最新情報
| 2022年8月3日 | 2022年度秋のDS検定の試験期間決定！ 第3回試験日は2022年11月15日（火）～2022年12月5日（月）になります。申込開始日や対策講座のご案内などは追って当協会ホームページや協会SNSにてお知らせします |
| 2022年8月3日 | 6月受験者への合否結果が出ました。 お申し込みいただいた受験者マイページの「申込・受験履歴」よりご確認いただけます |
| 2022年7月15日 | 結果発表時期を、2022年7月下旬から2022年8月上旬へ変更させていただきました。 |
| 2022年4月19日 | 2022年度春のDS検定申込オープン！ 公式リファレンスブックや対策講座の最新情報も続々発表します。 前回第1回目のDS検定の結果についても一部情報公開します。 6月の試験に向けて是非ご検討ください！ ※6/3追記 2022年6月試験のお申し込みは終了しました。※ |
| 2022年2月7日 | 2022年度春のDS検定の試験期間決定！ 第2回試験日は6月10日（金）～6月30日（木）になります。申込開始日や対策講座のご案内などは追って当協会ページや協会Facebookよりお知らせします |
データサイエンティスト検定 リテラシーレベルとは？
『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。
※データサイエンティスト協会プレスリリース (2014.12.10)
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。内閣府が策定した「AI戦略2019」においても、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。
検定の対象
本検定の受験対象者は以下のような方を想定しています。・データサイエンティスト初学者・これからデータサイエンティストを目指すビジネスパーソン・データサイエンティストに興味を持つ大学生や専門学校生など
検定概要
| 試験期間 | 2022年11月15日（火）～2022年12月5日（月） |
| 申込期間 | 決定次第、ご案内します |
| 申込方法 | 決定次第、ご案内します |
| 受験資格 | なし |
| 実施概要 | 選択式問題全国の試験会場で開催(CBT)問題数90問試験時間90分 |
| 出題範囲 | 2021年に更新したスキルチェックリストver.4に基づき、一部試験範囲に変更があります 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、データエンジニアリング力、ビジネス力）の★１（見習いレベル）相当と数理・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た範囲※詳細は「データサイエンティスト検定™の試験範囲」を参照 |
| 参考書籍 | ＊＊2021年に更新したスキルチェックリストver4.対応＊＊ 「最短突破 データサイエンティスト検定(リテラシーレベル)公式リファレンスブック 第2版」発売日：電子版2022年4月28日 紙版 2022年5月14日 全国書店及びAmazon等で出版予出版社：技術評論社 「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」https://book.impress.co.jp/books/1121101053  発売日：2022年4月21日 全国書店及びAmazon等で出版予定出版社：インプレス |
| 対策講座 | 株式会社AVILEN「DS検定対策コース」https://s.avilen.co.jp/lp/ds-kentei/ 株式会社GRI「DS検定対策講座」https://www.agaroot.jp/datascience/dskentei/  スキルアップAI株式会社「DS検定リテラシーレベル対応データサイエンティスト基礎講座」https://www.skillupai.com/ds/  補足情報：対策アプリもリリースされました。https://www.skillupai.com/ds-app/ 株式会社ディジタルグロースアカデミア「データサイエンティスト検定 リテラシーレベル対策講座」 https://www.dga.co.jp/service/e-learning/008/  株式会社日立アカデミー「＜eラーニング＞AI・データサイエンス基礎」 https://www.hitachi-ac.co.jp/service/opcourse/topics/22k/topics10.html  ※本ページ記載の対策講座は当協会が監修を行っています。 |
| 結果発表 | 2022年6月実施分：2022年8月3日お申し込みいただいた受験者マイページの「申込・受験履歴」よりご確認いただけます |
| 受験費用（税抜） | 一般10,000円学生5,000円 |
| 検定に関するQ&A | https://www.datascientist.or.jp/qa/ |
| 受験規約 | https://www.datascientist.or.jp/common/docs/jyukenkiyaku.pdf※お申し込み前に必ずお読みください |
模擬問題
以下は模擬問題です。このような難易度の問題が出題されます。 https://www.datascientist.or.jp/common/docs/practice_v1.2.pdf・データサイエンス力：3問・データエンジニアリング力：2問・ビジネス力：1問データサイエンティスト検定™の試験範囲
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、集合論基礎、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、回帰･分類、評価、推定･検定、グルーピング、性質･関係性の把握、因果推論、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、時系列分析、機械学習、深層学習、自然言語処理、画像認識、映像認識、音声認識、パターン発見
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、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、ソース管理、AutoML、MLOps、AIOps
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、契約、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、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
リテラシーレベル：モデルカリキュラム＜スキルセット＞
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 |
※2020年4月数理・データサイエンス教育強化拠点コンソーシアム「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム～データ思考の涵養～」より抜粋
前回（2021年第1回目）のDS検定開催報告
受検者数：約1400名合格者数：927名合格率 ：約66％合格ラインの目安：正答率約80％ ＊上記は過去参考値です。2022年は試験問題も刷新されますので上記の通りではありません。
今後のご案内について
本検定のご案内をご希望の方は、以下の方法でご登録願います。最新情報をメールにてお送りさせていただきます。
当協会からの各種案内（主催イベントや法人会員からの案内など）
一般（個人）会員登録 ※登録は無料です
対策講座・書籍をご検討の出版社および教育事業会社の方へ
当協会からのご支援なども検討可能です。監修依頼などもお気軽にご相談ください。 協会事務局メールアドレスまでお問合せください。
デジタルリテラシー協議会 連携試験
