## 量子コンピュータとエンジニア

エンジニアの皆さんは1度や2度は、量子コンピュータという文字を目にしたり、聞いたりしたことがあるでしょう。

量子コンピュータの開発にGoogle・IBM・Microsoft・Amazonなど、巨大IT企業が本気で取り組んでいます。2021年には、IBMが量子エリートの獲得に年収2,750万円を提示したニュースがネットで話題になり、就職活動に大きなインパクトを与えました。

量子力学に興味がある方の中には、インターン募集の広告に目を惹かれた方も少なくないでしょう。

**夢のコンピュータと言われて久しい量子コンピュータですが、2019年にGoogleは世界最速のスーパーコンピュータで1万年かかる計算を、わずか数分で終えたとする実験結果を発表しています。**

量子コンピュータの開発に成功したら、その超越的な計算能力によって、様々な環境問題や社会問題を解決できると言われています。一方で、従来型コンピュータには誤り訂正機能が備わっていますが、量子コンピュータではその技術がまだ開発されておらず、開発が難航しているとも言われています。

この記事では、量子コンピュータに関してITエンジニアが押さえておきたいポイントに絞り、わかりやすく話を進めていきます。

## 量子コンピュータは何がすごい？

従来のコンピュータは2進法を採用し、「0」と「1」の2種類のビットを用いて計算しています。一方、**量子コンピュータはビットの概念を拡張した「量子ビット」を用いて計算をする点が大きく異なります。**

量子力学では、「0と1を重ね合わせた状態」すなわち「量子重ね合わせ」の存在を認めており、「量子ビットでは2進法と比べてはるかに表せる情報の種類が多くなり、計算を高速に行えます。

2進法では4ビットで表せるのは、0000から1111までの16通りですが、4量子ビットは「0と1を重ね合わせた状態」を利用して16通りをいっぺんに表すことができます。

その結果10量子ビットでは1024通り、50量子ビットでは1125兆通りを1度に扱え、理論上は2進法と比較して約1億倍という圧倒的に速い計算が可能です。これが量子コンピュータの原理です。

しかし、*量子コンピュータの実力を発揮するためにはアルゴリズムが必要です。*なぜなら、量子コンピュータが導き出す答えは複数あり、その中から必要な答えを高確率で得るためのアルゴリズム（量子アルゴリズム）がなければ、解を導き出すことができないからです。

この量子アルゴリズムを開発できるか否かが、実用的な量子コンピュータ開発の鍵です。

量子コンピュータは「重ね合わせ」原理による計算の並列化、波どうしの「干渉」による正解率の増幅といった特殊なロジックによって計算スピートや精度を高めていくため、未経験者の方はこうした考え方を理解をするのに相当時間が必要かもしれません。

**量子アルゴリズムの開発には動作をシミュレーションするためのシミュレータが必要です**が、動作シミュレータとしては2022年3月に、富士通がスーパーコンピュータ「富岳」のプロセッサ性能を生かした世界最速レベルの36量子ビットのシミュレータを開発しています。

またIBMでは、量子ロードマップを発表し、2023年には1,000量子ビット超のユニバーサル量子プロセッサーの発表を計画するなど、量子コンピュータ開発競争は次第にデッドヒートの様相を呈しています。

ただし、従来型のコンピュータの物理性能には限界があり、量子コンピュータの開発には超電導体など新たな材料が必要と言われており、ハード面での技術革新も求められています。

*【参考】：[スーパーコンピュータ「富岳」のテクノロジーを活用し、36量子ビットの世界最速量子シミュレータの開発に成功 |  富士通](https://pr.fujitsu.com/jp/news/2022/03/30.html)*
*【参考】：[IBM Japan Newsroom - ニュースリリース](https://jp.newsroom.ibm.com/2022-05-13-IBM-Unveils-New-Roadmap-to-Practical-Quantum-Computing-Era-Plans-to-Deliver-4,000-Qubit-System)*

私たちの身体や、私たちの身の回りにある物質はすべて原子によって成り立っています。原子には原子核があり、原子核は陽子と中性子から構成されています。陽子は正の電荷を帯び、中性子は電荷を帯びていません。原子核の周りには、負の電荷を持つ素粒子である電子が分布しています。

