## G検定はカンペが認められている？

カンニング（不正）は禁止でもカンペ（チートシート）の利用は黙認という不思議な試験があります。それがG検定（ディープラーニング検定）です。G検定とは、日本ディープラーニング協会（通称JDLA）が主催する、2017年から開始されたAIに関わる検定試験のことです。

JDLAは公式にカンペを認めたり、推奨したりしているわけではありませんが、G検定に関するさまざまな情報などから、その利用を許容していると推察されます。

この記事ではカンニング（不正）行為を推奨するものではありませんが、**G検定の効果的な学習法の1つとして、カンペ作成が有効との立場から解説**をしていきます。

**G検定は「ディープラーニング」（AIに欠かせない深層学習）に関する基礎知識**、「ディープラーニング」の活用に関する適切な方針の決定が行え、事業に活用するための能力や知識を有しているかについて問う検定試験です。

ディープラーニング検定はG検定とE検定の2種類があり、G検定は事業などへの活用を行うジェネラリスト向け、E検定はディープラーニングの実装を行うエンジニア向けと分かれています。

試験はオンラインで自宅から受験する方式で、120分の試験時間に対して約220問が出題されます。合格率は60%程度と難易度は高い訳ではありませんが、受験対策を怠ると合格できません。

**2025年の試験日程**は、1月、3月、5月、7月、9月、11月、と6回予定されており、直近では2025年1月11日(土) 13:00～15:00となっています。

【個人】2024年11月15日(金)13:00～2024年12月27日(金)23:59

【団体】2024年11月15日(金)13:00～2024年12月20日(金)23:59

【個人】2025年1月17日(金)13:00～2025年2月27日(木)23:59

【団体】2025年1月17日(金)13:00～2025年2月20日(木)23:59

それ以降は*[こちら](https://www.jdla.org/news/20240911/)*をご参照ください。

*【参考】：[G検定公式サイト G検定とは](https://www.jdla.org/certificate/general/#general_No01)*

G検定は新しい検定であり、まだまだ知名度は高くありません。しかし、AIは今後ますます重要視され、AIエンジニアに対する期待はさらに高まるでしょう。**今後AI開発に関わるエンジニアにとって、AIに関する基礎知識は必須**となります。

G検定取得のメリットは以下の通りです。

*1.AIに関する基礎知識を有することで、AI開発に関われる可能性が広がる*

*2.エンジニア向けE検定資格取得のための足掛かりとなる*

*3.デジタル合格証「オープンバッジ」が発行され、「AIジェネラリスト」のスキル証明となる*

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

## G検定でカンペが許容される理由

JDLAはカンペの類を公式には認めてはいませんし、試験時のGoogle検索による回答も推奨はしていません。

G検定の受験時に確約させられる*※受験規約*には、「なりすまし、カンニング、試験中に援助を受けたりするなど不正行為があったと判断される場合、もしくはそのような行為が疑われる場合は結果を取り消される可能性があります」と明記されており、*G検定におけるカンニングを禁止*しています。

※受験規約は下記「JDLA受験申込専用サイト 操作マニュアル」の13頁を参照ください。

とはいえ、自宅からのオンライン受験という試験方式であり、カメラによる監視などもないことから、実質的にカンペの利用を禁ずるのは不可能です。試験問題のハッキングなどによる不正入手でもない限りは、黙認せざるを得ないというのが実際のところでしょう。

「カンペなし」で合格するに越したことはないのですが、試験の出題範囲は広く、しかも短時間の間に膨大な量の問題をこなさなくてはなりません。

試験は120分間に220問程度出題されるため、1問を30秒程度で回答しなければならず、その都度Google検索を行っていたのでは回答は間に合いません。仮にカンペを用意しても、カンペを作成するために費やすエネルギーは大きく、実質的には勉強をしているのと変わらないでしょう。

JDLAは、カンペを禁止することにエネルギーを割くよりも、カンペ作成も含めて試験対策をしっかり行った者を評価するという合理的な判断をしていると推察されます。

実際のところ、JDLAが公表している出題範囲、KWについて調べて回答案を考え、カンペを作成する労力は半端ではありません。**カンペ作成そのものが勉強になり、カンペを作成することで知らず知らずの内にAIに関する基礎知識が身についていく**でしょう。

