1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

【模擬試験公開】Datadog Fundamentals合格記:AIで問題を量産して挑んだ15時間のアウトプット術

1
Last updated at Posted at 2026-03-14

★自作模擬試験サイト公開★

AIを利用して作成した模擬試験問題をWebサイトとして公開しました。

Datadog Certification Unofficial Mock Exam

本番前の最終チェックや、演習量不足を感じている方は、ぜひ活用してください。
問題を発見した場合はGitHub Issuesでお知らせください。

はじめに

今後の案件でDatadogを利用する計画があり、知識の土台を作っておく目的でDatadog Fundamentalsを受験しました。

無事に合格できましたので、モニタリングツール未経験のアプリケーションエンジニアが、どのようにAIツールを駆使して効率的に学習したかをまとめます。

Time Taken: 61 minutes of 120 minutes total
Overall Score: 67.0 out of 75
Result: PASS


執筆者のバックグラウンド

私は普段、インフラ専任ではなくアプリケーションエンジニアとして活動しています。

また、スキルアップの一環として、IT資格試験は原則としてすべて英語で受験するようにしています。仮に直近の案件でその技術をフル活用する機会がなかったとしても、英語でのインプット・アウトプット訓練自体が役立つと考えているからです。今回の試験も、英語学習を兼ねて英語で受験しました。

主要な保有資格

前提知識として学習開始時点で保有していた主な保有資格を記載します。

  • IT・専門スキル(高度・専門資格)
    • AWS Certified Solutions Architect – Professional
    • AWS Certified Solutions Architect – Associate
    • AWS Certified SysOps Administrator – Associate
    • AWS Certified Developer – Associate
    • データベーススペシャリスト試験
    • 応用情報技術者試験
    • OSS-DB Gold
  • 英語
    • 実用英語技能検定 1級
    • TOEIC公開テスト スコア875点

学習時間:合計 約63時間

学習期間は約4ヶ月ですが、実稼働時間は合計63.3時間でした。内容別の内訳は以下の通りです。(年末年始の前後で約1ヶ月はサボっていたので実際の学習期間は3ヶ月)

学習フェーズ 内容 学習時間
インプット Learning Center(ハンズオン、基礎学習) 約48.7時間
アウトプット AI(NotebookLM / Antigravity)を活用した試験対策 約14.6時間
合計 約63.3時間

約8割をハンズオンによる基礎固めに、残りの2割をAIを使った演習に充てました。


合格までの3ステップ学習法

1. 公式ラーニングパスの徹底(2周)

Datadog公式のLearning Centerにあるハンズオン教材を2周行いました。(2周したのは年末年始にサボっていて内容を完全に忘れたためです。)
英語でハンズオンを進めることで、ドキュメント独自の表現や専門用語に慣れることができました。実際に手を動かすことで「Datadogで何ができるのか」を体得しています。

2. 公式練習問題での傾向把握

一通りインプットを終えた後、公式のPractice Examを解きました。問題数は数十問と限られていますが、ここで「問われるポイント」の癖を掴みます。

3. AI(NotebookLM & Antigravity)による問題自作

演習量不足を補うため、最新のAIツールを駆使して模擬問題集を作成しました。

  • NotebookLMによる正確なインプット:
    試験ガイド掲載の公式ドキュメント群のリンクを集約し、NotebookLMに読み込ませてクイズ機能で重要事項を抽出しました。NotebookLMの最大のメリットは、「与えたソースの情報だけをインプットにする」ため、ハルシネーション(もっともらしい嘘)のリスクを大幅に抑えられる点にあります。正確性が求められる試験対策において、非常に強力な武器になりました。
  • Antigravityによる網羅性の補完:
    NotebookLMだけではバリエーションに限界があったため、GoogleのAntigravityを利用。公式ドキュメントの範囲をベースにWeb検索と連携させ、大量の模擬問題を生成・解答し続けました。

image.png


実際の試験との乖離

Datadog関連の問題に関しては割と本番に近い気がしました。いくつか同じ問題も見たような気がします。

一方でIT基礎知識を問われる問題では、AIで作成された問題の方が低レイヤーだと言う印象を受けました。(AIの問題は具体的なLinuxのコマンドレベル、実際の試験はより高レイヤーの概念的)


まとめ

AIを壁打ち相手として使い倒すことで、効率的に合格を掴むことができました。今後、手に入る模擬試験や学習教材が少ない試験についてはAIを利用した学習が有効だと感じました。


余談

フラグ回収をするつもりはありませんが、Datadogを直近案件で利用する予定は無くってしまいました。英語の勉強にはなったので良かったと思います、、、。

1
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?