SlideShare a Scribd company logo
優秀なエンジニアとは何か?
なりたい将来像に近づくための会社の選び⽅
はじめに
⼭浦 幸⼀郎
Koichiro Yamaura
/COICH
@coich_carrer
1981年⽣まれ
⼤学で電気⼯学を学び、卒研では(今でいう)テキストマイニングを研究。
⾦融系SEとして3年弱開発に新卒社員として⼊社。
その後、IT/WEB系のエンジニア・クリエイターの転職⽀援を⾏う、
キャリアコンサルタントに異業界異職種の転職。
7年就業の後、株式会社コロプラの⼈事採⽤担当に。
現在は、エンジニアの新卒採⽤責任者をやってます。
はじめに
元々⾃分がエンジニアであり、その後キャリアコンサルタントに転⾝
したことにより、エンジニアの優秀さは業界・企業・組織の適材適所
によるものが⼤きいと感じるようになりました。
学⽣時代の就職活動から計算すると、10年以上エンジニアのキャリアと
活躍できる環境について考え続け、現在は事業会社側で採⽤担当として
年間1,000名以上のエンジニアの卵とお会いさせていただいております。
おそらく、キャリアコンサルタントの時で累計すると、
合計で10,000名はゆうに超えているのではないでしょうか。
エンジニアへのヒアリングは、現場エンジニアが⾏うと⼿っ取り早い
ですが、⼈事採⽤担当でないと⾒れないこともあり、
極⼒⼈事が優秀な⼈材を⾒つけ出すことができれば、⾮常に効率的です。
上記の上で、⼈事採⽤担当がエンジニアのスキルや志向を把握し、
優秀な⼈材を⾒つけ出す、教育する上で必要な考え⽅をまとめました。
何かの参考になれば幸いです。
アジェンダ
・エンジニアとしての将来を⾒据えた⽬指す姿はあるか?
・そもそも、優秀なエンジニアとはどんな⼈なのか
・どのようにして、優秀なエンジニアになるのか
・まとめ
エンジニアとしての将来を⾒据えた
⽬指す姿はあるか?
フルスタック
ユーザードリブン
メリハリのある
エンジニアとしての将来を⾒据えた⽬指す姿はあるか?
就職活動をする上で、私が必ずしている「どんなエンジニアになりたいの?」という問に対して、
情報が⾮常に多いこともあり、そもそも何を⽬指していいのやら…と悩む⼈がとても多いです。
プロジェクトマネージャ
サーバサイドエンジニア 技術⼒がある
頼りにされる
テクノロジードリブン
市場価値が⾼い
アプリケーションエンジニア
インフラエンジニア
本質的な考え⽅ができる
スペシャリスト
エンジニアとしての将来を⾒据えた⽬指す姿はあるか?
必ずしも答えがないといけない訳ではないですが、この売り⼿市場で情報が溢れている中で、
何も決めずに闇雲に動くのは効率的ではなく、ざっくりとでもイメージできるようにしましょう。
職 種 エンジニアとしてのあり⽅ ビジネススキル
■職種・ポジション
アプリケーションエンジニア
サーバサイドエンジニア
インフラエンジニア
セキュリティエンジニア
ネットワークエンジニア
データベースエンジニア
データマイニングエンジニア
研究職
製造業での製品開発(メーカー)
 - ⾃動⾞等の輸送機
 - 医療機器
 - 家電製品 など
IT系企業(B2B / SIerなど)
 - ITコンサルタント
 - 業務系エンジニア など
■開発に対する関わり⽅
スペシャリスト
ゼネラリスト
フルスタック
コンサルティング
アーキテクト
■開発における考え⽅
