概要

データサイエンティスト協会公認の 唯一の公式リファレンス。DS 検定リテラシーレベルで問われる 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 3 領域を 1 冊に索引化する。初版から数えて 4 度目の改訂で、生成 AI 業務活用 / ハルシネーション認識 / MLOps など最新の出題項目をカバー。

想定読者

• DS 検定リテラシーレベル受験を 1〜3 ヶ月後に控えた社会人(IT・非 IT 双方)
• リスキリングでデータサイエンス領域を体系的に押さえたい非 IT 職
• G 検定取得後にデータ分野へ広げたいエンジニア
• 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履修中の学生

こんな人には向いていない

• 統計 / 機械学習を 数学的に深く学びたい人(本書は範囲を広く取る代償として個別領域の解説密度はやや薄め、専門書を併読推奨)
• Python / SQL の 実装演習 を求める人(問題集 + 動画教材との組合せが現実的)
• 統計検定 1 級 / DS 専門レベル受験者(本書は範囲外)

この本で身につくこと

• DS 検定の 3 領域(DS / DE / BIZ)を 1 冊で俯瞰し、自分の弱い領域を特定できる
• 試験範囲の 地図 + 索引 が手元にできる(章単位で問われやすいキーワードを引ける)
• 数学・統計 / クラウド・SQL / 法務・倫理 を横断する語彙が揃う
• GDPR / 契約 / 知財 / プロジェクト管理など、他教材では薄い 法務・ビジネス領域 が押さえられる
• 巻末模擬試験で本番形式に触れ、苦手分野を可視化できる

章立て(第 3 版 proxy、第 4 版で更新の可能性あり)

第 1 章 DS 検定とは

試験概要 / 出題範囲 / 学習計画の立て方。

第 2 章 データサイエンス力(DS1〜DS282)

数理統計(ベクトル内積・微積分・確率分布)/ 記述統計 / 仮説検定 / バイアスと交絡 / 時系列基礎 / 可視化 / 回帰・モデル評価 / 機械学習基礎 / アンサンブル・ニューラルネット / クラスタリング・分類 / 自然言語処理 / 画像処理 / 大規模言語モデルの限界(DS282)。

第 3 章 データエンジニアリング力(DE1〜DE175)

サーバ管理 / ノーコード・ローコード / Docker / クラウド ML / API / Web スクレイピング / DB(正規化・DWH・Hadoop / Spark・NoSQL・オブジェクトストレージ)/ SQL JOIN / クレンジング / 文字エンコーディング / 暗号化 / OAuth / MLOps / AIOps / 生成 AI プロンプト / LLM コーディング支援。

第 4 章 ビジネス力(BIZ1〜BIZ139)

データドリブン思考 / 研究倫理 / プライバシー法 / 問題構造化 / 技術ドキュメンテーション / 生成 AI 業務活用 / ビジネスモデル分析 / LLM ハルシネーション認識 / 統計的バイアス検出 / 仮説駆動分析 / 契約・知財 / ステークホルダ管理。

第 5 章 数理・データサイエンス・AI モデルカリキュラム + 模擬試験

文部科学省「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への対応 + 巻末模擬試験 1 回分。

ハイライト(合格体験記より)

「公式リファレンスは 試験範囲の地図 として優秀。ただし 3 領域を 1 冊に圧縮しているため解説は薄め、動画教材と組み合わせると理解が進む。」 — 文系社会人合格者の振り返り(qiita)

「問題集偏重で公式は 1 周しただけ。これが敗因。合格を目指すなら公式の熟読が必須。」 — DS 検定不合格者の分析(zenn)

「1 ヶ月でリファレンスを週次で 1 周 + 問題集。GDPR 等の法務領域は本書で初めて知った。」 — 合格者の学習ログ(zenn)

読了後にできること

Before(読む前): 試験範囲が広すぎて何から手を付ければいいか分からない。統計・SQL・法務が混在していて自分の弱点が言語化できない。

After(読み終えた後): DS / DE / BIZ の 3 領域で「自分はここが弱い」と地図上に印が打てる。法務 / 倫理 / プロジェクト管理は本書でかなりの範囲をカバー、数学 / ML 演習は別教材で補う、という学習動線が組める。

推奨される使い方

合格者の体験記(qiita / zenn 計 9 件)に共通するパターン:

1. 「公式 + 黒本(問題集) + アプリ or 動画」の三点セット で学習する人が大半
2. 不合格者は「問題集だけ」「公式 1 周だけ」のいずれかの偏りを後悔している
3. 公式は 範囲網羅 / 索引性 / 法務領域 に強み(GDPR・契約・倫理は他教材が薄い)
4. 公式は 数学 / ML 領域の解説密度はやや薄め(動画教材で補完されることが多い)
5. 学習期間は 1〜3 ヶ月、総時間 30〜100 時間がレンジ

「公式は地図 / 索引、問題集は道場」という補完関係で組み合わせるのが現実的。

前提知識

• 高校レベルの数学(微積・確率・統計)に抵抗が少ないこと(数式アレルギーがあると第 2 章の数理パートで詰まる、その場合は『プログラマの数学』のような前段書を併読)
• 基本的な PC 操作・Excel・SQL に触れたことがある程度の業務経験(必須ではないが、第 3 章のデータエンジニアリング力の理解が早くなる)

次に読む本(あわせて持っておきたい)

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 第 2 版(インプレス、通称「黒本第 2 版」)

協会公認の 対策問題集。本書(公式リファレンス)で範囲を地図化したあと、問題集で出題形式に慣れる流れが王道。

動画教材(SkillUp AI / Datamix / Trainocate など)

数学 / ML パートで本書の解説が薄いと感じたら動画で補完するパターン。複数の合格体験記で言及あり。

『プログラマの数学 第 2 版』(結城浩、SB クリエイティブ)

第 2 章の数理パートが厳しい場合の前段書。