DataX

DataX (V1) 認定資格試験の出題範囲概要

数学と統計学(17%)

• 統計的手法: t検定、カイ二乗検定、分散分析(ANOVA)、仮説検定、回帰指標、ジニ指数、エントロピー、p値、受信者動作特性/曲線下面積(ROC/AUC)、赤池情報基準/ベイズ情報基準(AIC/BIC)、混同行列の適用。
• 確率とモデリング: 分布、歪度、尖度、不均一方差性、確率密度関数(PDF)、確率質量関数(PMF)、累積分布関数(CDF)、欠損、オーバーサンプリング、および層別化の説明。
• 線形代数と微積分: 順位、固有値、行列演算、距離メトリック、偏導関数、連鎖則、および対数の理解。
• 時間モデル: 時系列の比較、生存分析、および因果推論。
  
  

モデリング、分析、成果 (24%)

• EDA手法: 単変量解析および多変量解析、チャート、グラフ、特徴識別などの探索的データ分析(EDA)手法を使用します。
• データの問題: スパース データ、非線形性、季節性、粒度、および外れ値の分析。
• データエンリッチメント: 特徴エンジニアリング、スケーリング、ジオコーディング、およびデータ変換を適用します。
• モデルの反復: 設計、評価、選択、および検証を実施します。
• 結果の伝達: 視覚化の作成、データの選択、欺瞞的なグラフの回避、アクセシビリティの確保。

機械学習 (24%)

• 基本概念: 損失関数の適用、バイアスと分散のトレードオフ、正則化、相互検証、アンサンブル モデル、ハイパーパラメーターの調整、およびデータ リーク。
• 教師あり学習: 線形回帰、ロジスティック回帰、k最近傍(KNN)、ナイーブベイズ、およびアソシエーションルールの適用。
• ツリーベースの学習: デシジョン ツリー、ランダム フォレスト、ブースティング、およびブートストラップ集計 (バギング) を適用します。
• ディープラーニング: 人工ニューラルネットワーク(ANN)、ドロップアウト、バッチ正規化、バックプロパゲーション、ディープラーニングフレームワークについて説明します。
• 教師なし学習: クラスタリング、次元削減、および特異値分解(SVD)の説明。

オペレーションとプロセス (22%)

• ビジネス機能: コンプライアンス、主要業績評価指標 (KPI)、要件収集について説明します。
• データ型: 生成されたデータ、合成されたデータ、および公開データについて説明します。
• データ インジェスト: パイプライン、ストリーミング、バッチ処理、データ系列について理解します。
• データラングリング: クリーニング、マージ、代入、およびグラウンドトゥルースラベリングを実装します。
• データ サイエンスのライフ サイクル: ワークフロー モデル、バージョン管理、クリーン コード、単体テストの適用。
• DevOps と MLOps: 継続的インテグレーション/継続的デプロイ (CI/CD)、モデル デプロイ、コンテナー オーケストレーション、パフォーマンス監視について説明します。
• デプロイ環境: コンテナ化、クラウド、ハイブリッド、エッジ、オンプレミスのデプロイを比較します。

データサイエンスの専門的応用( 13%)

• 最適化: 制約付き最適化と制約なし最適化の比較。
• NLPの概念: トークン化、埋め込み、用語頻度逆ドキュメント頻度(TF-IDF)、トピックモデリング、NLPアプリケーションなどの自然言語処理(NLP)技術について説明します。
• コンピュータビジョン: 光学式文字認識(OCR)、物体検出、追跡、およびデータ拡張について説明します。
• その他のアプリケーション: グラフ分析、強化学習、不正検出、異常検出、信号処理などの説明。