E資格やG検定は転職や年収にどれだけ影響を与えるのかAIエンジニアほかAI関連の転職で役に立つ資格【難易度順】

最終更新日:2022年9月22日

レバテックキャリアは
ITエンジニア・Webクリエイター専門の転職エージェントです

AI技術を使ったシステムの設計、開発を行うAIエンジニア。AIはコンピューターの性能向上により、コストパフォーマンスの面でも実用化段階に入り、近年では業務システムやスマートフォンアプリなど利用シーンも拡大中です。

AIのさらなる普及により、AIエンジニアの需要は上昇が予測されます。AIに関連する資格も増え、取得することでAIエンジニアを目指す場合には差別化に繋がります。

本記事では、AIのスキルを磨きキャリアアップを図ろうとしているエンジニア職やアナリスト職の方に向け、AIに関する資格取得のメリット、資格種類、AIエンジニアの概要、仕事内容、必要とされる知識・スキルについて解説します。

AIに関する資格を取得するメリット

AI技術の利用範囲は拡大が続いており、今後もAIエンジニア技術者の需要は続くと考えられます。AIエンジニアを目指す場合にも、既にAIエンジニアである場合にも、AIに関する資格を取得することはスキルを示し、キャリア構築や転職において有効です。

関連記事:AIエンジニアに未経験から転職可能?パターンごとに解説

スキルや知識の証明になる

AIに関連する資格を取得することで、専門的な知識・スキルの保有を客観的に証明することができます。AIエンジニアを目指した転職活動においては、AIに関する一定のスキルの保有を示し、即戦力として活躍できるアピールに繋がります。

網羅的に知識を身につけられる

資格の取得を目的として学習を行うことで、網羅的、体系的にAIに関する知識を身に着けられることもメリットの一つです。AIに関連する範囲でも、身につけたい知識は多く、バランスの良い学習が必要となります。資格取得に向けた学習は、資格の主旨にあわせて、網羅的、体系的に知識を得ることに繋がります。

難易度順!AIエンジニアの仕事に活用できるおすすめ資格一覧

AIエンジニアにおすすめの資格を難易度順にご紹介していきます。

AI関連おすすめ資格(難易度:初心者向け)

AIエンジニアに向けた学習の基礎となる知識・スキルを身に着ける資格、試験です。

Pythonエンジニア認定

Pythonエンジニア認定は一般社団法人Pythonエンジニア育成推進協会によって運営される資格試験です。Python3エンジニア認定基礎試験はPythonエンジニアとしての基礎力を問われる入門レベルにあたります。Python3エンジニア認定データ分析試験は基礎構文に加え、「データ分析」「数学」「ライブラリ(pandas)」など実践的なデータ分析を対象とします。

出題範囲

・Python3エンジニア認定試験
オライリー・ジャパン「Pythonチュートリアル」の掲載内容

・Python3エンジニア認定データ分析試験
主教材である翔泳社「Pythonによるあたらしいデータ分析の教科書」より

勉強方法

それぞれ主教材が定められているため、書籍に沿った学習を行いましょう。また、認定スクール「プライム・ストラテジー」、「DIVE INTO CODE」、「トレノケート」により無料の模擬試験が提供されているため、試験前に利用すると効率的です。

