資格部 📝

あらゆる資格の試験情報、対策方法、過去問題・模擬問題を解説

データサイエンティスト検定™(DS検定™)ナビ

模擬試験問題(練習問題)はこちら

 データサイエンティスト検定™(DS検定™)は、数理・データサイエンス・AIにおけるモデルカリキュラムを総合し、実務能力と知識を有することを証明する試験です。

国家資格
公的資格
民間資格
業務独占
名称独占
必置

試験情報

基本情報

申込関連
試験日 年2回(春・秋)
*第一回は2021/9/11〜9/30
申込期間 第一回は2021/7/1〜8/29
受験料 一般 11,000円(税込)
学生 5,500円(税込)
受験資格 特になし
申込方法 申込サイトよりWEB申込
試験関連
試験方式 CBT(@所定の試験会場)
試験時間 90分
出題形式 選択式
出題数 90問
合格基準 非公開
合格発表 試験日の約1ヶ月後

試験内容

スキルチェックリストの3カテゴリ
  • データサイエンス力★1
    統計数理基礎、線形代数基礎、微分・積分基礎、回帰/分類、評価、検定/判断、グルーピング、性質・関係性の把握、サンプリング、データクレンジング、データ加工、方向性定義、軸だし、データ加工、表現・実装技法、意味抽出、アプローチ設計、統計情報への正しい理解、データ確認、俯瞰・メタ思考、データ理解、洞察、機械学習、時系列分析、言語処理、画像処理、動画処理、音声/音楽処理、パターン発見
  • データエンジニアリング力★1
    システム運用、システム企画、クライアント技術、通信技術、基礎知識、テーブル定義、DWH、分散技術、クラウド、フィルタリング処理、ソート処理、結合処理、クレンジング処理、マッピング処理、サンプリング処理、集計処理、変換・演算処理、データ出力、データ展開、データ連携、基礎プログラミング、データインタフェース、分析プログラム、SQL、基礎知識、攻撃と防御手法、暗号化技術
  • ビジネス力★1
    ビジネスマインド、データ倫理、コンプライアンス、契約、MECE、言語化能力、ストーリーライン、ドキュメンテーション、説明能力、KPI、スコーピング、データ入手、データ理解、意味合いの抽出・洞察、評価・改善の仕組み、プロジェクト発足、リソースマネジメント、リスクマネジメント
数理・データサイエンス・AIにおけるモデルカリキュラム
  1. 社会におけるデータ・AI利活用
    1. 社会で起きている変化
      • ビッグデータ、IoT、AI、ロボット
      • データ量の増加、計算機の処理性能の向上、AIの非連続的進化
      • 第4次産業革命、Society 5.0、データ駆動型社会
    2. 社会で活用されているデータ
      • 調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど
      • 1次データ、2次データ、データのメタ化
      • 構造化データ、非構造化データ(文章、画像/動画、音声/音楽など)
      • データ作成(ビッグデータとアノテーション)
      • データのオープン化(オープンデータ)
    3. データ・AIの活用領域
      • データ・AI活用領域の広がり(生産、消費、文化活動など
      • 研究開発、調達、製造、物流、販売、マーケティング、サービスなど
      • 仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替、新規生成など
    4. データ・AI利活用のための技術
      • データ解析:予測、グルーピング
      • データ可視化:関係性の可視化、地図上の可視化、挙動・軌跡の可視化、リアルタイム可視化など
      • 非構造化データ処理:言語処理
    5. データ・AI利活用の現場
      • 流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ・AI利活用事例紹介
  2. データリテラシー
    1. データを読む
      • データの分布(ヒストグラム)と代表値(平均値、中央値、最頻値)
      • 観測データに含まれる誤差の扱い
      • 相関と因果(相関係数、擬似相関、交絡)
      • 母集団と標本抽出(国勢調査、アンケート調査、全数調査、単純無作為抽出、層別抽出、多段抽出)
      • 統計情報の正しい理解(誇張表現に惑わされない)
    2. データを説明する
      • データの図表表現(チャート化)
      • データの比較(条件をそろえた比較、処理の前後での比較、A/Bテスト)
      • 不適切なグラフ表現(チャートジャンク、不必要な視覚的要素)
      • 優れた可視化事例の紹介(可視化することによって新たな気づきがあった事例など)
    3. データを扱う
      • データの集計(和、平均)
  3. データ・AI利活用における留意事項
    1. データ・AIを扱う上での留意事項
      • 個人情報保護、EU一般データ保護規則(GDPR)、忘れられる権利、オプトアウト