ユーザードリブン
テクノロジードリブン
課題解決型
など
■ビジネスマナーなど
挨拶、名刺交換
メールのやりとり
諸々⼀般的なビジネスマナー
■取組姿勢
スピード感がある
堅実・着実
本質的に考える
計画的に物事をすすめる
トライアンドエラー
業
界
業
種
WEBサービス系企業(B2C)
 - ポータル、SNSなど
 - ECサイト 等
 - その他WEBサービス系
スマートフォンアプリ
 - 業務⽤・ツール系アプリ
 - ライフスタイル系アプリ
 - ゲーム、エンタメ系 など
そもそも、優秀なエンジニアとは
どんな⼈なのか
そもそも、優秀なエンジニアとはどんな⼈なのか
エンジニアの能⼒を「技術⼒」と「⼈柄」で⼤別して考えます。
企業によって詳細の切り分け⽅は様々ですが、採⽤⾯接の時に⾯接官が⾒るのもこの2点になります。
技
術
⼒
知 識
実 装 ⼒
コンピュータ基礎における知識
アルゴリズム
システム設計⽅法
業界・業種毎の知識・経験 など
プログラミング⾔語の使⽤経験
コーディングの早さ・正確さ
構造化
未経験分野における推進⼒ など
考 え ⽅
性 格
汎⽤性と専⾨性
堅実性とスピードのバランス
コスト意識
ユーザー思考 など
本質を捉える
ロジカルシンキング
成⻑意欲や競争意識 など
⼈
柄
技術や業務における知識
プログラミングで形にする⼒
物事の考え⽅・特性
元々持つ性格・特徴
そもそも、優秀なエンジニアとはどんな⼈なのか
エンジニアは、これらを総合的に駆使し、パフォーマンスを出すことが仕事です。
業界業種によって、総合⼒の構成⽐率は異なりますが、⾃分の能⼒に合わせることが重要です。
技
術
⼒
知 識
実 装 ⼒
コンピュータ基礎における知識
アルゴリズム
システム設計⽅法
業界・業種毎の知識・経験 など
プログラミング⾔語の使⽤経験
コーディングの早さ・正確さ
構造化
未経験分野における推進⼒ など
考 え ⽅
性 格
汎⽤性と専⾨性
堅実性とスピードのバランス
コスト意識
ユーザー思考 など
本質を捉える
ロジカルシンキング
成⻑意欲や競争意識 など
⼈
柄
総合⼒
技術を基に
・形にする
・課題を解決する
・ないものを⾒つけ出す
社会の中で
・実績を上げる
・⽬標を達成する
技術や業務における知識
プログラミングで形にする⼒
物事の考え⽅・特性
元々持つ性格・特徴
そもそも、優秀なエンジニアとはどんな⼈なのか
最終的に、⾼いレベルでバランスが取れ、困難なプロジェクトであってもアウトプットが出せる
エンジニアが、市場価値が⾼く、周りから認められるエンジニアであると考えます。
技
術
⼒
知 識
実 装 ⼒
コンピュータ基礎における知識
アルゴリズム
システム設計⽅法
業界・業種毎の知識・経験 など
プログラミング⾔語の使⽤経験
コーディングの早さ・正確さ
構造化
未経験分野における推進⼒ など
考 え ⽅
性 格
汎⽤性と専⾨性
堅実性とスピードのバランス
コスト意識
ユーザー思考 など
本質を捉える
ロジカルシンキング
成⻑意欲や競争意識 など
⼈
柄
総合⼒
技術を基に
・形にする
・課題を解決する
・ないものを⾒つけ出す
社会の中で
・実績を上げる
・⽬標を達成する
困難を乗り越え、
アウトプットを出せる
優秀なエンジニア
結果的に、
周りから評価され、
頼りにされることが多く、
市場価値が⾼い
技術や業務における知識
プログラミングで形にする⼒