原子は現在118種類が見つかっており、それぞれ原子番号が付けられています。

量子とは、**物質の最小単位である原子よりも小さな電子・原子核・陽子・中性子など、物質としての性質（粒子性）と状態の性質（波動性）の両方を合わせもった存在を「量子」（quantum)と呼び、その量子を研究する分野は「量子力学」と呼んでいます。**

## エンジニアとして押さえておきたいこと

以上解説したように、夢物語と言われた量子コンピュータの実用化が見えてきました。世界ではIBM・マイクロソフト・Google・Amazonなど、巨大IT企業が量子コンピュータの開発にしのぎを削っていますが、日本でも富士通や日立などコンピュータメーカーも研究開発に注力しています。

実際、国内でも量子コンピュータエンジニアや量子力学技術者の求人が活発化しています。こうした状況を踏まえ、**私たちエンジニアは量子コンピュータとは無縁ではいられなくなるでしょう。**これから、量子コンピュータに関係して押さえておくべきポイントを挙げていきます。

これまで私たちとは無縁の世界と考えていた「量子コンピュータ」が実用化に向かって大きく進み始めた点は見逃してはなりません。IBMが量子エリート（量子エンジニア）の獲得に向けて、破格の年収条件を提示しました。

今後、この動きは加速していく可能性が高いと考えられます。日本IBM社が2020年を量子コンピュータ元年と位置付けたように、**これから2023年、2024年に向けて量子コンピュータ市場は大きく拡大していくでしょう。**

これまではDX・AI・IoT・ビッグデータなどが話題の中心でしたが、これからは量子コンピュータがバズワードとなっていくかもしれません。

*【参考】：[日本IBMから見る、量子コンピュータ時代に向けた人材育成とは | TECH+（テックプラス）](https://news.mynavi.jp/techplus/article/20201218-1599088/)*

ここ数年間でクラウド市場は急速な成長と拡大を見せていますが、既に米国IBMは2016年から量子コンピュータのクラウドサービス「IBM Q Experience」の提供を開始しました。この分野はIBMが先鞭をつけましたが、富士通も2022年10月から量子コンピューティングのクラウドサービス提供を行うと表明しています。

他、**AWSをはじめとしてクラウドサービスを利用した量子コンピューティングサービス展開の動きが加速しており、我々エンジニアの仕事も大きく変わっていくかもしれません。**

*【参考】：[富士通、富岳ベースのスパコンや量子コンピューティングをクラウドで提供 | TECH+（テックプラス）](https://news.mynavi.jp/techplus/article/20220406-2314861/)*
*【参考】：[Amazon Braket (量子コンピューティングの深堀と実験) | AWS](https://aws.amazon.com/jp/braket/)*

AWSで何ができるのか？AWSの概要や強みについても解説

クラウド化における課題とは？失敗の原因と成功するための対策を解説！

量子コンピュータがどの分野に適しているのか、何が解決できるのかはまだ模索の段階です。**量子コンピュータは大別すると「アニーリング型」と「量子ゲート型」に分かれます。**

「量子ゲート型」は、処理単位を現在のコンピュータの「bit」から「量子bit」に置き換えたコンピュータのことで、これまでは「量子コンピュータ」と言えばゲート型を指してきました。

「アニーリング型」とは「組み合わせ最適化」に特化した量子コンピュータのことで、例えば物流ルートの最適化、ルートセールスの最も効率的なルート探索、交通渋滞をなくすための目的地別最適ルート探索などの用途が適すると考えられ、実用化も始まっています。

他、新薬開発・ビッグデータ解析・AI開発などでの活用が期待されています。AI開発においては、より人間の思考に近いAIの開発が可能になるかもしれません。いずれにしても、さまざまな事例が積み重なっていく中で、最適分野が明確になっていきますので、動きに注視しましょう。

量子コンピュータに関わるエンジニアを目指す場合、使用言語が気になるところです。量子コンピュータの命令型量子プログラミング言語としては、最初に実装されたQCLとLanQが知られています。

他、Pythonのライブラリーとして開発されたIBM製のQiskiは実機を動かせるだけではなく、シミュレータ機能を搭載しているため、従来型コンピュータでの利用が可能です。Microsoftは量子コンピュータ開発用にオープンソースのQ#プログラミング言語を提供しています。

