像処理ギルド」、「構造化データ処理ギ

誰も不幸にしない学習モデルを目指す。数学・統計学で社会課題の解決を目指すMLエンジニアの哲学

「どうやって取得したデータなのか、与えられたデータは本当に正しいのかなど、データを鵜呑みにしない姿勢も大切だと思います。大学時代の先生から『データからわかることは少ない』という主旨の言葉をいただいたことがあり、それを今でも意識しています」エクサウィザーズで活躍する”ウィザーズたち”を紹介するストーリー。高校時代には数学に惹かれ、大学・大学院では統計学を専攻。現在はその知見を社会実装へと応用している機械学習エンジニアの小林さんです。「ビジネスとしての努力」と「科学的な妥

「どんな人でも自分にないものを持っている」。キヤノンを41歳で飛び出したMLエンジニアが作る、プライドと自律性のある場

「“実験場”と言うと少し大袈裟かもしれないですが、個人の裁量が大きいエクサウィザーズであれば、『若手が伸び伸びと活躍できる』理想の職場を作れると思っているんです」「エクサウィザーズ」で活躍する“ウィザーズたち”を紹介するストーリー。今回は、41歳でキヤノンから転職して、MLエンジニアになった佐藤正規さんにインタビューしました。「真理を知りたい」という好奇心から数学や物理学に魅了され、部署や職種を転々としてきた佐藤さんがエクサウィザーズでMLエンジニアに辿り着くまで