*【参考】：[JDLA G検定受験サイト受験当日の操作マニュアル](http://docs.jdla-exam.org/OperationManual_Examinees_JP.pdf#page=40)*

## 有効なカンペ作成のポイント

先に述べた通り、*「カンペ作成=有効な勉強法」*と考えて良いでしょう。SNSなどを見てみると、G検定受験生が自ら作成したカンペを公開しているケースがありますが、それらをダウンロードして試験に臨めば試験に合格できると考える人がいますが、そんな生易しい試験ではありません。

JDLAが公表している『出題例』を見れば分かりますが、「カンペのみ」の機械的な転記で回答できるような出題はほぼないため、**他者が作ったカンペはほとんど役に立たない**ということが分かると思います。

他者の作成したカンペを参考にするのは構いませんが、そのまま利用するのはやめておきましょう。そこで、これから有効な独自のカンペ作成方法について見ていきましょう。

*【参考】：[G検定例題](https://www.jdla.org/certificate/general/issues/)*

### どのようなカンペが利用しやすいか？

カンペの作成にノートを利用される方もいるかと思いますが、手書きノートの作成には手間が掛かるのと、試験の際に検索するのが難しいという弱点があります。**カンペ作成の手間を減らし、試験本番でも検索しやすいカンペ**を目指すという視点で考えると、以下の3点がおすすめです。

Excelの良さは、簡単に作成できる点と、並び替えや検索も素早くできる点です。出題範囲はJDLAの公式サイトにPDFで掲載されているので、これをダウンロードして出題キーワードについて調べた結果（回答）を入力していけば良いでしょう。

辞書作成ツールを利用すると、出題キーワードから簡単に用語集が作れる点が便利です。辞書作成のフリーソフト、シェアウェアなどを見つけて自分専用のカンペを作成できます。

プログラミングスキルのある方は、G検定向けの辞書サイトを自身で作ってみるという方法もあります。作成した用語集は移動中やスキマ時間にスマホやタブレットで確認できるようにしておけば、学習はさらに効率的になります。

以上3つ（Excel・用語集作成・辞書サイト作成）をご紹介しました。こうして作成したカンペは逐次アップデートができるため、G検定合格後も座右のツールとして活躍することでしょう。

【参考】: [G検定の試験出題範囲（シラバス）2021](https://www.jdla.org/download/g-syllabus_2021/#)

### カンペ作成に用いる教材は何を使えばいい？

先ほどご紹介した**「G検定の試験出題範囲（シラバス）」を網羅するものとして、どんな教材があるのか**という視点から探してみました。これらの教材をうまく活用して独自のカンペを作成していけば、合格に大きく近づけるでしょう。

*1.[深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト](https://www.shoeisha.co.jp/book/detail/9784798157559)*

G検定の公式テキストであり、試験の出題範囲に対する網羅性が高いテキストと言えます。フルカラーでビジュアル性に優れ、また重要語句は太字になっているなど、読みやすく分かりやすいのが特徴です。章末には練習問題も付いており、直ぐに理解度が分かる点もおすすめポイントの1つです。

▪監修：一般社団法人日本ディープラーニング協会
▪著者：浅川 伸一、江間 有沙、工藤 郁子、巣籠 悠輔、瀬谷 啓介、松井 孝之、松尾 豊
▪発行日：2018年10月22日
▪価格：3,080円（税込）
▪出版社：翔泳社
▪仕様：A5・344ページ

*2.[これ1冊で最短合格 ディープラーニングG検定ジェネラリスト 要点整理テキスト&問題集](https://www.shuwasystem.co.jp/book/9784798057309.html)*

数式を極力使わず、分かりやすさと図解による説明が特徴です。G検定向けの参考書ですが、ディープラーニングの全体像を理解したい学生や一般の方にも適しています。*先に紹介した深層学習教科書ディープラーニングG検定公式テキスト』で基礎を学び、その補強と応用編して使う*と良いでしょう。

▪監修：浅川 伸一
▪技術校閲：遠藤 太一郎
▪著者： 山下 長義、伊達 貴徳、山本 良太、横山 慶一、松本 敬裕、杉原 洋輔
▪発行日：2020年3月/25日
▪価格：2,750円（税込）
▪出版社： 秀和システム
▪仕様：A5・270ページ