このように、**量子コンピュータのプログラミング環境はクラウドサービス上に用意され、誰でも簡単に扱えるようになっていきます。**

*【参考】：[QCL (Quantum Computing Language)｜GitHub ](https://github.com/aviggiano/qcl)*
*【参考】：[LanQ – a quantum imperative programming language](http://lanq.sourceforge.net/)*
*【参考】：[Qiskit を使った量子計算の学習](https://qiskit.org/textbook/ja/preface.html)*
*【参考】：[Q# プログラミング言語と QDK とは? - Azure Quantum | Microsoft Docs](https://docs.microsoft.com/ja-jp/azure/quantum/overview-what-is-qsharp-and-qdk)*

## エンジニアとして量子コンピュータとどう関わっていくのか

ここまでエンジニアとして最低限押さえておきたい、「量子コンピュータ」に関する入門知識について解説しました。量子力学は概念を理解するのが大変ですが、少しずつでも理解を深めたいものです。

ここで大切なことは、量子力学について学ぶことではなく、**これから大きく成長していくであろう量子コンピュータと、私たちの仕事がどう関わっていくのかを理解することです。**

所属中のITベンダーが量子コンピュータ絡みの案件を受注し、自身がプログラミングを担当する可能性は日増しに高まっていくでしょう。来る日に備えて、少しずつ量子コンピュータやプログラミング言語について学んでいくことをおすすめします。

量子コンピュータ業界の急激な成長は、私たちエンジニアにどのような影響をもたらすのでしょうか？量子コンピュータは何がすごいのか、私たちエンジニアがおさえておくべきことなど、量子コンピュータ入門からプログラミング言語まで、皆さんの素朴な疑問にお答えしていきます。

量子コンピュータはビットの概念を拡張した「量子ビット」を用いて計算するため、計算速度が劇的に速くなる

量子コンピュータがその能力を最大限発揮するためには、目的ごとに最適のアルゴリズム開発が必要

量子コンピュータ市場の拡大に伴い、エンジニアの仕事にも大いに関係するため動向を注視していく必要がある

量子コンピュータとエンジニア！実用化に向けて押さえておくべきこととは？

6月21日、**マイクロソフトGitHubはAIによるコーディング支援サービスである「GitHub Copilot」を一般公開しました。**AIが自動でコードを考えてくれるという夢のようなサービスですが、実際のところどのような仕組みになっているのでしょうか。

本記事では、GitHubが何か分からない方でも分かるよう、その仕組みを説明していくとともに、実際のGitHub Copilotの使い方も紹介していきます。

【参考】：[GitHub Copilot](https://github.com/features/copilot)

まず、そもそもGitHubとはどのようなサービスなのでしょうか。*ソフトウェアのソースコードを管理するツールであるGitを、オンライン上で誰でも利用できるようにしたウェブサービスがGitHubです。*

企業向けの有料プランだけでなく、個人向けの無料プランも用意されており、誰でも手軽にソースコードを共有することができます。

そのため、オープンソースプロジェクトが数えきれない程立ち上がっており、誰でも使えて便利なソフトウェアの開発が活発に行われています。当初は独立企業でしたが、2018年にマイクロソフトに買収され、中立性の維持に懸念が持たれていました。しかし、その後ユーザー数は堅調に増加しているようです。

【参考】：[GitHub](https://github.co.jp/)

今回、GitHubの新機能として公開されたものが「GitHub Copilot」です。これは*AIがソフトウェア開発におけるコーディングのサポートをするサービス*であり、AIが次の行に入力されると思われるコードをサジェストできることを特徴としています。

GitHub Copilotは昨年からVisual Studio Codeでテクニカルプレビューとして限定公開されていましたが、この度一般向けに公開された形です。

GitHub Copilot自体はCodexと呼ばれるAIシステムを利用しており、CodexはOpenAIと呼ばれる非営利団体によって開発されました。Codex自体は自然言語をソフトウェアコードに変換することを目的としており、GitHub Copilotは上手くそれを応用して作られたと言えるでしょう。

