データ分析とケモインフォ

統計検定データサイエンス発展の出題範囲と参考HP

（引用元｜統計検定 CBT「データサイエンス発展」 出題範囲表）
下記に加えて、統計検定3級、4級およびデータサイエンス基礎の範囲表の項目についても出題される。
参考HPへのリンクは随時アップデート予定
(* は外部リンク)

体系的に学ぶのであれば、書籍やudemyの講座がオススメ

社会におけるデータ・AI 利活用

社会で起きている変化

ねらい） 社会で起きている変化を知り、数理・データサイエンス・AI を学ぶことの 意義を理解する。

主な項目

  1. ビッグデータ、IoT、AI、ロボット*
  2. 第 4 次産業革命、Society 5.0、データ駆動型社会*
  3. 人間の知的活動とAI の関係性*
  1. 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*
  2. 複数技術を組み合わせた AI サービス*
  3. データを起点としたものの見方、人間の知的活動を起点としたものの見方*

社会で活用されているデータ

ねらい） 社会でどのようなデータが集められ、どう活用されているかを知る。

主な項目

  1. 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*
  2. 構造化データ、非構造化データ（テキスト、画像/動画、音声/音楽）*
  1. 1 次データ、2 次データ、データのメタ化*
  2. データ作成（ビッグデータとアノテーション）*

データ・AI の活用領域

ねらい） さまざまな領域でデータ・AI が活用されていることを知る。

主な項目

  1. データ・AI 活用領域の広がり（生産、消費、文化活動）*
  2. 研究開発、調達、製造、物流、販売、マーケティング、サービス*
  1. 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*

データ・AI 利活用のための技術

ねらい） データ・AI を活用するために使われている技術の概要を知る。

主な項目

  1. データ解析：予測、グルーピング、パターン発見、最適化、シミュレーション, データ同化*
  2. 非構造化データ処理：言語処理、画像/動画処理、音声/音楽処理*
  3. 認識技術、ルールベース、自動化技術*
  1. データ可視化：複合グラフ、2 軸グラフ、多次元の可視化、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*
  2. 特化型 AI と汎用 AI、今のAI で出来ることと出来ないこと、AI とビッグデータ*

データ・AI 利活用の現場

ねらい） データ・AI を活用することによって、どのような価値が生まれているかを知る。

主な項目

  1. データサイエンスのサイクル（課題抽出と定式化、データの取得, 管理, 加工, 探索的データ解析、データ解析と推論、結果の共有, 伝達、課題解決に向けた提案）*
  1. 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*

データ・AI 利活用の最新動向

ねらい） データ・AI 利活用における最新動向（ビジネスモデル、活用例）を知る。

主な項目

  1. 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）*
  1. 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）*

データ・AI 利活用における留意事項

データ・AI を扱う上での留意事項

ねらい） データ・AI を利活用する上で知っておくべきこと

主な項目

  1. ELSI（Ethical, Legal and Social Issues）*
  2. データ倫理：データのねつ造、改ざん、盗用、プライバシー保護*
  3. データバイアス、アルゴリズムバイアス、標本選択バイアス、帰納バイアス、公表バイアス*
  4. データ, AI 活用における負の事例*
  1. 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、知的財産、インフォームドコンセント*
  2. AI 社会原則（公平性、説明責任、透明性、人間中心の判断）*
  3. AI サービスの責任論*

データを守る上での留意事項

ねらい） データを守る上で知っておくべきこと

主な項目

  1. 情報セキュリティ：機密性、完全性、可用性*
  2. 情報漏洩等によるセキュリティ事故*
  1. 匿名加工情報、暗号化、パスワード、悪意ある情報搾取、不正アクセス行為の禁止、個人認証、個人識別符号、要配慮個人情報、再識別、秘密の曝露や差別の誘引*

データリテラシー

データを読む

ねらい） データを適切に読み解く力を養う。

主な項目

  1. データの種類、データの分布と代表値、データのばらつき、観測データに含まれる誤差の扱い*
  2. 相関と因果（交絡、偏相関係数）、回帰（重回帰分析、ロジスティック回帰分析、モデルの評価）*
  3. クロス集計表、分割表、相関係数行列、散布図行列*
  4. 統計情報の正しい理解（誇張表現に惑わされない）*
  1. 打ち切りや脱落を含むデータ、層別の必要なデータ、外れ値*
  2. 分類とグループ化（階層的クラスタリング、非階層的クラスタリング）*
  3. 母集団と標本抽出（層別抽出、多段抽出、クラスター抽出、母数と統計量の区別、標本分布）*

