私は2021年に、Python 3 エンジニア認定データ分析試験に約1ヶ月の勉強で合格しました。
この記事では、当時の合格体験をもとに、使用した教材や勉強法を紹介します。
なお、Python 3 エンジニア認定データ分析試験は2026年1月5日に改定され、主教材が『Pythonによるあたらしいデータ分析の教科書 第3版』に変更されています。
出題範囲やレベル感に大きな変更はないとされていますが、Pythonや各種ライブラリのバージョンが新しくなっているため、これから受験する方は必ず最新版の教材を使ってください。
Python 3 エンジニア認定データ分析試験の概要
Python 3 エンジニア認定データ分析試験は、Pythonを使ったデータ分析の基礎知識を問う試験です。
試験はCBT方式で実施され、問題数は40問、試験時間は60分、合格基準は7割です。
出題範囲は、主教材である『Pythonによるあたらしいデータ分析の教科書 第3版』に沿っており、NumPy、pandas、Matplotlib、scikit-learnなどの基本的な使い方が問われます。
受験時のスペック
- エンジニア歴3ヶ月
- Python3エンジニア認定基礎試験合格済み
（参考記事：Python 3 エンジニア認定基礎試験に合格するための勉強法） - 業務でPythonやデータ分析は一切使用しない
- Pythonデータ分析系ライブラリの使用経験なし
- 数学、統計の知識なし
受験理由
- データ分析や機械学習に漠然と興味があった
- Python3エンジニア認定基礎試験の知識が活かせると思った
- 資格を取得すると会社から報奨金がもらえる など
現在は生成AIやデータ活用への関心が高まっているため、Pythonでデータを扱う基礎を学ぶ意味は以前より大きくなっていると感じます。
ただし、この試験に合格しただけでデータ分析の実務ができるようになるわけではありません。あくまで、NumPy、pandas、Matplotlib、scikit-learnなどの基本を学ぶ入口として考えるのがよいと思います。
使用教材と勉強法
実際に使用した教材と勉強法について紹介します。
事前に公式サイトで出題範囲と問題数を把握しておくと効率よく対策できます。
※Pythonの文法知識が全くない場合は、Pythonの基本が学べる書籍を読むか、Python 3 エンジニア認定基礎試験の受験をおすすめします。
Udemy「米国データサイエンティストがやさしく教えるデータサイエンスのためのPython講座」
この講座は、試験対策専用というより、Pythonでデータ分析を行う雰囲気をつかむための補助教材として使いました。
NumPy、pandas、Matplotlibなどをいきなり本だけで学ぶのが不安な方は、先に動画で全体像をつかんでおくと、公式テキストを読みやすくなります。
ただし、試験の出題範囲は主教材ベースなので、最終的には公式テキストと模擬試験を中心に対策するのがおすすめです。
Pythonによるあたらしいデータ分析の教科書
ポチップ
各ライブラリの使い方をざっと理解したところで、公式テキストである本書を読みました。
「教科書」となっていますが説明はとてもあっさりしているので、初心者がいきなりこの本から学ぶのはあまりおすすめしません。
細かい数式やプログラムはあまり気にせずに、全体像を掴むことを意識して読み進めましょう。
事前にUdemyの講座などで基礎を学んでいれば、そこまで時間をかけずに読み切れるはずです。
DIVE INTO EXAM（模擬試験）
無料で模擬試験が解けるサイトです。
私は時間がなくて2回しか解けず5～7割ほどの得点でしたが、合格点が取れるまで繰り返し解くことをおすすめします。
PRIME STUDY（模擬試験）
こちらでも模擬試験を無料で解くことができます。
公式ページでも認定模擬問題として紹介されているため、試験前の実力確認に使いやすいです。
解説が非常に充実しており、これをマスターするだけでもかなり合格に近づくことができるはずです。
安定して8割以上が取れるまで繰り返し解きましょう。
試験結果と感想
本試験は思っていたよりも解きやすい問題が多く、約30分で解き終わって退出しました。
こちらが試験当日にもらった試験結果レポートです。
いくつか悩んだ問題もあったものの、結果的に高得点を取ることができました。
直前まで教科書と模試を繰り返したのがよかったと思います。
おわりに
Pythonのデータ分析系ライブラリの基本的な使い方を一通り学べるので、Pythonでデータ分析や機械学習を学び始めたい方には、良い入口になる試験だと思います。
一方で、この試験だけで実務レベルのデータ分析スキルが身につくわけではありません。
合格後は、実際にpandasでデータを加工したり、Matplotlibでグラフを作成したり、scikit-learnで簡単な機械学習モデルを動かしたりして、手を動かしながら学んでいくのがおすすめです。