GitHub Copilotはどのような形で提供されているのでしょうか。同サービスはGitHub公式サイトから登録することで利用可能です。GitHubのアカウントが必須ですが、60日間はトライアル期間として無料で利用することもできます。以降の料金は、*月額10ドルもしくは年額100ドルで契約する形となります。*

その利用方法としては、独立したソフトやサービスとして機能するわけではなく、*既存のコードエディタの拡張機能としてインストールする形となります。*代表的なエディタとして、マイクロソフト社のVisual Studio Codeがあり、公式サイトにて英語ではありますがインストール手順が説明されています。

対応している言語については、Python・JavaScript・TypeScript・Ruby・Go・C#・C++などが挙げられており、それ以外でも使用できる可能性があることが述べられています。

Pythonができることを理解し、初心者はその学習目標を立てよう

TypeScriptはJavaScriptの上位互換？違いは開発規模や機能面にアリ

Rubyでできることとは？入門者必見！作れるもの・サービスまとめ

C#とは？できることやメリット・デメリットについて解説！

AIによってコーディングをサポートしてもらえるGitHub Copilotですが、どのようなメリットがあるのでしょうか。以下にその代表的なメリットを紹介します。

### AIサポートでコード生産性をアップ

GitHub Copilotで最も期待できるメリットは、やはり生産性の向上でしょう。**同サービスが提供するコードのサジェスト機能はオートコンプリートシステムと呼ばれており、プログラマーが調べたり、考えたりする時間の大幅な削減が期待できます。**

さらに同サービスの強みとしては、GitHubという膨大なコードが集まる恵まれた環境で学習されたことであり、精度だけでなく様々な種類のプログラムにも対応できることが挙げられます。

このような特徴を持つGitHub Copilotを開発現場に導入すれば、経験の浅いプログラマーでも生産性を上げた開発を行うことができ、ソフトウェア開発全体の生産性向上につながるでしょう。

GitHub Copilotは独立したソフトウェアやサービスではなく、既存のコードエディタに対する拡張機能という位置付けです。したがって、新しく環境を立ち上げたり、別のソフトウェアを並列で起動したりする必要もありません。

こうした拡張機能としての提供は、*ユーザーのサービス利用への敷居を下げ、非常に使いやすいものとしていると言えるでしょう*。この導入のしやすさと使い慣れたエディタをそのまま使用できる点は大きなメリットです。

### 不慣れな言語でも実装が容易に

多くのプログラミング言語は同じような文法構造をしてはいるものの、細かい形式が異なっているため、ある程度の経験があっても全てを正確にコーディングすることは困難です。*こうした言語間の相違もGitHub Copilotを活用すれば、文法ミスによるコンパイルエラーや調べる時間を削減することにつながるでしょう。*

対応する言語もC言語・Python・Javaをはじめとした12言語以上をサポートしているため、様々な場面で活躍できます。ソフトウェアを別の言語に移植するときなど、突発的に不慣れな言語を扱わなければならないときなどに重宝するものと考えられます。

GitHub Copilotは、具体的にどのように使用していく流れになるのでしょうか。上述の概要でも少し述べましたが、ここではより詳しく説明していきます。

まずはインストールしたいコードエディタを選択します。サポートしているコードエディタは公式サイトでは、

-Visual Studio Code
-Visual Studio
-Neovim 
-JetBrains

となっており、それぞれのエディタに対して「GitHub Copilot」の拡張機能をインストールしていくことで使用可能です。今は4種類しかありませんが、今後サポートするエディタが増えていく可能性もあるでしょう。

Visual Studio 2022の新機能がIDEで歴代最高な理由

コードエディタの準備ができたら実際にGitHub Copilotをインストールしていきます。まず各エディタ上の拡張機能にアクセスし、そこからGitHub Copilotを選択してインストールを実行します。

インストール後、もしGitHubとの連携設定ができていなかった場合にはGitHubアカウントへの紐づけを行う必要があります。ここまで行えば実際にエディタ上でGitHub Copilotによるサジェストを受けることができるようになります。

インストールのやり方については、*エディタごとに画像付きの丁寧な解説が公式サイトで公開されています。*

【参考】：[GitHub Copilotの公式ガイド](https://docs.github.com/en/copilot)

