『データサイエンティスト検定 リテラシーレベル』（略称：DS検定® ★）とは、アシスタント・データサイエンティスト（見習いレベル：★）と数理・データサイエンス教育強化拠点コンソーシアムが公開している数理・データサイエンス・AI（リテラシーレベル）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。
| スキルレベル | 目安 | 対応できる課題 |
|---|---|---|
|
業界を代表するレベル | ・産業領域全体 ・複合的な事業全体 |
|
棟梁レベル | ・対象組織全体 |
|
独り立ちレベル | ・担当プロジェクト全体 ・担当サービス全体 |
|
見習いレベル | ・プロジェクトの担当テーマ |
データサイエンティスト協会ではデータサイエンティストに必要なスキルや知識をスキルチェックリスト・タスクリストという形で定義し、高度IT人材の育成と業界の健全な発展への貢献、啓発活動を行ってきました。デジタル時代の人材育成や教育改革は国全体の重要な課題となっており、ビジネスを推進する上でデータ・AIの活用戦略や実装を担うデータサイエンティストへの期待が高まっています。本検定の取得により、データサイエンティストに必要なデータサイエンス力・データエンジニアリング力・ビジネス力についてそれぞれ見習いレベルの実務能力や知識、また、数理・データサイエンス・AI教育のリテラシーレベルの実力を有していることを証明することができます。 データサイエンティストを目指す人達とそれを必要とする産業界を結びつける一つの指針となることを目指しています。
2024年6月開催の第7回試験より、生成AIなどのAI利活用スキルに対応した試験問題の一部改訂が行われました。また、本検定の取得により、DX推進パスポート（デジタルリテラシー協議会）への発行申請もできるようになりました。
| 試験期間（予定） | 第8回：2024年11月9日(土)～2024年12月1日(日) 第9回：2025年3月8日(土)～2025年3月30日(日) |
|---|---|
| 申込期間 | 第8回（2024年11月）
第9回（2025年3月） ※個人と団体で申込終了日が異なりますので、ご注意ください。 |
| 申込方法 | 【各回の申込期間内に以下URLよりお申し込みください】 個人申込＝https://cbt-s.com/examinee/examination/datascientist.html
※申込期間外にアクセスいただいても、お申し込みいただけません。 ※団体申込方法は、以下マニュアルを参考の上、お申し込みください。 |
| 受験資格 | なし |
| 実施概要 | 選択式問題 |
| 出題範囲 | 2023年に更新したスキルチェックリストver.5に基づき、一部試験範囲に変更があります |
| 受験費用（税抜） | 一般10,000円 |
| 受験規約 | https://www.datascientist.or.jp/common/docs/jyukenkiyaku.pdf |
| 結果発表 | 第8回（2024年11月）：2025年1月中旬
第7回（2024年6月実施）は、2024年7月26日(金)10時に発表。
お申し込みいただいた受験者マイページよりご確認いただけます。 詳しくは結果表示のページをご確認ください。合格者の方は以下2点の合格証明が取得いただけます。 １．合格証明書 |
| データサイエンス力★１ | 線形代数基礎、微分・積分基礎、集合論基礎、統計数理基礎、洞察、性質・関係性、推定・検定、アソシエーション分析、因果推論、データ確認、俯瞰・メタ思考、データ理解、サンプリング、データクレンジング、データ加工、特徴量エンジニアリング、方向性定義、軸だし、データ加工、表現・実装技法、意味抽出、回帰・分類、統計的評価、機械学習、深層学習、時系列分析、クラスタリング、ネットワーク分析、レコメンド、自然言語処理、画像認識、映像認識、音声認識、大規模言語モデル |
|---|---|
| データエンジニアリング力★１ | システム企画、システム設計、アーキテクチャ設計、クライアント技術、通信技術、データ抽出、データ収集、データ構造の基礎知識、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、前処理、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、拡張プログラミング、AIサービス活用、アルゴリズム、分析プログラム、SQL、ITセキュリティの基礎知識、攻撃と防御手法、暗号化技術、認証、AutoML、MLOps、AIOps、プロンプトエンジニアリング、生成AIのコーディング支援 |
| ビジネス力★１ | ビジネスマインド、データ･AI倫理、コンプライアンス、MECE、構造化能力、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、AI活用検討、KPI、スコーピング、データ入手、分析アプローチ設計、生成AI活用、統計情報への正しい理解、ビジネス観点での理解、意味合いの抽出･洞察、評価･改善の仕組み、契約、権利保護、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 |
| 1.社会におけるデータ・AI利活用 | 1-1.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 |
|---|---|---|
| 1-2.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） |
|
| 1-3.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 |
|
| 1-4.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 |
|
| 1-5.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 | |
| 1-6.データ・AI利活用の最新動向 | ・AI等を活用した新しいビジネスモデル（シェアリングエコノミー、商品のレコメンデーションなど） ・AI最新技術の活用例（深層生成モデル、敵対的生成ネットワーク、強化学習、転移学習など） |
|
| 2.データリテラシー | 2-1.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） |
| 2-2.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） |
|
| 2-3.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 | 3-1.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 |
| 3-2.データ・AIを守る上での留意事項 | ・情報セキュリティ：機密性、完全性、可用性 ・匿名加工情報、暗号化、パスワード、悪意ある情報搾取 ・情報漏洩等によるセキュリティ事故の事例紹介 |
試験申し込み方法や領収書の発行、当日のお問い合わせはこちらから
受験サポートセンター (平日9:30〜17:30)
TEL :03-5209-0553