*3.[ディープラーニング活用の教科書](https://www.nikkeibp.co.jp/atclpubmkt/book/18/270260/)*

日本ディープラーニング協会監修のテキストです。国内35社の事例からディープラーニングについて解説しており、ディープラーニングに対する理解を深めるのに役立ちます。G検定対策としては直接役に立たないかもしれませんが、入門書として読むと良いでしょう。

▪監修：日本ディープラーニング協会
▪編集：日経クロストレンド
▪発行日：2018年10月29日
▪価格：1,980円（税込）
▪出版社：日経BP
▪仕様：A5・292ページ

*4.[AI白書2020](https://www.ipa.go.jp/ikc/our_activities/rs_01.html)*

情報技術者試験で知られるIPA（独立行政法人情報処理推進機構）主管の白書です。DX推進の観点から国内外のAIの動向についてまとめられています。AIに関心が強い方には非常に興味をそそられる内容となっています。*AIの実装やDX推進に関わる方には必読の書*です。

また、本書からG検定に出題されることもあるため、カンペ作成の際には参考にすると良いでしょう。

▪発行：株式会社角川アスキー総合研究所
▪発行日：2020年3月2日
▪価格：4,180円（税込）
▪発売：株式会社KADOKAWA
▪仕様：A4・536ページ

G検定資格を取得した方は、より実践的なE検定の資格取得を目指すと良いでしょう。その後、それらの**スキルを活かせる職種として、以下の2つをおすすめ**します。

機械学習エンジニアは、その名の通り機械学習に携わるエンジニアです。現在、AIの予測モデルに関する需要が高まっており、今後ますます必要とされる職種になるでしょう。機械学習エンジニアを目指すには、Pythonなどのプログラミング言語スキルに加え、統計学などの知識も求められます。

機械学習エンジニアとは？将来性・年収・資格について解説！

機械学習エンジニアとは？仕事の内容や将来性について解説！

データサイエンティストは機械学習エンジニアとよく似たAIエンジニア職種ですが、データの分析に特化した業務が中心で、AI開発は行いません。統計学の素養、問題解決能力が求められます。

データサイエンティストのスキル要件とは？人材育成に政府が動く

データサイエンティストとは？おすすめの資格から年収まで解説

## AIエンジニアを目指してG検定に臨もう

ここまでG検定試験の概要や、合格するための方法として効果的なカンペ作成などについて解説してきました。**G検定に合格するのは目的ではなく、AIエンジニアとして活躍するための足掛かり**です。自身の将来目標やビジョンをしっかり見定め、G検定合格を目指してください。

G検定はAIに関する民間の検定試験ですが、カンニング（不正）は禁止しつつ、カンペは黙認という一見風変わりな検定です。この記事では、なぜG検定はカンペがOKなのか、どんなカンペを作れば合格できるのかについて探っていきます。G検定の合格を目指すエンジニア必見です。

G検定はカンペ作成は黙認されるが、カンニング行為は禁止されている

G検定は他人が作成したカンペを利用して合格できるような問題は出題されない

AIに関わるエンジニアはAIの基礎知識が学べるG検定合格を足掛かりにするとよい

G検定合格の鍵はカンペ？バレたりカンニングにはならない？

[【関連記事】【Pythonのライブラリ管理ツール】pipインストールを徹底解説！Windowsでも簡単？](https://and-engineer.com/articles/YcJyaRAAACMAl3BX)

[【関連記事】PythonのコードをEXE化するには? PyInstallerやその他ツールの特徴や使い方](https://and-engineer.com/articles/ZDZ41BEAAH-qRRlT)

[【関連記事】Pythonで自動化できること7選！面倒な作業を効率化してより便利に](https://and-engineer.com/articles/YRn2KRAAACIA6YPW)<br>

## Python3エンジニア認定データ分析試験とは

**Python3エンジニア認定データ分析試験とは、一般社団法人のPythonエンジニア育成推進協会が運営しているPython資格試験の1つです。**他に、初心者向けの「Python3エンジニア認定基礎試験」などがあります。この2つには、以下のような違いが見られます。

*■「Python3エンジニア認定基礎試験」*
Pythonに関する基本的な文法、データ構造、クラス、標準ライブラリなどに関する知識を問う試験

*■「Python3エンジニア認定データ分析試験」*
Pythonの基礎知識に加えて、数学の基礎知識、ライブラリを利用した分析など、Pythonを用いたデータ分析に関する知識を問う試験