拡張機能をインストールさえしてしまえば、後はコーディングを進めるだけで「GitHub Copilot」の恩恵を受けることができます。

*コードサジェストの様式は様々であり、新たな関数を定義するとその名称から、AIが用途を推定したうえで内部処理を提案してくれたり、コメントの内容から定義すべき関数名や定義も提案してくれたりします。*

他にも多言語の翻訳も行うことが可能であるので、ただのオートコンプリートシステムではないことがよくわかります。公式サイトの例では、JavaScriptで「calculateDaysBetweenDates」という実施したい処理を関数名として定義することで、内部処理がサジェストされている例が紹介されています。

【参考】：[GitHub Copilotのサジェスト例](https://docs.github.com/en/copilot/quickstart#getting-your-first-suggestion)

JavaScriptの入門！その概要や文法の基礎について解説！

## 一部の開発者は無料で使用可能

基本的にGitHub Copilotは有料のサービスですが、ある条件を満たしていれば期間に関係なく無料で使用することもできます。その条件とは、**GitHub上でオープンソースプロジェクトのメンテナーとなっている開発者もしくは学生です。**

前者については、GitHub Copilotがコミュニティの上に成り立っていることへの恩返しの意味が込められているようです。学生については「GitHub Student Pack」への参加条件を満たし、実際に申し込んだ上でGitHub Copilotのプログラムに参加すれば無料で使用できます。

【参考】：[学生向け開発者パック](https://docs.github.com/ja/education/explore-the-benefits-of-teaching-and-learning-with-github-education/use-github-for-your-schoolwork/apply-for-a-student-developer-pack)

## 学術論文では生産性向上が報告

大きなメリットが期待できるGitHub Copilotですが、その効果をGitHub公式が調査しており、その結果も公開されています。

調査結果は「Productivity assessment of neural code completion」と呼ばれる学術論文の中で言及されており、*同サービスのユーザーの内、サジェストされたコードを受け入れて使用したユーザーの方が生産性が上がったと感じているとのことです。*

GitHub Copilotは実際の調査でも有効性が証明されており、非常に画期的なサービスと言えるでしょう。

【参考】：[GitHub Copilotの調査結果](https://dl.acm.org/doi/10.1145/3520312.3534864)

## GitHub Copilotで生産性を上げよう

今回はGitHubがリリースした新機能である「GitHub Copilot」についてを紹介していきました。**同サービスはAIが全てをコーディングするようなものではなく、プログラマーをサポートするものですが、それでも非常に便利なものであることは間違いありません。**

60日間の無料トライアルも提供されており、個人でも気軽に使うことが可能です。現役プログラマーの方ならば1度は使ってみて、その効果を体験してみてはどうでしょうか。

ソースコード管理サービスを提供するGitHubが新たに開始した「GitHub Copilot」は、AIがコーディングの支援をしてくれる画期的なサービスです。具体的になにができるのか、どのようにして使用するのか、本記事ではそれらを解説していきます。

GitHub Copilotは、6月21日に一般公開されたAIによるコーディング支援サービス

GitHub Copilotはエディタの拡張機能として使え、コード生産性アップが期待できる

GitHub Copilotは関数名やコメントの内容からコードサジェストを行ってくれる

AIペアプログラマー「GitHub Copilot」の使い方や導入メリットを徹底解説！

## データアナリストは昨今注目されている仕事の1つ

データアナリストという職種が気になる方も多いのではないでしょうか。データアナリストは昨今注目されている仕事の1つと言えます。インターネットの普及やコンピューターの処理速度の向上などにより、昔よりもデータ分析をしやすくなりました。

データアナリストへの転職を検討している中、具体的な仕事内容や、データをどのように扱っているのかご存知ない方も多いのではないでしょうか。*そこで、本記事ではデータアナリストとはどのような職種なのかについて詳しく解説します。*

## データアナリストとはデータ分析によって企業課題を解決する仕事

**データアナリストとは、データ分析によって企業課題を解決する職種のことです。**たとえば商品の売上に関する情報を収集し、どのような商品が売れやすいのか、どの宣伝方法が効果的なのかなどを分析します。その後、分析結果を元に企業の今後の方針について提案します。