統計情報

 (未公開)

公式SNS

試験対策

対策方法

 DS検定の試験範囲は『スキルチェックリスト』によるものと『数理・データサイエンス・AIモデルカリキュム』によるものの2本立てになっています。ただ大半は『スキルチェックリスト』に沿った出題であり、重複部分も多いため、基本は『スキルチェックリスト』を中心に考えて良いでしょう。

 『スキルチェックリスト』は、「データサイエンス力」「データエンジニアリング力」「ビジネス力」からなりますが、半数近くは「データサイエンス力」から出題されると思われますので、この分野に最も注力すべきでしょう。

 なお、DS検定を受験される方は、ITパスポートや基本情報技術者などの情報処理技術者試験に挑戦されている(または合格済みの)方が多いと思いますが、「データエンジニアリング力」は情報処理試験のテクノロジ分野、「ビジネス力」は情報処理試験のマネジメント分野、ストラテジ分野の知識と大部分が重複していますので、対策は容易(あるいはほとんど不要)と思われます。

 ただ、新しい資格であり不明な点も多いため、最初は以下の公式テキスト(リファレンスブック)を頼りに、学習していくことが望ましいでしょう。

 ある程度知識が定着しましたら、当サイトに模擬問題(練習問題)を用意していますのでぜひご活用ください。

参考書・問題集

Kindle:Kindle/Kindle Paperwhite/Kindle Oasis
楽天Kobo:Kobo Forma/Kobo libra H2O/Kobo clara HD/Kobo Nia

 不要になった書籍の処分はこちら 

その他コンテンツ

Twitter

オンライン学習

模擬問題

準備中

リテラシーレベル

データサイエンス力
  1. 基礎数学①
  2. 基礎数学②
  3. 基礎数学③
  4. 基礎数学④
  5. 基礎数学⑤
  6. 基礎数学⑥
  7. 基礎数学⑦
  8. 基礎数学⑧
  9. 基礎数学⑨
  10. 基礎数学⑩
  11. 予測①
  12. 予測②
  13. 予測③
  14. 予測④
  15. 検定/判断①
  16. 検定/判断②
  17. 検定/判断③
  18. グルーピング①
  19. 性質・関係性の把握①
  20. サンプリング①
  21. データ加工①
  22. データ加工②
  23. データ加工③
  24. データ可視化①
  25. データ可視化②
  26. データ可視化③
  27. 分析プロセス①
  28. データの理解・検証①
  29. 意味合いの抽出、洞察①
  30. 機械学習技法①
  31. 機械学習技法②
  32. 機械学習技法③
  33. 機械学習技法④
  34. 機械学習技法⑤
  35. 機械学習技法⑥
  36. 機械学習技法⑦
  37. 機械学習技法⑧
  38. 機械学習技法⑨
  39. 機械学習技法⑩
  40. 時系列分析①
  41. 言語処理①
  42. 画像・動画処理①
  43. 画像・動画処理②
  44. 音声/音楽処理①
  45. パターン発見①
データエンジニアリング力
  1. 環境構築①
  2. 環境構築②
  3. データ収集①
  4. データ収集②
  5. データ構造①
  6. データ構造②
  7. データ構造③
  8. データ蓄積①
  9. データ蓄積②
  10. データ蓄積③
  11. データ加工①
  12. データ加工②
  13. データ加工③
  14. データ加工④
  15. データ共有①
  16. データ共有②
  17. データ共有③
  18. プログラミング①
  19. プログラミング②
  20. プログラミング③
  21. プログラミング④
  22. プログラミング⑤
  23. ITセキュリティ①
  24. ITセキュリティ②
  25. ITセキュリティ③

 

ビジネス力
  1. 行動規範①
  2. 行動規範②
  3. 行動規範③
  4. 行動規範④
  5. 行動規範⑤
  6. 行動規範⑥
  7. 契約・権利保護①
  8. 論理的思考①
  9. 論理的思考③
  10. 論理的思考④
  11. 論理的思考⑤
  12. 論理的思考⑥
  13. 課題の定義①
  14. 課題の定義②
  15. データ入手①
  16. ビジネス観点のデータ理解①
  17. ビジネス観点のデータ理解②
  18. 活動マネジメント①
  19. 活動マネジメント②
  20. 活動マネジメント③