物事の考え⽅・特性
元々持つ性格・特徴
どのようにして、
優秀なエンジニアになるのか
どのようにして、優秀なエンジニアになるのか
⼊社後、社会⼈として働いていく中で、企業から戦⼒として求められる度合いを表しています。
横軸が年齢となり、歳を重ねる毎にアウトプットが重要になることがわかるかと思います。
20 25 30 35 40over
INPUTOUTPUT
100%
90%
70%
50%
20% 10%
10%
30%
50%
80%
90%
100%
会社で育てる 戦⼒性・会社への貢献
会社で求められる、戦⼒性とインプット・アウトプット⽐率
年
齢
どのようにして、優秀なエンジニアになるのか
当然のように、若いうちはインプットが多く、得られることが多いです。
この期間は⾮常に貴重な期間であり、エンジニアとしての基礎はここで構築されます。
20 25 30 35 40over
INPUTOUTPUT
100%
90%
70%
50%
20% 10%
10%
30%
50%
80%
90%
100%
会社で育てる 戦⼒性・会社への貢献
会社で求められる、戦⼒性とインプット・アウトプット⽐率
仕事の進め⽅
技術習得の⽅法
作業・タスクの実施スピード
判断の裁量度合い
責任感の⾼さ
年
齢
どのようにして、優秀なエンジニアになるのか
この⼤事な期間以降でのインプットは、どうしてもそれまでのスキルや経験に即したものになります。
また、業務におけるアウトプットの責任も⼤きいことから、インプット量に違いが出てきます。
20 25 30 35 40over
INPUTOUTPUT
100%
90%
70%
50%
20% 10%
10%
30%
50%
80%
90%
100%
会社で育てる 戦⼒性・会社への貢献
会社で求められる、戦⼒性とインプット・アウトプット⽐率
ここでのインプットももちろんあるが、
今までのスキル・経験を活かしつつのインプットになってしまう。
年
齢
おまけ
20 25 30
INPUTOUTPUT
100%
90%
70%
10%
30%
■仕事の進め⽅
 ⾼い品質のアプリケーションを技術⼒で実現
 多くのユーザーがリアルタイムでプレイするゲーム
 超⾼トラフィックをメンテナンスタイムなしで運⽤
 エンジニアでも企画から携わる
 スペシャリストもゼネラリストも選択可能
 デザイナー等の別職種との協⼒が当たり前。
 スピード感があり、個⼈に裁量を与えて任せる⾵⼟
 若⼿への新規ポジションの抜擢 など
コロプラの現状
■マーケット状況
 Pixelのような、⾼スペックスマートフォンの普及
 ネット回線、通信環境の改善
 ハイクオリティなコンテンツニーズが⾼まる
 レイトマジョリティ層に届くコンテンツニーズ
 グラフィクスのリッチ化が進む
 複数⼈数参加型のゲームが当たり前に
 VR等の新デバイスへの注⽬・挑戦
 オリンピックを⽬前に控え、マーケットの活性化
おまけとして、コロプラの現状についてまとめました。スピードとクオリティの両⽴を叶えつつ、
マーケットの活性化が進み挑戦できることが多くなってきています。(楽しいですよ)
まとめ
・何をしたいか、どうなりたいかを冷静にまとめよう。
・優秀なエンジニアは、技術と⼈柄の総合⼒を持つ。
・⼀番成⻑できる3年⽬までに得られる経験を考える。
/COICH
@coich_carrer
ご清聴ありがとうございました。