転職時や現場での評価

いずれの試験もITSSスキル標準のレベル1にあたり、Pythonを使った開発、データ分析の基礎レベルの知識・スキルを保有することを示します。

基本情報技術者試験

基本情報技術者試験は独立行政法人情報処理推進機構により運営される試験、資格です。ITエンジニアとしてのエントリレベルのスキル・知識が問われます。

出題範囲

・テクノロジ系
●基礎理論
〇基礎理論
離散数学、応用数学、情報に関する理論、通信に関する理論、計測・制御に関する理論
〇アルゴリズムとプログラミング
データ構造、アルゴリズム、プログラミング、プログラム言語、その他の言語
●コンピュータシステム
〇コンピュータ構成要素
プロセッサ、メモリ、バス、入出力デバイス、入出力装置
〇システム構成要素
システムの構成、システムの評価指標
〇ソフトウェア
オペレーティングシステム、ミドルウェア、ファイルシステム、開発ツール、オープンソースソフトウェア
〇ハードウェア
ハードウェア
●技術要素
〇ヒューマンインタフェース
ヒューマンインタフェース技術、インタフェース設計
〇マルチメディア
マルチメディア技術、マルチメディア応用
〇データベース
データベース方式、データベース設計、データ操作、トランザクション処理、データベース応用
〇ネットワーク
ネットワーク方式、データ通信と制御、通信プロトコル、ネットワーク管理、ネットワーク応用
〇セキュリティ
情報セキュリティ、情報セキュリティ管理、セキュリティ技術評価、情報セキュリティ対策、セキュリティ実装技術
●開発技術
〇システム開発技術
システム要件定義・ソフトウェア要件定義、設計、実装・構築、統合・テスト、導入・受入れ支援、保守・廃棄
〇ソフトウェア開発管理技術
開発プロセス・手法、知的財産適用管理、開発環境管理、構成管理・変更管理

・マネジメント系
●プロジェクトマネジメント
〇プロジェクトマネジメント
プロジェクトマネジメント、プロジェクトの統合、プロジェクトのステークホルダ、プロジェクトのスコープ、プロジェクトの資源、プロジェクトの時間、プロジェクトのコスト、プロジェクトのリスク、プロジェクトの品質、プロジェクトの調達、プロジェクトのコミュニケーション
●サービスマネジメント
〇サービスマネジメント
サービスマネジメント、サービスマネジメントシステムの計画及び運用、パフォーマンス評価及び改善、サービスの運用、ファシリティマネジメント
〇システム監査
システム監査、内部統制

・ストラテジ系
●システム戦略
〇システム戦略
情報システム戦略、業務プロセス、ソリューションビジネス、システム活用促進・評価
〇システム企画
システム化計画、要件定義、調達計画・実施
●経営戦略
〇経営戦略マネジメント
経営戦略手法、マーケティング、ビジネス戦略と目標・評価、経営管理システム
〇技術戦略マネジメント
技術開発戦略の立案、技術開発計画
〇ビジネスインダストリ
ビジネスシステム、エンジニアリングシステム、e-ビジネス、民生機器、産業機器
●企業と法務
〇企業活動
経営・組織論、OR・IE、会計・財務
〇法務
知的財産権、セキュリティ関連法規、労働関連・取引関連法規、その他の法律・ガイドライン・技術者倫理、標準化関連

2023年4月の試験より適用

勉強方法

試験対策用の書籍、Webサイト等を利用して学習しましょう。範囲が広いため、計画的、継続的学習が必要となります。

転職時や現場での評価

ITエンジニアとして基礎レベルの前提知識があることを示せます。AIエンジニアとしては、学習に向けた前提を持つという評価です。

統計検定3級

統計検定3級は、高校数学(ⅠA、ⅡB)レベルの数学力が求められる試験です。難易度としては易しいと言えるでしょう。統計検定の中では入門試験に位置付けられます。

出題範囲

・データの種類
〇データの基礎知識
・標本調査
〇母集団と標本
・実験
〇実験の基本的な考え方
・統計グラフ
〇1変数の基本的なグラフの見方・読み方
〇2変数の基本的なグラフの見方・読み方
・データの集計
〇1変数データ
〇2変数データ
・時系列データ
〇時系列データの基本的な見方・読み方
・データの代表値
〇代表値とその利用法
・データの散らばり
〇量的な1変数の散らばりの指標
〇量的な2変数の散らばりの指標
〇散らばりのグラフ表現
・相関の回帰
〇相関と因果
〇回帰直線
・確率
〇確率の基礎
・確率分布
〇確率変数と確率分布
・統計的な推測
〇母平均・墓碑率の標本分布・区間推定・仮説検定

勉強方法

試験難易度がそこまで高くないので、いきなり過去問を解く、もしくは過去問を見てみることをおすすめします。勉強しなくても解ける分野があるかもしれません。苦手分野があったらそこを重点的にテキストで学習することをおすすめします。