データを説明する

ねらい） データを適切に説明する力を養う。

主な項目

  1. データの表現（散布図、ヒートマップ、チャート化）*
  2. 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）*
  1. 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、ランダム化比較試験）*
  2. 色の効果や特徴、点の色・大きさ・形状への配慮、線の太さと様々な破線*

データを扱う

ねらい） データを扱うための力を養う。

主な項目

  1. 集計、並べ替え、ランキング、データ解析ツール（スプレッドシート）*

    数理基礎

    線形代数

    ねらい） データ分析に必要なベクトルや行列の扱いや n 次元ユークリッド空間の基本事項を理解する。

    主な項目

    1. 平面ベクトル、空間ベクトル、n 次元ベクトル、ベクトルの和、内積、直交性、ノルム*
    2. 線形独立、部分空間*
    1. 正方行列、単位行列、転置行列、対称行列、行列の積、逆行列、行列式*

    微分積分

    ねらい） データ分析に必要な初等関数や微分積分の意味と操作を理解する。

    主な項目

    1. 指数関数、対数関数、三角関数*
    2. 偏微分、接平面、重積分、累次積分*
    1. 積の微分、合成関数の微分、関数の最大最小、線形近似、原始関数、積分と微分の関係

    数列

    ねらい） 数列の基本的な事項を理解する。

    主な項目

    1. 数列の和、Σ記号、極限

      デジタル情報とコンピュータの仕組み

      デジタル情報

      ねらい） デジタル情報の表し方を理解する。

      主な項目

      1. 数と表現（2 進数の表現、論理値）*
      2. 文字の表現（ASCII コード、シングルバイト文字、ダブルバイト文字）*
      3. 動画（ラスタデータ、ベクタデータ、コーデック）
      1. 情報量の単位（ビット、バイト、接頭語（k,M,G,T,m,μ,n,p など）を使った表現）*
      2. デジタル化（連続値、離散値）、画像*

      コンピュータの仕組み

      ねらい） 論理演算や計算上の誤差について理解する。

      主な項目

      1. 集合、命題、真/偽、否定、論理和、論理積*
      1. 有効数字、浮動小数点、仮数部、指数部、丸め誤差

      アルゴリズム基礎

      アルゴリズムの表現

      ねらい） アルゴリズムの表現方法を理解する。

      主な項目

      1. フローチャート、アクティビティ図、端子、処理、判断、矢印*

        アルゴリズムの構造

        ねらい） 分岐、繰り返しなどのアルゴリズムの構造の基礎を理解する。

        主な項目

        1. 代入、順次構造、選択構造、繰り返し構造*

          基本的なアルゴリズムの例

          ねらい） いくつかの基本的なアルゴリズムを理解する。

          主な項目

          1. 並べ替え（ソート）、探索（サーチ）、合計、併合*

            データ構造とプログラミング基礎（主に Python）

            データ構造

            ねらい） 配列などのデータ構造について理解する。

            主な項目

            1. 配列とリスト（メモリ、ベクトル、行列、アドレス）
            1. 連想配列（キー、バリュー、連想、辞書、ハッシュ）

            プログラミング基礎

            ねらい） インタープリタ言語を用いて簡単なプログラミングができる。

            主な項目

            1. インタープリタ言語（ソースコード、機械語、実行）
            2. 関数（引数、返り値）、制御文（for, while, if 文）、入出力（print 文）*
            1. 構文（変数、代入、計算、分岐、繰り返し）、演算（オブジェクト、四則演算）*

