今年のマナビDXQでは、PBL01というAI課題（需要予測）にチャレンジしています。
現在、演習03のAIモデル構築期間ですが、最初のサンプルコードを動かしてから、手が止まっています。
PowerBIでデータを眺めてはいますが、やはり、Pythonでコードを書かないと質の高い分析はできないなぁと、もどかしい思いを抱えています。
そんな中、コミュニティマスターが自らコードを書くドライバーとなって、みんなのアイデアをコード化する、というモブプロ企画をやってくれました。
１時間という限られた時間でしたが、ChatGPTを活用しながらコードを書いてもらって、Jupyter Notebookで動かしているのを見ながら、「なるほど、こうやってやるのか！」と大いに勉強になりました。
ChatGPTのコードを貼り付けただけではうまく動かず、デバッグに時間を要したアイデアもありましたが、ちゃんと動くところまで一連のプロセスを学べたので、自分もやれるかも、という気になりました。
この感覚を持てたことが、一番の収穫でした。
今回企画をしてくれたコミュニティマスターは、昨年度AIモデルの構築スコアが１位というとても優秀な方ですが、さぞやPythonに精通しているのかと思いきや、実務でもChatGPTに書いてもらったコードをカスタマイズするやり方でなんとかしてる、と話されていたのには驚きました。
こういうのを聞くと、一生懸命、SIGNATE CloudでPython学習するのもいいけど、もっと実践的なスタイルに舵を切って、「習うより慣れろ」方式がいいのかなぁとも思ってしまいます。
ただ、そうは言っても、基礎的なところは一通り学習した上での話だとは思います。
自分の場合、ある程度前提知識にある状態でコードを書いていく方が、気持ち的にも余裕が持てる気がしています。
仮に、新しいコードに出会っても、一度に覚える量が少ない方がチャレンジ意欲が削がれず、前に進んでいけます。
これが、自分にベースとなる知識がない状態だと、なかなか前に進めないことに不満が募ってしまうタイプです。
わからないことがあるなら、そのレベルまでいったん戻って、土台をきちんと作ってから前に進む。
高校・大学受験の場合でも、何年生レベルの教科書までもどって、基礎を固めてから応用問題を解くのと同じようなイメージかなと。
今日のモブプロ企画を通じて思ったのは、コードを書くことはChatGPTでなんとかなっても、やはり「分析のアイデアをどうするか」が大事だなってことです。
今週末はこの問いに真正面から向き合っていきたいと思います。