転職時や現場での評価

統計検定3級は実務レベルの一歩手前といったところなので、取得することで今後の成長に期待してもらえる可能性があるでしょう。

AI関連おすすめ資格(難易度:中級者向け)

初心者むけよりも専門的な分野の試験、資格を紹介します。

画像処理エンジニア検定

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により運営される資格試験です。AIの活用分野の一つである画像処理分野の設計、開発に向けた知識を評価します。ベーシックとエキスパートの2段階にレベル分けされています。

出題範囲

ベーシック

  • ・ディジタルカメラモデル

    ・画像の濃淡変換とフィルタリング処理

    ・画像の解析

    ・パターン・特徴の検出とパターン認識

    ・シーンの復元

    ・システムと規格

    ・関連知識


エキスパート

  • ・ディジタル画像の撮影と画像の性質・色空間

    ・画素ごとの濃淡変換と領域に基づく濃淡変換

    ・周波数領域におけるフィルタリングと画像の復元・生成

    ・幾何学的変換

    ・2値画像処理と領域処理

    ・パターン・図形・特徴の検出とマッチング、パターン認識、深層学習による画像認識と生成

    ・動画像処理、画像からの3次元復元、光学的解析

    ・画像符号化

    ・知的財産権

勉強方法

資格試験に向けては公式問題集を利用した学習が効果的です。また、公式サイトにて過去問題のPDFファイルを参考問題として配布しているため、試験の雰囲気を掴むのに利用しましょう。

転職時や現場での評価

画像処理に特化したスキルの保有を示せるため、AIエンジニアでも画像処理と関係する領域では一定の評価につながります。

統計検定2級

統計検定2級で求められる数学知識は、大学基礎課程レベルです。統計検定の中では、2級からが本格的な試験と言われることが多いです。

出題範囲

・データソース
〇身近な統計
・データの分析
〇データの分布の記述
・1変数データ
〇中心傾向の指標
〇散らばりなどの指標
〇中心と散らばりの活用
・2変数以上のデータ
〇散布図と相関
〇カテゴリカルデータ
・データの活用
〇単回帰と予測
〇時系列データの処理
・推測のためのデータ収集法
〇観察研究と実験研究
〇標本調査と無作為抽出
〇実験
・確率モデルの導入
〇確率
〇確率変数
〇確率分布
・推測
〇標本分布
〇推定
〇仮説検定
・線形モデル
〇回帰分析
〇実験計画の概念の理解
・活用
〇統計ソフトウェアの活用

勉強方法

勉強方法は3級と同じです。3級をすでに取得している方は、いきなり過去問から見るのがおすすめです。知識がまったくない状態から2級取得を目指す場合も、数学の基礎ができている場合は過去問から入って問題ないでしょう。

転職時や現場での評価

仕事で使えるレベルの資格、スキルを持っているという評価を得られます。3級までは導入レベルですが、2級からはより実践的な資格として評価を受けやすい資格です。

統計調査士

統計調査士で求められる数学レベルは、統計検定3級と同程度です。ただしマーケティングやデータの見せ方などの内容が含まれているので、統計としてのレベルはそこまで高くないものの、実際のビジネスに活かせるスキルを効率的に身につける、という観点の試験です。

出題範囲

・統計の基本
〇統計の意義と役割
〇統計法規
統計法の基本的内容、統計法に関連する他の法規

・統計調査の実際
〇統計調査の基本的知識
統計気候と統計調査の流れ、調査企画の基本的事項
〇統計調査員の役割・業務

・公的統計の見方と判明
〇統計の見方
経済・社会統計の概要、各分野の統計
〇統計データの利活用
データの種類、データの可視化、度数分布とヒストグラム、代表値と散らばりの尺度、2変数の関係の分析、経済統計データの分析

勉強方法

統計調査士の勉強は、公式テキストを使用するのがおすすめです。模擬試験も入っているので、この一冊を網羅すれば合格レベルの知識が身につきます。問題集でも学習したい場合は、過去問を購入して解くのがおすすめです。