このようなデータ分析を行うデータアナリストは、今後の企業の方向性に関わる重要なポジションと言えます。

## データアナリストの基礎知識

ここではデータアナリストの基礎知識についてまとめました。データアナリストとデータサイエンティストの違いや平均年収についてみていきます。

### データサイエンティストとの違い

データアナリストとデータサイエンティストは、データを収集・分析して企業の方針について提案を行うという点は共通しています。

*ただ、データアナリストはどちらかといえばビジネス寄りの職種であり、データサイエンティストはエンジニア寄りの職種であると言えます。*データサイエンティストは高度な統計学や人工知能分野の専門知識を備えていることが多く、データ分析の精度を上げることを重視することが多いです。

また、データサイエンティストの方が業務範囲は広い傾向があり、データ分析だけでなく、データ分析に必要な環境構築も担当することが多いです。

とはいえ、職種の定義に関しては企業によって異なることも多いため、転職する際はその企業の職種について詳しく調べたり、面接担当者に質問したりすることが重要でしょう。

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

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

### データアナリストの平均年収

データアナリストの年収は「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、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「営業・マーケティング」を参考にすると、平均年収682万円と分かりました。

**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、データ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。**

データアナリストは統計学やプログラミングなど幅広いスキルを要求される仕事であり、目指すのは容易ではないため、平均年収も高めになっていると想定されます。また、データアナリストとして企業にとってプラスになる情報を多く提供できれば、年収も上がりやすくなるでしょう。

【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=acv07)
※【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?_fsi=AZhJ8QDV&_fsi=AZhJ8QDV)

## データアナリストに求められるスキル

データアナリストに求められるスキルにまとめました。これらのスキルを獲得し面接で的確にアピールすることで、データアナリストに転職できる可能性が広がります。

*データアナリストを目指す場合、統計学をはじめ微分積分や線形代数などの大学レベルの数学知識を持っていると強みになります。*数学はデータ分析の基礎と呼べるもので、数学知識があるとデータ可視化の技術などの理解をする上で助けになります。

**データ分析に使うデータは基本的にはデータベースに蓄積するため、データアナリストはデータベースの知識が求められます。**MySQLを使っての更新・削除・追加などの基本操作はもちろん、データベースのパフォーマンスを向上させるための知識もあると強みになります。

MySQLとは？特徴から使い方・学習方法まで詳しく解説！

データベースとは？今更聞けないその内容をITエンジニアとして改めて学ぶ

*Pythonはデータ分析・加工に多く使われるプログラミング言語のため、データアナリストを目指すなら数あるプログラミング言語の中でもPythonの習得をおすすめします。*Pythonはライブラリが豊富であり、データ分析や人工知能開発に適していると言われています。そのほか幅広い開発に使える言語でもあります。

Pythonによるデータ分析：入門情報から資格取得まで解説！

データアナリストは分析ツールを扱えるスキルも必要です。たとえば、TableauやQuickSightといったデータを可視化するためのツールなどです。**分析ツールを扱えることで、統計学などの知識を使いこなせることに繋がります。**

【参考】：[Tableau](https://www.tableau.com/ja-jp)

【参考】：[QuickSight](https://aws.amazon.com/jp/quicksight/)

## データアナリストに向いている人の特徴

続いて、データアナリストに向いている人の特徴を解説します。以下の項目に該当する方は、データアナリストとして活躍できる可能性が高いと言えます。

*データアナリストは何度も問題がないかチェックを重ねるなど、細かい作業が得意な人の方が向いている傾向があります。*万が一統計結果を間違えて報告すると、企業が間違ったマーケティングを行うことになってしまい、大きな損失につながる可能性があるためです。

上記で解説した通りデータアナリストには幅広い知識が求められるため、勉強熱心な方が向いていると言えるでしょう。また、データ分析手法やデータ分析ツールは最新のものが次から次へと出てきますので、データアナリストは常に知識をアップデートしなくてはいけません。**データアナリストに転職してからもコツコツと勉強を続けられる方が成功しやすいです。**