More Related Content

What's hot

優れた研究提案書の書き方
優れた研究提案書の書き方優れた研究提案書の書き方
優れた研究提案書の書き方
Masanori Kado
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
Ken'ichi Matsui
 
老害について
老害について老害について
老害について
Ken SASAKI
 
確率モデルを使ったグラフクラスタリング
確率モデルを使ったグラフクラスタリング確率モデルを使ったグラフクラスタリング
確率モデルを使ったグラフクラスタリング正志 坪坂
 
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Yoshitaka Ushiku
 
[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化
Deep Learning JP
 
論文紹介 : Unifying count based exploration and intrinsic motivation
論文紹介 : Unifying count based exploration and intrinsic motivation論文紹介 : Unifying count based exploration and intrinsic motivation
論文紹介 : Unifying count based exploration and intrinsic motivation
Katsuki Ohto
 
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
BrainPad Inc.
 
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違いマハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違い
wada, kazumi
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
 
ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031
Jun Okumura
 
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
Deep Learning JP
 
Encoder-decoder 翻訳 (TISハンズオン資料)
Encoder-decoder 翻訳 (TISハンズオン資料)Encoder-decoder 翻訳 (TISハンズオン資料)
Encoder-decoder 翻訳 (TISハンズオン資料)
Yusuke Oda
 
Data-Centric AIの紹介
Data-Centric AIの紹介Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
 
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析
Takahiro Kubo
 
時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)
時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)
時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)
STAIR Lab, Chiba Institute of Technology
 
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
Tokoroten Nakayama
 
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
Nobukazu Yoshioka
 
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
[DL輪読会]大規模分散強化学習の難しい問題設定への適用[DL輪読会]大規模分散強化学習の難しい問題設定への適用
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
Deep Learning JP
 
機械学習システム開発案件の事例紹介
機械学習システム開発案件の事例紹介機械学習システム開発案件の事例紹介
機械学習システム開発案件の事例紹介
BrainPad Inc.
 

What's hot (20)

優れた研究提案書の書き方
優れた研究提案書の書き方優れた研究提案書の書き方
優れた研究提案書の書き方
 
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
数学カフェ 確率・統計・機械学習回 「速習 確率・統計」
 
老害について
老害について老害について
老害について
 
確率モデルを使ったグラフクラスタリング
確率モデルを使ったグラフクラスタリング確率モデルを使ったグラフクラスタリング
確率モデルを使ったグラフクラスタリング
 
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
 
[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化
 
論文紹介 : Unifying count based exploration and intrinsic motivation
論文紹介 : Unifying count based exploration and intrinsic motivation論文紹介 : Unifying count based exploration and intrinsic motivation
論文紹介 : Unifying count based exploration and intrinsic motivation
 
機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト機械学習システムのアーキテクチャアラカルト
機械学習システムのアーキテクチャアラカルト
 
マハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違いマハラノビス距離とユークリッド距離の違い
マハラノビス距離とユークリッド距離の違い
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイする
 
ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031
 
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
 
Encoder-decoder 翻訳 (TISハンズオン資料)
Encoder-decoder 翻訳 (TISハンズオン資料)Encoder-decoder 翻訳 (TISハンズオン資料)
Encoder-decoder 翻訳 (TISハンズオン資料)
 
Data-Centric AIの紹介
Data-Centric AIの紹介Data-Centric AIの紹介
Data-Centric AIの紹介
 
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析
 
時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)
時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)
時系列ビッグデータの特徴自動抽出とリアルタイム将来予測(第9回ステアラボ人工知能セミナー)
 
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
データ分析グループの組織編制とその課題 マーケティングにおけるKPI設計の失敗例 ABテストの活用と、機械学習の導入 #CWT2016
 
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
AIシステムの要求とプロジェクトマネジメント-前半:機械学習工学概論
 
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
[DL輪読会]大規模分散強化学習の難しい問題設定への適用[DL輪読会]大規模分散強化学習の難しい問題設定への適用
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
 
機械学習システム開発案件の事例紹介
機械学習システム開発案件の事例紹介機械学習システム開発案件の事例紹介
機械学習システム開発案件の事例紹介
 

Similar to 優秀なエンジニアとは何か?なりたい将来像に近づく会社の選び方

エンジニアの強みを見出すコミュニケーション
エンジニアの強みを見出すコミュニケーションエンジニアの強みを見出すコミュニケーション
エンジニアの強みを見出すコミュニケーション
Yamaura Koichiro
 
エンジニアを理解するための4つの分類とその比率。
エンジニアを理解するための4つの分類とその比率。エンジニアを理解するための4つの分類とその比率。
エンジニアを理解するための4つの分類とその比率。
Yamaura Koichiro
 
カラヤブ!説明資料
カラヤブ!説明資料カラヤブ!説明資料
カラヤブ!説明資料
gakumaruyama
 
20200129コーポレートエンジニアとキャリアとマッチングと
20200129コーポレートエンジニアとキャリアとマッチングと20200129コーポレートエンジニアとキャリアとマッチングと
20200129コーポレートエンジニアとキャリアとマッチングと
Tsuyoshi Hisamatsu
 