「Python3エンジニア認定データ分析試験」は「Python3エンジニア認定基礎試験」よりも難易度は上がります。Pythonエンジニアを目指す方でどちらを受けるか迷った場合は、後ほど紹介する模擬テストサイトで自身の実力を判定してから決めても良いでしょう。

この記事では、「Python3エンジニア認定データ分析試験」の試験概要や勉強法などについて解説していきます。

【参考】：[Pythonエンジニア育成推進協会公式サイト](https://www.pythonic-exam.com/)

### Pythonエンジニア認定試験の種類

Pythonの資格認定試験としては、Pythonエンジニア育成推進協会運営の「Python3 エンジニア認定基礎試験」（以下、基礎試験）と「Python3 エンジニア認定データ分析試験」（以下、データ分析試験）、そして2022年11月29日より実施された「Python3 エンジニア認定実践試験」（以下、実践試験）の3種類があります。

実践試験は、毎年受験者数が増加するPython試験において、Python初学者の学習指針となる試験であり、プログラマーのスキル向上を図ったより実践的なPython文法を問う内容です。

【参考】：[Python 3 エンジニア認定実践試験 | 一般社団法人Pythonエンジニア育成推進協会](https://www.pythonic-exam.com/exam/jissen)

Python3エンジニア認定基礎試験とは？勉強方法や難易度を紹介

Python3エンジニア認定実践試験とは？概要やメリットを解説

「データ分析試験」の概要について、「基礎試験」「実践試験」と比較しながら見ていきましょう。

*項目：　　　　　【基礎試験】          　　　【データ分析試験】         　   【実践試験】*
▪実施日： 　　　 　 通年　　　　　　　　　　    通年                                 通年  
▪申し込み：　　     各会場　　　　　　　　　  各会場                               各会場
▪受験方式： 全国CBTテストセンター　 全国CBTテストセンター    　全国CBTテストセンター
▪問題数：　　　 　 40問        　　　　　　　   40問                                 40問
▪出題形式：　　 　選択式      　　　　　　　   選択式                                選択式
▪試験方式：　  　   CBT 　　　　　　     　       CBT                                 CBT
▪試験時間：　 　 　60分         　　　　　 　      60分                               75分
▪合格基準：　　 正答率70％　 　　　　　    正答率70％                          正答率70％
▪受験料（一般）：11,000円（税込）       11,000円（税込）                     13,200円（税込）
           （学生）：5,500円（税込）          5,500円（税込）                     6,600円（税込）
▪試験内容：         文法基礎　     　　　　 データ分析の基礎や方法         実践的な文法を問う
▪主教材：
【基礎試験】 [「Pythonチュートリアル第4版」（オライリー・ジャパン）](https://www.oreilly.co.jp/books/9784873119359/)
【データ分析試験】[「Pythonによるあたらしいデータ分析の教科書」（翔泳社）](https://www.shoeisha.co.jp/book/detail/9784798178776)
【実践試験】[「Python実践レシピ」（技術評論社）](https://gihyo.jp/book/2022/978-4-297-12576-9)

**「データ分析試験」と「基礎試験」との違いは、試験の主題範囲や内容、認定テキストの違いだけです。**先に「基礎試験」を受験した人であれば、「データ分析試験」の受験で戸惑うことはないでしょう。

【参考】：[Python試験（Python資格）](https://www.pythonic-exam.com/exam)

<center>[エンジニア転職を成功させるため<br/>ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)</center>

「基礎試験」では、主にPython3に関する基礎知識、文法知識を問う問題が中心でしたが、データ分析試験ではどんな知識を問う問題が出題されるのでしょうか？具体的に見ていきましょう。

データ分析試験の主教材（参考書）は以下の通りです。必須書籍ですので、受験の際には必ず揃えましょう。

*■「Pythonによるあたらしいデータ分析の教科書 第2版」*
▪著者：寺田 学、辻 真吾、鈴木 たかのり、福島 真太朗
▪ページ数：336ページ
▪出版社：翔泳社
▪発売日：2022/10/24
【参考】：[Pythonによるあたらしいデータ分析の教科書 第2版](https://www.shoeisha.co.jp/book/detail/9784798176611)

