alexeygrigorev/ai-engineering-field-guide

これが何か

無料でデータに基づいた、AIエンジニアになるため、そしてAIエンジニアとして働くためのガイドです。意見やAI生成の埋め草ではなく、すべて実際の証拠から引き出されています：6,964件の実際の求人情報、実際の面接体験、実践者のストーリーです。

内容

1. AIエンジニアの役割 — 何千もの求人情報から抽出したパターンに基づく実際の仕事内容：主要なスキル、責任、実際のユースケース（4,525件）、広告された役割と現実の比較、そして月次の市場トレンドです。

2. 面接対策 — 採用プロセスの詳細な分析：一般的な面接形式、100以上のソースから統合した質問（理論、コーディング、プロジェクト深掘り、システム設計、行動、自宅課題）、実際に採用につながるスキル、オファーと却下への対処法、51社の企業別データです。

3. 学習パス — 何をどの順序で学ぶか、5つのバックグラウンドからの具体的な移行ガイド：データエンジニア（3〜4ヶ月）、データサイエンティスト、MLエンジニア（最も簡単な移行）、バックエンドエンジニア（2〜3ヶ月）、フロントエンドエンジニアです。

4. ポートフォリオガイド — ポートフォリオプロジェクトの選び方、作り方、発表方法です。

5. 求人市場データ — 分析の背後にある生データと構造化データ：LA、NY、ロンドン、アムステルダム、ベルリン、インドからbuiltin.comでスクレイピングした6,964件の求人情報で、スクレイピング日付で整理されています。

6. Awesome AI Engineering — 研究中にまとめた厳選された外部リソースのリスト：実践者インタビュー、システム設計ガイド、エンジニアリングブログ、書籍、コース、ケーススタディです。

7. ウェビナー — AIエンジニアの日常、企業がどのように役割を定義するか、面接プロセス、自宅課題、ポートフォリオプロジェクト選択についての録画セッションです。

8. 学習リソース — 9週間の集中コース（RAGからエージェントへ）とAI Shipping Labsと呼ばれる実践者コミュニティです。

対象読者

AIエンジニアリングの役割を探求している人、その役割に移行しようとしている人、または採用しようとしている人 — 特にデータサイエンス、データエンジニアリング、MLエンジニアリング、ソフトウェアエンジニアリングなどの隣接分野から来た人で、現実的で証拠に基づいた役割の像を得たい人におすすめです。

重要なポイント

これは研究プロジェクトであり、チュートリアルの寄せ集めではありません。スキル、トレンド、面接パターンに関するすべての主張は、スクレイピングした求人データと実際の実践者の経験に基づいています。そのため、読者は誇張ではなく、分野の正確な像を得ることができます。