2023-12-15 EMゆるミートアップLT レンタルEM振り返り2023 EMの生存戦略
2023-12-15 EMゆるミートアップLT レンタルEM振り返り2023 EMの生存戦略2023-12-15 EMゆるミートアップLT レンタルEM振り返り2023 EMの生存戦略
2023-12-15 EMゆるミートアップLT レンタルEM振り返り2023 EMの生存戦略
Tsuyoshi Hisamatsu
 
20180308 LWUG in osaka_kyotec_sogo
20180308 LWUG in osaka_kyotec_sogo20180308 LWUG in osaka_kyotec_sogo
20180308 LWUG in osaka_kyotec_sogo
Gentaro Sogo
 
IT、AI時代のキャリア戦略 Goodfind
IT、AI時代のキャリア戦略 GoodfindIT、AI時代のキャリア戦略 Goodfind
IT、AI時代のキャリア戦略 Goodfind
Kazuaki ODA
 
20200203 HRE (Human Resource Engineering)
20200203 HRE (Human Resource Engineering)20200203 HRE (Human Resource Engineering)
20200203 HRE (Human Resource Engineering)
Tsuyoshi Hisamatsu
 
2018 帰り道もくもく会のはじまり
2018 帰り道もくもく会のはじまり2018 帰り道もくもく会のはじまり
2018 帰り道もくもく会のはじまり
m_miyamoto
 
合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料
Tsuyoshi Hisamatsu
 
合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料
Tsuyoshi Hisamatsu
 
合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料
Tsuyoshi Hisamatsu
 
合同会社エンジニアリングマネージメント会社説明資料 2023-016
合同会社エンジニアリングマネージメント会社説明資料 2023-016合同会社エンジニアリングマネージメント会社説明資料 2023-016
合同会社エンジニアリングマネージメント会社説明資料 2023-016
Tsuyoshi Hisamatsu
 
run Keras model on opencv
run Keras model on opencvrun Keras model on opencv
run Keras model on opencv
Takuya Minagawa
 
20170211クレジットカード認識
20170211クレジットカード認識20170211クレジットカード認識
20170211クレジットカード認識
Takuya Minagawa
 
エンジニアアカデミー
エンジニアアカデミーエンジニアアカデミー
エンジニアアカデミーKitakuni Yuto
 
社員平均勤続年数を2.3倍改善した 「社員の定着率向上ノウハウ」
社員平均勤続年数を2.3倍改善した 「社員の定着率向上ノウハウ」社員平均勤続年数を2.3倍改善した 「社員の定着率向上ノウハウ」
社員平均勤続年数を2.3倍改善した 「社員の定着率向上ノウハウ」
YUZO HASHIMOTO
 
20190411 kasimadadays
20190411 kasimadadays20190411 kasimadadays
20190411 kasimadadays
m_miyamoto
 
[Keynote-2] リターン・オン・モデル(ROM)で価値の最大化を目指す、社会実装されるための機械学習テクニック
[Keynote-2] リターン・オン・モデル(ROM)で価値の最大化を目指す、社会実装されるための機械学習テクニック[Keynote-2] リターン・オン・モデル(ROM)で価値の最大化を目指す、社会実装されるための機械学習テクニック
[Keynote-2] リターン・オン・モデル(ROM)で価値の最大化を目指す、社会実装されるための機械学習テクニック
Deep Learning Lab(ディープラーニング・ラボ)
 
月収150万エンジニアが語るフリーランスエンジニアの世界
月収150万エンジニアが語るフリーランスエンジニアの世界月収150万エンジニアが語るフリーランスエンジニアの世界
月収150万エンジニアが語るフリーランスエンジニアの世界
Keigo Kamiyama
 

Similar to 優秀なエンジニアとは何か?なりたい将来像に近づく会社の選び方 (20)

エンジニアの強みを見出すコミュニケーション
エンジニアの強みを見出すコミュニケーションエンジニアの強みを見出すコミュニケーション
エンジニアの強みを見出すコミュニケーション
 