データ試験の出題範囲は主教材に準拠しており、出題範囲と出題割合はPythonエンジニア育成推進協会のWebサイトでも公表されています。

【参考】：[データ分析試験 | Pythonエンジニア育成推進協会公式](https://www.pythonic-exam.com/exam/analyist)

### データ分析試験に出るライブラリ

主教材で解説されているPythonライブラリは「NumPy」「Pandas」「Matplotlib」「scikit-learn」です。多少ともPythonを学んだエンジニアなら、誰もが知る有名なライブラリです。

*データ分析試験の問題数は40問の内、27問がテキスト第4章の「ライブラリによる分析実践」から出題されていますので、ライブラリ関係の問題が合否の鍵を握っていると言っても過言ではありません。*

<center>[あなたに合った企業選びをサポート致します。<br/>エンジニア転職のご相談はぜひ<br/>*『マイナビIT エージェント』*へ！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)</center>

## データ分析試験の難易度と合格率

データ分析試験にチャレンジしてみたいが、難易度や合格率が気になる方は少なくないでしょう。ここでは、データ分析試験の難易度や合格率について解説していきます。

データ分析試験の難易度に関しては公表されたものがないため、推測の域を出ませんが、そもそもPython自体が習得の難易度が他のプログラミング言語に比べて低いという特徴があります。そのため、「基礎試験」の場合はPythonの基礎を習得し、多少なりともライブラリの利用経験がある方であれば、さほど難易度は高くはないと考えられます。

**「データ分析試験」は基礎試験よりも応用編として難易度は少し上がると見られますが、それでも難易度が高い試験とは言いづらい位置付けだと言えるでしょう。**基礎試験に合格している方なら十分に合格を目指せますが、初学者の場合は難易度が高く感じるかもしれません。

同試験の合格体験記がPythonエンジニア育成推進協会公式サイトに多数掲載されていますので、ぜひ目を通してみてください。

【参考】：[合格体験記（Pythonエンジニア育成推進協会公式）](https://www.pythonic-exam.com/archives/category/success-story)

データ分析試験の合格率も公表されていませんが、「Python3エンジニア認定基礎試験」の合格率は過去に公表されたものがあり、約80%でした。*データ分析試験は基礎試験よりは難易度は上がると見られますが、合格率はそれに準ずるレベルと考えていいでしょう。*それは、出題範囲が限られ、模擬試験など受験環境が整っていることにも起因しています。

【参考】：[マイナビエージェント：Pythonの資格試験について徹底解説！難易度や受験の流れについて](https://mynavi-agent.jp/knowledge/it/765.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv02)

## データ分析試験のメリットとおすすめしたい人

実際、データ分析試験を受験することでどのようなメリットがあるのでしょうか。ここでは具体的なメリットに加えて、受験をおすすめしたい人についても解説します。

### 転職の際のスキル証明になる

*データ分析に関するスキルを客観的に証明でき、転職やキャリアアップの際は大きなアピールポイントになります。*特にPythonはデータ分析で広く使われており、資格があることで即戦力としての市場価値が高まります。

また、データ分析の資格取得に向けた学習には時間と根気が必要です。資格を取得することで、自己成長のためには労力を惜しまない姿勢と、向上心の高さをアピールできるのもメリットです。

### データ分析の知識と実務能力が向上する

受験を通してデータ分析に関する知識を体系的に学び直し、スキルを深めることができます。特に、*実務で使用する関数やライブラリ、データ処理の効率的な手法を身につけることで、実務にも即役立つスキルを習得可能です。*

また、試験対策として実際の分析プロセスに沿った問題を解くことで、実務で必要とされるデータの取得・加工・分析・可視化の一連の流れを把握できます。さらに、Pythonを学ぶきっかけとしても有効です。

### 年収アップを目指すための一助となる

Pythonエンジニアが活躍する具体的な職種には、「AIエンジニア」「Webアプリケーションエンジニア」「データサイエンティスト」などがあります。ここでは、データサイエンティストに近いアナリストの年収例を参考に紹介します。

「マイナビエージェント職業別年収ランキング」での平均年収は824万円（※2024年11月執筆時点）、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」から近い職種のIT技術スペシャリスト（特定技術(DB・NW・セキュリティ等））を参考にすると、平均年収758万円と分かりました。