## データアナリストになるには？

本記事を読み、データアナリストに転職したいと感じた方もいるでしょう。最後に、データアナリストになるにはどうすれば良いかについて解説します。

### エンジニア職から転職を目指す

*データアナリストにはPythonやSQLの知識が求められるため、プログラマーやシステムエンジニア経験者は経験は強みになるでしょう。*また、プログラミングで鍛えた論理的思考力も、データ分析を行う際に役立ちます。

SQLとは？概要・できること・プログラミング言語との違いを解説

### マーケッターから転職を目指す

**マーケッターは商品・サービスの売上向上を図るために戦略を考える仕事であり、データアナリストと親和性の高い仕事と言えます。**マーケッターとして売上アップに大きく貢献した実績があるなら、データアナリストの面接でのアピールポイントになります。

## 未経験からデータアナリストを目指すなら

本記事では、データアナリストとは何かについて解説しました。データアナリストに必要なスキルや転職方法などがお分かりいただけたかと思います。*データアナリストは企業の方向性を左右する重要なポジションであり、市場価値も高いと言えるでしょう。*

しかし、重要なポジションである分転職に苦戦する方も多いかもしれません。また、未経験の場合、選考の場で何を話せば良いか分からないという方もいるでしょう。

そこで利用を推奨するのが[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=acv07)です。

マイナビITエージェント【公式】IT・Webエンジニアの求人・転職エージェント

【マイナビIT AGENT】迷ったら相談すればいいんだ

マイナビIT エージェントは、IT・Webエンジニア向け、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します。

アドバイザーは企業側と直接連携を取れるので、求人票に載っていない情報も確認することができます。こちらで、働き方などをしっかり確認の上、応募企業を選んでいくのが良いでしょう。

未経験からのキャリアチェンジは心身ともに本当に大変だと思います。少しでもご自身の負担を減らすべく、エージェントサービスを活用して、失敗のない転職活動に臨んでいただければ幸いです。

<center>[『マイナビ エージェント』なら、<br/>IT業界に精通した専任アドバイザーと豊富な求人で、<br/>あなたの転職を丁寧にサポートします。](https://mynavi-agent.jp/entry/?genre=26&utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07)</center>

データアナリストはなんとなくデータを扱う職種ということは知っているものの、具体的に何をしているのかはご存知ない方が多いのではないでしょうか。当記事では、データアナリストとは何か・平均年収・求められるスキル・向いている人の特徴について解説します。

データアナリストはデータ分析によって企業課題解決を目指す仕事

数学やデータベース、Pythonなどのスキルがデータアナリストには必要

細かい作業が得意だったり探究心が強かったりする方はデータアナリストに向いている

データアナリストとは？仕事内容や向いている人の特徴を解説

## AIエンジニアに資格は必要？

IT職種の経験がない方で、AIエンジニアへの転職を希望している方は少なくありません。AIエンジニアになるには、資格の取得が必要なのでしょうか？AIの資格試験は難解に思えますが、IT未経験者でも取得が可能なのでしょうか？

AIエンジニアになるために資格の取得が条件になるわけではありませんが、**スキル証明となる資格を取得することで、その可能性が大きく広がります。**

また資格を取得するために行った勉強は就業した後にもきっと仕事に役立ちますので、努力を惜しまず勉強をしましょう。

この記事では、IT業界の未経験者がAIエンジニアを目指して転職する際、必要な資質やスキル、資格について解説をしていきますので、ぜひ参考にしてください。

## スキル証明となるAI関連資格8選

AI関連資格は国内だけでも15資格以上ありますが、その中から**AIエンジニアの仕事に役立つ資格、転職時にスキル証明としてアピールできる資格を8つ紹介します。**ご自分に合う資格を選択しチャレンジしてみてください。

G検定はジェネラリスト検定のことで、日本ディープラーニング協会が主催する検定資格です。合格者像は、基礎知識を有しており、適切な活用方針を決定してディープラーニングを事業活用する能力、知識を有していることです。

AIや深層学習などの基本知識の習得と活用能力に重きを置いており、**エンジニアというよりはビジネス向けの資格といえます。**次のE検定と併せて取得するエンジニアが少なくありません。

*【参考】：[G検定とは - 一般社団法人日本ディープラーニング協会【公式】](https://www.jdla.org/certificate/general/)*

