こんにちは、虎の穴ラボエンジニアの山﨑です。

先日、データサイエンティスト協会が主催する「データサイエンティスト検定™（リテラシーレベル）」（以下、DS検定）を受験し、無事合格することができましたので振り返りを兼ねて記事にまとめさせていただきます。

私自身、過去にG検定を取得済みで、大学では数学を専攻していたという背景があります。今回は、そんなWebエンジニアの視点から、DS検定の学習方法、G検定との違い、そして得られた知見についてまとめたいと思います。これから受験を考えている方、特にエンジニアの方の参考になれば幸いです。

DS検定™（リテラシーレベル）とは

DS検定™は、データサイエンティスト協会が定義するスキルレベルのうち、見習いレベルである「アシスタント・データサイエンティスト」相当の知識・スキルを証明する資格です。

特徴的なのは、単なるデータ分析の知識だけでなく、データサイエンスをビジネスの現場で活用するための一連のプロセスが問われる点です。試験範囲が広く、データサイエンティストと協業するあらゆるビジネスパーソンが対象となっています。

www.datascientist.or.jp

受験の動機

Webエンジニアとして業務を行う中で、昨今のAI利活用の急速な進展を肌で感じています。生成AIの登場により、AIは単なる専門家のツールではなく、あらゆるビジネスパーソンが活用すべき基本的なリテラシーになりつつあります。

私自身、G検定を通じてAIの理論的な側面は学んでいましたが、その根幹となる「データ」そのものの扱い方（収集、加工、法規制、ビジネスへの応用プロセス）に関する知識は断片的でした。

「AIを活用するためには、データのライフサイクルそのものをある程度体系的に理解する必要がある」と感じ、AI時代に求められるデータリテラシーの土台を固めるための第一歩として、今回の受験を決めたという経緯があります。

学習期間について

私は、2025年6月29日(日)にデータサイエンティスト検定（DS検定）リテラシーレベルの試験を受けました。 DS検定自体は、試験開催期間中にCBT方式で各地の試験センターに赴いて受験するといった形になっており、ギリギリまで勉強時間を確保したかったので試験期間の終盤に受験しました。

学習期間としては、5月の中旬から1.5か月程度、平日に毎日平均30分程度勉強を進めていました。虎ラボでは業務時間内に自己研鑽の時間を確保できる制度があり、主にその時間を学習に充てていました。

あとは、直前の土曜日に軽く過去の学習内容の確認しておくという具合で進めていたので、学習・対策時間は合計で20時間程度になったかと思います。

使用した教材について

テキストは以下の２冊を使用しました。

www.sbcr.jp 1冊目: 「データサイエンティスト検定[DS検定]リテラシーレベル最強の合格テキスト」

G検定の際も同じ著者の方によって書かれている参考書を使っていたため、今回も同様にこちらの本を1冊目として選びました。理論的な解説による補足が各題材ごとに細かく書かれている本になりますので、理数系出身の方などには比較的おすすめしやすい本かと感じました。合わない方には合わないという評価の本のようですので、実際に書店などで手に取って内容を確認してから選ぶことをお勧めします。

book.impress.co.jp 2冊目: 「徹底攻略データサイエンティスト検定問題集［リテラシーレベル］対応(通称：黒本)」

こちらの本は問題を解きつつ、自身の理解を確認するという目的で読みました。全ての問題とその解答を2回ほど通読し、理解できない部分が一つも残らないようにした上で試験に臨みました。個人的には、AIの理論的な側面をある程度理解している状態であればこの1冊を読むだけで合格水準には十分に達すると感じました。黒本に関しては、安定して広く受験者にお勧めできる1冊だと思います。

合格に向けての学習戦略

・数学・統計分野

大学時代に学んだ知識があったため、テキストの解説をざっと読み流し、黒本などで用語の再確認するに留めました。標準偏差や回帰分析、仮説検定などの基本的な考え方を改めて確認した形になります。

・データサイエンス・機械学習分野（G検定の知識を活かせた分野）

G検定の範囲と重なる部分が多く、特に機械学習の手法（教師あり/なし学習、評価指標など）はスムーズに理解できました。DS検定では、よりビジネス応用に近い視点での問題（「この課題にはどの手法を使うべきか？」など）が問われるため、その点を意識して知識を整理しました。

・データエンジニアリング・ビジネス力・法律分野（苦手分野）

ここを重点的に学習しました。 WebエンジニアとしてSQLやデータベースの知識はありましたが、データガバナンス(品質管理など)や個人情報保護法、データ分析手法（CRISP-DMなど）といった領域は馴染みが薄く、完全に初見の知識も多かったです。黒本を読み込み、特に間違えた問題は解説をしっかり読んで理解するよう努めました。