国税庁2020年発表の「民間給与実態統計調査」における民間企業平均年収は433万円なので、アナリストは一般平均年収よりも、やや高めであることが分かります。

ただし、データサイエンティストを含むPythonエンジニアの年収は、知識や経験によって大きく異なるため、**より高収入を目指すには データ分析試験など資格取得に向けた学習を通じて、実践的なスキルを高めることが重要です。**

【参考】：[マイナビエージェント職業別年収ランキング](https://mynavi-agent.jp/helpful/income2020/category/finance01/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)
※【平均年収 調査対象者】2019年12月～2020年5月末までの間にマイナビエージェントサービスにご登録頂いた方
【参考】：[IT関連産業における給与水準の実態① ~ 職種別（P7）](https://warp.da.ndl.go.jp/info:ndljp/pid/11623215/www.meti.go.jp/press/2017/08/20170821001/20170821001-1.pdf)
【参考】：[民間給与実態統計調査-国税庁](https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2020/pdf/002.pdf)

データ分析試験の受験は、次の条件に該当する方におすすめします。

*▪ 日常、Pythonプログラミングを行っている方、Pythonをある程度勉強している方* 
*▪ 「Python3エンジニア認定基礎試験」に合格した方* 

以上、いずれかの条件を満たしている方であれば、さほど苦もなくデータ分析試験には合格できるでしょう。上述したように、試験に合格することでスキル証明が可能となり、転職時には有利に働く可能性があるので、ぜひ取得しておきましょう。

<center>[*データサイエンティスト・アナリストの転職・求人情報を見る　＞*](https://mynavi-agent.jp/jobsearch/job3_0109001/result.php?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv18)</center>

## データ分析試験に合格するための勉強方法

データ分析試験はそれほど難易度が高い試験ではありませんが、準備を怠れば合格は難しくなります。これから解説する内容に関しては、しっかり勉強することをおすすめします。

データ分析試験に合格するための必要な勉強時間については、Pythonについてどの程度知識やスキルがあるかによって変わります。目安としては、*すでにPythonを扱ったことがある人の場合、1日1〜2時間程度の勉強時間を設ければ、1ヶ月程度で合格に達する実力が身につくと考えられます。*

Python初学者の場合は、もう少し期間を設ける必要があるでしょう。いずれにせよ、きちんとした勉強時間を確保できれば誰でも十分に合格を目指せる試験です。

最低限、データ分析試験の主教材である「Pythonによるあたらしいデータ分析の教科書 第2版」は通読し、理解できていない箇所はマーカーを引くなどして、反復しましょう。

特に、テキストに載っている「Numpy」「pandas」「Matplotlib」「scikit-learn」などの分析ライブラリ、数値計算ライブラリの勉強は、**頭だけで覚えようとせず、実際に手を動かして実行してみることをおすすめします。**

以下、出題されるライブラリに関して、それぞれの機能や特徴についてまとめてみました。参考にしてください。

*▪NumPy*
　ビッグデータ処理に適したライブラリです。多次元配列データの高速演算を得意としています。

*▪Pandas*
　表形式データの処理を行うライブラリです。csv、excel、SQLデータベースなどが対象です。

*▪Matplotlib*
　グラフ描写ライブラリで、ヒストグラムや円グラフ、折れ線グラフなど多様なグラフを容易に作成できます。

*▪scikit-learn*
　機械学習のための代表的なライブラリです。機械学習の実装に必要なあらゆるアルゴリズムが用意されています。

**「PRIME STUDY」の「Python 3 データ分析 模擬試験」（動画解説付き）はPythonエンジニア育成推進協会認定の参考教材で、何度でも無料で受験をすることが可能です。**

模擬試験はデータ分析試験の主教材「Pythonによるあたらしいデータ分析の教科書 第2版」に完全に即しており、主教材の通読し、この模擬試験・解説による反復学習で、合格に必要な実力を身に付けることが可能です。

また、データ分析試験は基礎試験と同様に過去問がありませんので、「PRIME STUDY」の模擬試験を繰り返し受験することをおすすめします。

【参考】：[PRIME STUDY「Python 3 エンジニア認定データ分析 模擬試験」](https://study.prime-strategy.co.jp/#exam-list)

## Pythonエンジニアとして一層活躍するために

ここまで、「Python3エンジニア認定データ分析試験」の概要や勉強法などを解説しました。AIやビッグデータを扱う企業の増加により、AI開発やビッグデータの分析や解析に関するシステム開発の需要が急速に高まっており、Pythonエンジニアの求人数が飛躍的に増えています。

