2
5

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

文系SEがPythonエンジニア認定データ分析試験を短期間で合格した話

Posted at

Python3認定データ分析試験の体験記です。

23年9月末にPython3認定データ分析試験を受験し合格しました。
昨今、Python認定試験の受験予定者が多くなってきたと感じました。

当時短期間で合格することが出来たため、その際のノウハウを残し、これから受験する皆様の参考になればと思います。

image.png

私の当時のスペック

当時、私は文系学部の大学を卒業した後、公務員を経て転職し、IT企業(SES)で5年目でした。
IT業務の経歴は、インフラ系に身を置いた後、アプリ開発のプロジェクトを担当していました。

アプリ開発を担当していましたが、プログラミングをがっつり行っていた訳ではなく、サーバ周りの業務を担当していました。

私は2020年度にPython認定基礎試験を受験し合格しました。
基礎的なPythonの書き方を把握していましたが、データ分析経験はありません。
とりわけPythonに触れていなかったため、データ分析試験受験までにPythonに触れるブランクは約3年ほど時間が空いています。

勉強時間

私が受験するまで要した期間は2週間(≒10日間程度)です。
当時、仕事が忙しくなってきたこともあり、最短で取得しようと思いました。
基本的に、通勤・退勤中の移動時間と帰宅後に1~2時間勉強しました。

Pythonに慣れている方であれば1週間程で受験も可能かなと思います。

試験会場

当時私は平日在宅勤務後に、受験を考えていました。
家から遠すぎず遅い時間に受験できる会場として秋葉原の会場で受験しました。
残念ながら、今はもう秋葉原会場は無くなってしまったようです。
(会場検索にヒットしません😂
下記リンクから、自分の都合のいい会場を見つけていただければと思います。

注意
会場によって、実施している日時や曜日も異なります。

Python認定データ分析試験_試験会場

勉強方法

勉強方法は公式参考書を目を通し、Python認定データ分析試験模試の実施です。
公式サイトに出題範囲が明示されています。(※1)

(※1)Python認定データ分析試験_公式サイト

(1)公式テキストを使った勉強
公式テキストは不明な箇所及び、苦手な箇所の確認用として使用しました。
よって、私は公式テキストを1周していません。

理由は、後述する模試サイトのDPro Examで十分だったからです。
詳細は(2)Python認定データ分析試験模試を使って勉強で説明します。

紙媒体とデジタル媒体それぞれ販売されています。デジタル版の方が若干安いです。
私はデジタル版を購入してました。おすすめはデジタル版です。

理由は2点あります。

1点目は、持ち運んで読むのが大変であることと、単元の確認用で問題ないためデジタル版で購入してスマホ等で確認できた方が都合が良いと思いました。

2点目は、実際にコード練習の際にテキストのコードをコピペして時短出来るという点です。
テキスト、模試で間違えた問題は実際に自分でコードを動かしてみて実行結果を確認したりしていました。

その際にPython実行環境を用意するのがめんどくさいのでGoogle Colaboratoryを使いました。(※3)(※4)
Google ColaboratoryはGoogleのアカウントを持っていれば誰でも無料で使用できるGoogleのサービスです。
Pythonのコードを書く練習には一番楽かなと考えています。

(※3)Google Colaboratory - リンク
(※4)Google Colaboratory - 参考Youtube

公式テキスト : Pythonによるあたらしいデータ分析の教科書 第2版

注意
上記で公式テキストの第2版のリンクを張りましたが、実は私が勉強中に新しい版が発売されました。よって私が受験した時に参考にしたのは第1版になります。
改めてテキストを買いなおすのが億劫だったため、そのまま第1版使いましたが特に試験に問題はありませんでした。

公式テキスト : Pythonによるあたらしいデータ分析の教科書 第1版

(2)Python認定データ分析試験模試を使って勉強
データ分析試験模試では、以下の2つの模試を実施しました。

<1>DPro Exam
Dpro Exam-無料(有料模試)

こちらの模試は無料で受験することが可能です。
ただし無料版では本番想定の40問模試しか出来ません。
模試結果の保存ができないため見返すことはできない且つ、
Dproテキストや単元別小テストも出来ません。