転職時や現場での評価

統計調査士を取得することで、一定の評価につながります。数学のレベルは高くないものの、実務に役立つ要素が多いからです。

統計検定 データサイエンス基礎(DS基礎)

DS基礎は2021年から試験が開始された新設の資格試験です。新設なので、今需要のある内容が含まれています。具体的には、ExcelやPythonなどのスキルを問われます。

出題範囲

・データベース・データマネジメント
〇データベースマネジメント
〇データマネジメント
・データの可視化
〇データの可視化
・質的データの分析
〇1変量の質的データの分析
〇2変量以上の質的データの分析
・量的データの分析
〇1変量の量的データの分析
〇2変量以上の質的・量的データの分析
・確率による意思決定
〇確率と確率分布
〇推定、検定
・時系列データの分析
〇時系列データの分析
・テキストマイニング
〇テキストマイニング

勉強方法

統計学の学習経験がある場合、いきなり過去問から入ることをおすすめします。未経験の場合は、「統計学基礎」や「統計学入門書」などのテキストで学習し、その後に過去問や問題集に入ってください。新設の試験なので教材が少ないのが難点ですが、出題範囲は上記の通りなので統計学の基礎的な内容が中心です。

転職時や現場での評価

新設の試験なので、業界内でも認識に差があるでしょう。認知されている場合は一定の評価を得られ、認知されていない場合も統計に関する一定の知識を持っている、という評価にはなるはずです。そのため、履歴書に資格を書くだけでなく、どのような内容を学んだのかをアピールすることが重要でしょう。

G検定

G検定はディープラーニングを事業に活かすための知識を保有しているかを確認するための試験です。技術者のための試験というよりは、技術をビジネス用途に利用する人のための資格試験です。

AI関連おすすめ資格(難易度:上級者向け)

AIエンジニアに関連のある難易度の高い資格試験を紹介します。

応用情報技術者試験

応用情報技術者試験は独立行政法人情報処理推進機構により運営される試験で、経済産業省によって認定される国家資格です。ITエンジニアとして実務経験を積み高度IT人材として活躍できるスキルと知識が必要となります。

出題範囲

・テクノロジ系
●基礎理論
〇基礎理論
離散数学、応用数学、情報に関する理論、通信に関する理論、計測・制御に関する理論
〇アルゴリズムとプログラミング
データ構造、アルゴリズム、プログラミング、プログラム言語、その他の言語
●コンピュータシステム
〇コンピュータ構成要素
プロセッサ、メモリ、バス、入出力デバイス、入出力装置
〇システム構成要素
システムの構成、システムの評価指標
〇ソフトウェア
オペレーティングシステム、ミドルウェア、ファイルシステム、開発ツール、オープンソースソフトウェア
〇ハードウェア
ハードウェア
●技術要素
〇ヒューマンインタフェース
ヒューマンインタフェース技術、インタフェース設計
〇マルチメディア
マルチメディア技術、マルチメディア応用
〇データベース
データベース方式、データベース設計、データ操作、トランザクション処理、データベース応用
〇ネットワーク
ネットワーク方式、データ通信と制御、通信プロトコル、ネットワーク管理、ネットワーク応用
〇セキュリティ
情報セキュリティ、情報セキュリティ管理、セキュリティ技術評価、情報セキュリティ対策、セキュリティ実装技術
●開発技術
〇システム開発技術
システム要件定義・ソフトウェア要件定義、設計、実装・構築、統合・テスト、導入・受入れ支援、保守・廃棄
〇ソフトウェア開発管理技術
開発プロセス・手法、知的財産適用管理、開発環境管理、構成管理・変更管理

・マネジメント系
●プロジェクトマネジメント
〇プロジェクトマネジメント
プロジェクトマネジメント、プロジェクトの統合、プロジェクトのステークホルダ、プロジェクトのスコープ、プロジェクトの資源、プロジェクトの時間、プロジェクトのコスト、プロジェクトのリスク、プロジェクトの品質、プロジェクトの調達、プロジェクトのコミュニケーション
●サービスマネジメント
〇サービスマネジメント
サービスマネジメント、サービスマネジメントシステムの計画及び運用、パフォーマンス評価及び改善、サービスの運用、ファシリティマネジメント
〇システム監査
システム監査、内部統制