**データ分析試験は、Pythonを用いたデータ分析のスキル証明となり、Pythonエンジニアとして一層の活躍を目指す上で1つのきっかけとなります。**自身のキャリアアップのためにも、Pythonエンジニアとして活躍を目指す方は、基礎試験に続いてデータ分析試験へチャレンジしましょう。

試験に合格した後は、資格を活かせる職場探しに努めてください。多くの求人の中から自分に合う企業が分からない場合は、転職のプロに託す手段もおすすめです。

そこでぜひご活用いただきたいのが[マイナビIT エージェント](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)です。 

マイナビIT エージェントは、IT・Webエンジニア向けの無料の転職⽀援サービスです。

IT・Webエンジニアの転職事情に詳しいキャリアアドバイザーが、あなたのご経験やスキルをお伺いし、転職活動のプランをご提案致します。

アドバイザーは企業側の人事担当者と直接連携を取れますので、求人票に載っていない企業情報も確認することができます。残業時間や給与面など、働き方などをしっかり確認の上で応募企業を選んでいくのが良いでしょう。

Python資格試験の1つ、「Python3エンジニア認定データ分析試験」は「Python3 エンジニア認定基礎試験」と何が違うのでしょうか？本記事では「Python3エンジニア認定データ分析試験」の概要や、取得するメリット、合格に向けた勉強法などについて詳しく解説します。

Python3エンジニア認定データ分析試験はビッグデータ解析などを行うPythonエンジニア向けの試験

Python3エンジニア認定データ分析試験はライブラリについて問う内容が大半

合格すればデータ分析のスキル証明となるため、Pythonエンジニアとして一層の活躍を目指したい人におすすめ

Python3エンジニア認定データ分析試験とは？勉強方法や難易度を解説

## VBAのIFステートメントとは？

Excel上でVBAマクロを作成する際、IFステートメントはプログラムの実行中に、条件に基づいて処理を分岐させるための重要な機能です。IFステートメントでは、ある条件が真（True）か偽（False）かによって、実行する処理を切り替えることができます。

*IFステートメントはExcelのマクロを作成する上で、非常に頻繁に利用される構文ですので、VBAを使うなら最初にマスターしておきましょう。*また、『And』や『Or』などの論理演算子を使って複雑な条件を作成する方法や、『ElseIf』による複数条件の分岐も学ぶと理解が深まります。

この記事では、VBAのIFステートメントを中心に、VBAで条件分岐を実現するIF文の基本構造と使い方、効果的に使うためのポイントを紹介していきます。

【参考】：[If...Then...Else ステートメントを使用する (VBA) | Microsoft Learn](https://learn.microsoft.com/ja-jp/office/vba/language/concepts/getting-started/using-ifthenelse-statements)

**VBA（Visual Basic for Applications）は、ExcelなどのMicrosoft Officeアプリケーションで使用できるプログラミング言語です。**VBAを使用することで、データ処理の自動化や複雑な操作を効率的に行えます。

VBAはVB（Visual Basic） と呼ばれるWindows環境に特化したプログラミング言語がベースになっており、そこから派生してMicrosoft Officeに搭載されたものです。

VBAとは？基本的な知識やできること、マクロとの違い、メリットを解説！

VB（Visual Basic）とVBA（Visual Basic for Applications）は、どちらもマイクロソフトが開発したプログラミング言語で、文法は非常に似ています。しかし、その目的や実行環境に大きな違いがあります。違いを中心に、それぞれの特徴を見てみましょう。

*■ VB（Visual Basic）*
VBは、WindowsアプリケーションやWebアプリケーションの開発など、スタンドアロンで動作するプログラムを作成できます。開発環境としては、Visual Studioのような専用の開発環境が必要となります。またVBは、GUIの作成、データベースアクセス、ネットワーク通信など、様々な機能を備えています。

【参考】：[Visual Basic  - はじめに| Microsoft](https://learn.microsoft.com/ja-jp/dotnet/visual-basic/)

*■ VBA（Visual Basic for Applications）*
VBAはExcel、Word、AccessなどのMicrosoft Office製品に組み込まれたプログラミング言語で、これらのアプリケーションを自動化するために使用されます。特別な開発環境を必要とせず、Officeアプリケーションの中で開発が行えます。