            データハンドリング

            代表的なデータ形式

            ねらい） 代表的なデータ形式を理解する。

            主な項目

            1. csv、XML、JSON

              その他のデータ形式

              ねらい） その他のデータ形式を理解する。

              主な項目

              1. 離散グラフ、キー・バリュー形式である隣接リスト、NoSQL

              データベース

              ねらい） データベースの基礎概念を理解する。

              主な項目

              1. データベース管理システム（DBMS）、リレーショナルデータベース、正規化、選択、射影、結合、SQL*

                データクレンジング

                ねらい） データクレンジング作業を理解する。

                主な項目

                1. 表記の揺れの吸収（文字列、数字、日付、時刻）、名寄せ*

                  データ加工

                  ねらい） データの加工法を理解する。

                  主な項目

                  1. 部分集合の抽出、行の並べ替え、新しい列の追加、プログラミング（Python、R）

                    データ取得とオープンデータ

                    日本や世界のオープンデータ

                    ねらい） オープンデータの普及に向けた国内及び国際的な動きを理解する。

                    主な項目

                    1. 二次利用可能なルール、機械判読への適性、オープンデータ憲章

                      オープンデータの取得

                      ねらい） オープンデータの取得法を理解する。

                      主な項目

                      1. e-Stat、DATA.GO.JP、データカタログサイト、Open Knowledge International、Web API*

                        統計法

                        ねらい） 統計法の意義について理解する。

                        主な項目

                        1. 基幹統計調査、調査票情報の二次的利用

                          確率と確率分布

                          順列と組合せ

                          ねらい） 場合の数の数え方を理解する。

                          主な項目

                          1. 階乗（n!）、順列（mPn）、組合せ（mCn）*

                            確率分布の概念

                            ねらい） 確率変数の分布の基本を理解する。

                            主な項目

                            1. 確率変数、確率関数、確率密度関数、母平均、母分散、同時分布、周辺分布、共分散と相関、独立*

                              主要な確率分布

                              ねらい） 主な確率分布と確率計算を理解する。

                              主な項目

                              1. ポアソン分布、指数分布、一様分布、正規分布、2 変量正規分布*

                                統計的推測

                                統計的モデル

                                ねらい） 統計的モデルの考え方を理解する。

                                主な項目

                                1. 統計的モデル、母数、パラメータ

                                  標本分布

                                  ねらい） 標本分布の基本的な考え方理解する

                                  主な項目

                                  1. 独立同一分布、標本平均、標本分散*

                                    点推定

                                    ねらい） 点推定について理解する。

                                    主な項目

                                    1. モーメント法、最尤法、バイアス、不偏推定量、平均二乗誤差、バイアス分散分解*

                                      仮説検定の考え方

                                      ねらい） 仮説検定の考え方を理解する。

                                      主な項目

                                      1. 帰無仮説、対立仮説、2 種の誤り、有意水準、検出力、p 値、検定統計量*

                                        種々のデータ解析

                                        時系列データ解析

                                        ねらい） 時系列データの扱いを理解する。

                                        主な項目

                                        1. 時系列データ（トレンド、周期、ノイズ）、季節調整、移動平均*

                                          テキスト解析

                                          ねらい） テキスト処理の基礎を理解する。

                                          主な項目

                                          1. 形態素解析、単語分割、ユーザ定義辞書、n-gram、文章間類似度、かな漢字変換の概要*

                                            画像解析

                                            ねらい） 画像解析の基礎を理解する。

                                            主な項目

                                            1. 画像データの処理、画像認識、画像分類、物体検出*

                                              データ活用実践

                                              教師あり学習

                                              ねらい） 教師あり学習の実践例を理解する。

                                              主な項目

                                              1. 教師あり学習による予測 (例:売上予測、罹患予測、成約予測、離反予測)*
                                              2. データ分析結果の共有、課題解決に向けた提案*
                                              1. データの収集、加工、分析*

                                              教師なし学習

                                              ねらい） 教師なし学習の実践例を理解する。

                                              主な項目

                                              1. 教師なし学習によるグルーピング （例：顧客セグメンテーション、店舗クラスタリング）*
                                              2. データ分析結果の共有、課題解決に向けた提案*
                                              1. データの収集、加工、分析*

                                              その他参考HP

                                              参考書籍






                                              その他参考（Udemy 講座）

                                              分かりやすい動画で体系的に学べるのでおすすめ

                                              【ゼロからおさらい】
                                              統計学の基礎
                                              AIのための数学講座：
                                              少しづつ丁寧に学ぶ人工知能向けの線形代数/確率・統計/微分
                                              米国データサイエンティストが教える統計学超入門講座
                                              【Pythonで実践】
                                              【DX人材への第一歩を踏み出そう】
                                              データ分析/データリテラシーの基礎教養マスターコース
                                              （グローバルで活躍する講師が解説）
                                              【世界で37万人が受講】データサイエンティストを目指すあなたへ〜データサイエンス25時間ブートキャンプ〜