G検定とは？試験概要・出題範囲から試験対策の進め方まで解説

E資格はG検定と同じ日本ディープラーニング協会が主催する資格です。G検定よりも専門性が高く、また難易度も高い資格です。理論だけにとどまらず、適切な手法を用いて**ディープラーニングを実装する能力や知識が問われる**ため、実務経験のあるエンジニア向けの資格となっています。

*【参考】：[E資格とは - 一般社団法人日本ディープラーニング協会【公式】](https://www.jdla.org/certificate/engineer/)*

E資格の難易度はどのくらい？出題範囲、合格率や感想から徹底考察

Amazon主催のAI関連資格です。AWSにおける機械学習モデルの構築やトレーニング、チューニングやデプロイに関する知識を求められます。**機械学習モデルの設計や運用能力を問う、主にデータサイエンティスト向けのおすすめ資格です。**

*【参考】：[AWS Certified Machine Learning - Specialty 認定 | AWS 認定 | AWS](https://aws.amazon.com/jp/certification/certified-machine-learning-specialty/)*

Google社が主催するGoogle Cloud認定資格の1つで、**データサイエンティスト向け資格です。**AI市場でも注目されている資格の1つで、日本語での受験も可能です。データ処理システムの設計・構築、運用、機械学習モデルの運用、ソリューションの品質確保など4つの観点から評価されます。

*【参考】：[Professional Data Engineer 認定資格  |  Google Cloud](https://cloud.google.com/certification/data-engineer)*

### Python3エンジニア認定データ分析試験

Python3エンジニア認定データ分析試験は「Pythonエンジニア育成推進協会」主催のPython3資格試験で、Pythonを用いたデータ分析の基礎や方法などを問う試験です。**機械学習やビッグデータでPythonを扱いたい人におすすめする資格です。**

*【参考】：[データ分析試験 | Python試験・資格｜一般社団法人Pythonエンジニア育成推進協会](https://www.pythonic-exam.com/exam/analyist)*

画像処理エンジニア検定は、公益財団法人画像情報教育振興協会が主催しており、ディープラーニングの活用で用いられる画像処理や画像認識の設計・開発に特化した検定です。デジタル画像処理に関する知識を問われます。

画像処理エンジニア検定は直接AIに関係する資格ではありませんが、**顔認証などのAI技術では欠かせない分野ですので、AIエンジニアとしてスキルアップを図る上で有効な資格です。**

*【参考】：[CG-ARTS | 検定](https://www.cgarts.or.jp/kentei/guidance/index.html)*

統計検定は、一般社団法人日本統計学会が認定する、統計知識や統計データを活用する能力を問う検定資格です。1級から4級までありますが、**準1級を取得すると、統計学の応用分野と言われる機械学習の理解に役立ちます。**

*【参考】：[統計検定](https://www.toukei-kentei.jp/)*

AIエンジニアに限らず、**ITエンジニアを目指すなら、ぜひとも合格しておきたい国家試験です。**ITパスポートの上位に位置し、決して難易度は低くはありませんが、資格取得によって情報戦略立案、システムの設計・開発・構築・導入に関する基礎が身に付く試験です。

*【参考】：[IPA 独立行政法人 情報処理推進機構：制度の概要：基本情報技術者試験](https://www.jitec.ipa.go.jp/1_11seido/fe.html)*

以上、AIエンジニアを目指す上で役立つAI関連の資格を紹介しました。AI時代を迎え、資格はこれからますます重要になってくると思われますので、役立つ資格の取得にはぜひ前向きに取り組むことをおすすめします。

## 未経験からAIエンジニアを目指す方法

結論から述べると、高い専門性が求められる**AIエンジニアを未経験者が目指すのは少々難易度が高くなりますが、決して不可能ではなく、いくつかの方法があります。**まず、AIエンジニアの仕事について理解を深めておきましょう。

AIエンジニアはAI関連エンジニアの総称で、ソフトウェアエンジニアに位置づけられます。**AIエンジニアを分類すると、機械学習エンジニア、データサイエンティスト、データアナリストの3つに分かれます。**それぞれの仕事内容について簡単に触れておきましょう。

AIの記事（15ページ目）