プログラミングは主にマクロの記録機能やVBE（Visual Basic Editor）を使って行います。また機能としては、Officeアプリケーションの機能を拡張する範囲が中心です。

【参考】：[Office VBA の基礎知識 | Microsoft Learn](https://learn.microsoft.com/ja-jp/office/vba/library-reference/concepts/getting-started-with-vba-in-office)

GUIとは？CUIとの違いやメリット・デメリットをエンジニア向けに解説！

## VBAのコーディングと実行手順

VBAでコードを作成する際の基本的な流れを確認しましょう。ここでは、ExcelにおけるVBAのコーディング例を交えて、VBAプログラム（マクロ）の実行までを解説します。

### 手順1：開発タブを表示する

Excelの「ファイル」メニューから「オプション」を開き、「リボンのユーザー設定」から「開発」タブにチェックを入れます。これで、**メニューにデフォルトで「開発タブ」が表示され、VBAに関する操作が行えるようになります。**

~~【図】：Excelファイルメニュー>オプション>リボンのユーザー設定>開発  ~~

### 手順2：VBE（Visual Basic Editor）を開く

VBAのコード入力、実行の環境が整ったら、**VBAに関わる操作が可能になります。**最初に①「開発」タブをクリックしたら、続いて表示された②「Visual Basic」をクリックして、③VBAコードを記述するためのVBE（Visual Basic Editor）を開きます。

~~【図】：Excel 開発タブ>「Visual Basic」> VBE（Visual Basic Editor） ~~

### 手順3：モジュールを挿入する

「挿入」メニューから「標準モジュール」を選択し、**コードを書くための新しいモジュールを追加します。**ボックスの右側にコードを入力するための新たなモジュールが表示されます。

~~【図】：VBA>挿入>新しいモジュール ~~

モジュール内に今回の主題である、**IFステートメントやマクロのコードを入力します。**

ここでは「A1セルの値が10より大きいか否かを比較し、入力された数字に合致したメッセージを表示する」マクロを入力します。

```
Sub If文の例()
If Range("A1").Value > 10 Then
        MsgBox "A1の値は10より大きいです"
    Else
        MsgBox "A1の値は10以下です"
    End If
End Sub```

~~【図】：VBAモジュールにコードを入力する ~~

VBAモジュールにコードを入力したら、メニューから『実行』を選び、**リストから実行したいSubプロシージャをクリックします。**

~~【図】：VBAモジュールを実行する ~~

### 手順6：コードの実行結果を確認する

Excelの画面上で、**VBAモジュールを実行した結果、次のメッセージボックスが表示されました。**A1セルには12を入力しましたので、「A1の値は10より大きいです」という正しい結果が表示されました。

~~【図】：VBAモジュールの実行結果を確認する ~~

VBAの利用手順について、実際にIFステートメントを用いながら解説しました。ここでVBAでは最もよく利用する、IFステートメントについて、もう少し詳しく掘り下げてみましょう。

### 条件によって処理を分岐させる仕組み

IFステートメントは、特定の条件に基づいて処理の流れを変えるためのものです。例えば、セルの値が一定の基準を超えていれば特定の操作を実行する、といった場面で使われます。**プログラミングにおける条件分岐は柔軟な自動化を可能にするために重要です。**

### VBAでのIFステートメントの書き方

VBAのIFステートメントは、様々な条件に応じて処理を分岐させるために非常に重要な構文です。まずは基本的な構文を確認しておきましょう。

*■ 基本的な構文*
VBAにおけるIFステートメントの基本的な構文は次の通りです。

```
If 条件式 Then
    ' 条件が真の場合に行う処理
Else
    ' 条件が偽の場合に行う処理
End If
```

*If：* 条件式の始まりを示します
*Then：*条件が真の場合に実行する処理の開始を示します
*Else：*条件が偽の場合に実行する処理の開始を示します
*End If：* Ifブロックの終わりを示します

```
If Range("A1").Value > 60 Then
    MsgBox "合格点です"
Else
    MsgBox "不合格点です"
End If
```

このコードでは、セルA1の値が60より大きいかどうかを判定し、条件によって異なるメッセージを表示します。

*■ 複数の条件を判定する*
ElseIf：複数の条件を判定したい場合に利用します。

資格・スキルの記事（7ページ目）