・ストラテジ系
●システム戦略
〇システム戦略
情報システム戦略、業務プロセス、ソリューションビジネス、システム活用促進・評価
〇システム企画
システム化計画、要件定義、調達計画・実施
●経営戦略
〇経営戦略マネジメント
経営戦略手法、マーケティング、ビジネス戦略と目標・評価、経営管理システム
〇技術戦略マネジメント
技術開発戦略の立案、技術開発計画
〇ビジネスインダストリ
ビジネスシステム、エンジニアリングシステム、e-ビジネス、民生機器、産業機器
●企業と法務
〇企業活動
経営・組織論、OR・IE、会計・財務
〇法務
知的財産権、セキュリティ関連法規、労働関連・取引関連法規、その他の法律・ガイドライン・技術者倫理、標準化関連

勉強方法

試験対策用の書籍、Webサイト等を利用して学習しましょう。範囲が広く学習量も多いため、すきま時間を活用するなど計画的、継続的学習が必要となります。オンラインスクールを利用するのも一つの手段です。

転職時や現場での評価

AIに関わらず、ITエンジニアとして独力で職務を遂行できるレベルのスキルを持つ評価に繋がります。AI分野の資格とあわせることで、AIエンジニアとしてのベースとなる技術力を示せます。

データベーススペシャリスト試験

データベーススペシャリスト試験は独立行政法人情報処理推進機構により運営される試験で、経済産業省によって認定される国家資格です。データベースを専門分野とする高度なスキル・知識を持ったITエンジニア向けの資格です。AIではデータの活用が必須となるため、AIエンジニアにとっても関連深い資格となります。

出題範囲

・データベースの全体計画
〇全社データベースの計画
〇データ定義の標準化

・データベースの要件定義
〇現状調査と課題分析
〇作業範囲の確定
〇データベースの要件定義(初期要件)

・データベースの分析・設計
〇概念データモデルの作成
〇概念データモデルの検証
〇論理データモデルの作成
〇論理データモデルの検証

・データベースの実装・テスト
〇RDBMSの選定と導入
〇物理データベースの設計
〇実装
〇テストと移行

・データベースシステムの運用・管理
〇データベースシステムの運用・保守計画
〇データベースシステムの運用・保守
〇データベースシステムの管理
〇性能チューニング
〇利用者サポート

勉強方法

試験対策用の書籍、Webサイト等を利用して学習しましょう。実際にデータベースを構築して学習することで理解を深めることが可能です。効率的な学習に向けてオンラインスクールなどの利用も検討しましょう。

転職時や現場での評価

データベース技術に関する高度なスキル・知識を持つ評価が得られます。AIの分野では、データベースの活用は前提、基礎となるものであり、確実なバックグラウンドを示すことが可能です。

統計検定1級

統計検定1級は大学専門課程レベルの数学知識が求められます。統計検定の中では最難関の資格試験です。

出題範囲

・統計数理
●確率と確率変数
〇事象と確率
〇確率分布と母関数
〇分布の特性値
〇変数変換
〇極限定理と確率分布の近似
●種々の確率分布
〇離散型分布
〇連続型分布
〇標本分布
●統計的推測(推定)
〇母集団と標本・統計量
〇尤度と最尤推定
〇各種推定法
〇点推定量の性質
〇モデル評価基準
〇漸近的性質など
〇区間推定
●統計的推測(検定)
〇検定の基礎
〇検定法の導出
〇正規分布に関する検定
〇種々の検定法
●データ解析法の考え方と各種分析手法
〇分散分析
〇回帰分析
〇分割表の解析
〇ノンパラメトリック法
〇不完全データ
〇シミュレーション
〇ベイズ法