私は1月分課金(980円/月)して、Dproテキストを確認しながら模試を受けて問題やミスした箇所を振り返って覚えていました。このDproテキストが図も分かりやすく理解に役立ちました。

有料版だと、単元ごとに小テストがあるため単元ごとの理解度チェックができます。
よって、知識の把握が乏しい、苦手な単元を把握するのが楽です。
最終的に本番を想定した40問の模試で9割取れるようになるまで覚えました。

Dpro Examの有料版は公式テキストの内容を単元ごとに分けて分かりやすく解説してくれてます。
【Dpro Exam:対策テキスト】

image.png

1週間無料で有料版を使用できるため、課金しても問題ない方、早く試験合格したい方には推奨です!

<2>PRIME STUDY
PRIME STUDY:データ分析試験模試

こちらの模試も無料で実施することが可能です。
こちらの模試も単元ごとに問題が分けられており、解説にYoutubeも付いています。
文字上のテキストでも理解が難しい問題・単元には動画で解説を見るのも理解の近道だと感じました。
各単元毎の模試で出てくる、メソッドやモジュールの使用方法など覚えました。

【PRIME STUDYサイト画面】
image.png
image.png

本番試験を受けて

難易度は思ったより高くはないなと感じました。
見直し含めて30分程度で終了しました。

記憶している範囲で記載しようと思います。

基礎的なコードの書き方について問われる問題はPython認定基礎試験の内容に近い形だった認識でいます。
認定基礎試験を合格している方であればこの辺は問題ないと思います。
ラッキー問題ですね!

数学の問題はPRIME STUDY問13に近い問題でした。
解説の表が大事です!値の大・小を意識して覚えておくことを推奨です!

image.png
image.png

注意
本番の試験では、メモ用ホワイトボードは貰えません。
計算式や簡単に数値変換は暗算できるようにしておくこと推奨です!

Numpy,PandasやMatplotlibなど実際に表や図が出来た時に問題の要件に沿って適切な出力結果を判断できるようになっていることを推奨します。

多次元構造から適切な出力結果を撮れる判断、メソッドによって取得できるデータフレーム結果、メソッドによって表示できるグラフなどを理解しておくことを推奨します。

scikit-learnに関してはAI寄りの問題です。私はG検定を合格していたため、この単元は苦労しませんでしたが、知識のない方に対してのアドバイスとしては、各手法の特徴を把握して、グラフや図がどのように作られるかなど、特徴を把握しておくこと推奨です。

これらは、上記で記載したDPro Exam,PRIME STUDYを使った学習で補完できます。
正直DPro Examの問題がほぼまんま出たような印象もありました。

参考
Python認定データ分析試験の模試にExam Appがあります。
無料で使用可能です。
こちらの模試は[初級>>中級>>上級]と3段階に分けられています。
私は使用していませんが、会社の新卒後輩君がこちらの模試をやって合格していました。
後輩君曰く、実際の試験は中級相当だったと言ってました。
時間のある方、心配性の方はやっておいてもいいかもです!

Python認定データ分析試験模試(無料) - サイトリンク

総括

以下まとめです。

<勉強時間>
・目安として長くても1ヵ月あれば十分だと思います。

<勉強方法>
・DPro Examの模試を9割以上取れるようになるまで覚えこむ
・課金可能であればDPro Examの小テストを満点にし内容を理解し抑える
・不安な箇所は公式参考書で目を通しておく
・メソッドや引数によって取得結果がどのように変わるか理解する。
・頻出の高い値や計算式は暗算できるようにしておく。

<本番試験>
・見直しはしっかり実施しましょう。
・迷ったらチェックして次に行きましょう。戻ったら頭がスッキリしてたりします。
・体感Python認定基礎試験のような難易度です。肩の力を抜きましょう。

文系よわよわSEの私でも短期間且つブランクアリで合格出来ました。
自信をもってチャレンジしましょう!

蛇足

Python認定基礎試験およびPython認定実践試験の記事も書いています。
ご興味ありましたら、試験の参考に読んでみてください!

文系SEがPythonエンジニア認定基礎試験受けてきた

文系SEがPythonエンジニア認定実践試験受けてきた

2
5
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
2
5

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?