エンジニアを理解するための4つの分類とその比率。
エンジニアを理解するための4つの分類とその比率。エンジニアを理解するための4つの分類とその比率。
エンジニアを理解するための4つの分類とその比率。
 
カラヤブ!説明資料
カラヤブ!説明資料カラヤブ!説明資料
カラヤブ!説明資料
 
20200129コーポレートエンジニアとキャリアとマッチングと
20200129コーポレートエンジニアとキャリアとマッチングと20200129コーポレートエンジニアとキャリアとマッチングと
20200129コーポレートエンジニアとキャリアとマッチングと
 
2023-12-15 EMゆるミートアップLT レンタルEM振り返り2023 EMの生存戦略
2023-12-15 EMゆるミートアップLT レンタルEM振り返り2023 EMの生存戦略2023-12-15 EMゆるミートアップLT レンタルEM振り返り2023 EMの生存戦略
2023-12-15 EMゆるミートアップLT レンタルEM振り返り2023 EMの生存戦略
 
20180308 LWUG in osaka_kyotec_sogo
20180308 LWUG in osaka_kyotec_sogo20180308 LWUG in osaka_kyotec_sogo
20180308 LWUG in osaka_kyotec_sogo
 
IT、AI時代のキャリア戦略 Goodfind
IT、AI時代のキャリア戦略 GoodfindIT、AI時代のキャリア戦略 Goodfind
IT、AI時代のキャリア戦略 Goodfind
 
20200203 HRE (Human Resource Engineering)
20200203 HRE (Human Resource Engineering)20200203 HRE (Human Resource Engineering)
20200203 HRE (Human Resource Engineering)
 
2018 帰り道もくもく会のはじまり
2018 帰り道もくもく会のはじまり2018 帰り道もくもく会のはじまり
2018 帰り道もくもく会のはじまり
 
合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料
 
合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料
 
合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料合同会社エンジニアリングマネージメント会社・事業説明資料
合同会社エンジニアリングマネージメント会社・事業説明資料
 
合同会社エンジニアリングマネージメント会社説明資料 2023-016
合同会社エンジニアリングマネージメント会社説明資料 2023-016合同会社エンジニアリングマネージメント会社説明資料 2023-016
合同会社エンジニアリングマネージメント会社説明資料 2023-016
 
run Keras model on opencv
run Keras model on opencvrun Keras model on opencv
run Keras model on opencv
 
20170211クレジットカード認識
20170211クレジットカード認識20170211クレジットカード認識
20170211クレジットカード認識
 
エンジニアアカデミー
エンジニアアカデミーエンジニアアカデミー
エンジニアアカデミー
 
社員平均勤続年数を2.3倍改善した 「社員の定着率向上ノウハウ」
社員平均勤続年数を2.3倍改善した 「社員の定着率向上ノウハウ」社員平均勤続年数を2.3倍改善した 「社員の定着率向上ノウハウ」
社員平均勤続年数を2.3倍改善した 「社員の定着率向上ノウハウ」
 
20190411 kasimadadays
20190411 kasimadadays20190411 kasimadadays
20190411 kasimadadays
 
[Keynote-2] リターン・オン・モデル(ROM)で価値の最大化を目指す、社会実装されるための機械学習テクニック
[Keynote-2] リターン・オン・モデル(ROM)で価値の最大化を目指す、社会実装されるための機械学習テクニック[Keynote-2] リターン・オン・モデル(ROM)で価値の最大化を目指す、社会実装されるための機械学習テクニック
[Keynote-2] リターン・オン・モデル(ROM)で価値の最大化を目指す、社会実装されるための機械学習テクニック
 
月収150万エンジニアが語るフリーランスエンジニアの世界
月収150万エンジニアが語るフリーランスエンジニアの世界月収150万エンジニアが語るフリーランスエンジニアの世界
月収150万エンジニアが語るフリーランスエンジニアの世界
 

優秀なエンジニアとは何か?なりたい将来像に近づく会社の選び方