・統計応用
●共通した事項
〇研究の種類
〇標本調査法
〇実験計画法
〇重回帰分析
〇各種多変量解析法
〇確率過程
〇時系列解析
●人文科学分野
〇データの取得法
〇データの集計
〇多変量データ分析法
〇潜在構造モデル
〇テストの分析
●社会科学分野
〇調査の企画と実施
〇重回帰モデルとその周辺
〇計量モデル分析
〇時系列解析
〇パネル分析
〇経済指数
●理工学分野
〇多変量解析法
〇確率過程
〇線形推測
〇漸近理論
〇品質管理
〇実験計画
●医薬生物学分野
〇研究の種類
〇データ収集法
〇処置効果
〇効果の指標
〇カテゴリカルデータ解析
〇ノンパラメトリック法
〇交絡の調整
〇生存時間と繰り返し測定
〇検査の性能評価

勉強方法

すでに別の統計関連の資格を取得している場合、過去問から入るのがおすすめです。統計検定1級の公式サイトにも過去問が掲載されています。

転職時や現場での評価

統計検定1級は、統計関連の資格の中でも最難関の資格です。そのため、転職時にも現場でも高い評価を得られるでしょう。

統計検定 データサイエンス発展(DS発展)

DS発展は大学基礎課程レベルの数学知識が求められます。数学を基準に考えると、簿記検定だと2級相当のレベルに該当します。

出題範囲

・社会におけるデータ・AI 利活用
〇社会で起きている変化
〇社会で活用されているデータ
〇データ・AIの活用領域
〇データ・AI利活用のための技術
〇データ・AI利活用の現場
〇データ・AI利活用の最新動向
・データ・AI 利活用における留意事項
〇データ・AI を扱う上での留意事項
〇データを守る上での留意事項
・データリテラシー
〇データを読む
〇データを説明する
〇データを扱う
・数理基礎
〇線形代数
〇微分積分
〇数列
・デジタル情報とコンピュータの仕組み
〇デジタル情報
〇コンピュータの仕組み
・アルゴリズムの基礎
〇アルゴリズムの表現
〇アルゴリズムの構造
〇基本的なアルゴリズムの例
・データ構造とプログラミング基礎(主にPython)
〇データ構造
〇プログラミング基礎
・データハンドリング
〇代表的なデータ形式
〇その他のデータ形式
〇データベース
〇データクレンジング
〇データ加工
・データ取得とオープンデータ
〇日本や世界のオープンデータ
〇オープンデータの取得
〇統計法
・確率と確率分布
〇順列と組合せ
〇確率分布の概念
〇主要な確率分布
・統計的推測
〇統計的モデル
〇標本分布
〇点推定
〇仮説検定の考え方
・種々のデータ解析
〇時系列データ解析
〇テキスト解析
〇画像解析
・データ活用実践
〇教師あり学習
〇教師なし学習

勉強方法

DS発展に合格するためには、数学とPythonの基礎知識が必要です。そのため、勉強すべきポイントは現状の知識によって変わってきます。Pythonを含むプログラミング経験がない場合は、Pythonを通してプログラミングに使われるロジックの基礎を理解し、トレースできるようにしておくと良いです。

転職時や現場での評価

DS発展は実務レベルの知識が問われます。そのため、評価としても実務で使えるレベルのスキルを保有しているということになるでしょう。

統計検定 データサイエンスエキスパート(DSエキスパート)

DSエキスパートでは、大学専門課程レベルの数学知識が求められます。統計検定と比較すると、準1級、1級レベルに相当します。

出題範囲

・統計基礎
●確立と確率分布
〇確率分布、確率変数
〇主要な確率分布
〇確率変数の漸近的性質
●推測統計
〇標本分布
〇点推定、区間推定
〇汎用的な検定
〇種々の検定
〇多重比較
●ベイズ理論
〇事前分布・事後分布
〇ベイズ的仮説検定
●計算統計
〇ブートストラップ
〇サンプリング
〇モンテカルロ積分
・数学基礎
●線形代数
〇行列
〇データ記述と線形代数
〇固有値と固有ベクトル
〇n次元ユークリッド空間
〇数値計算と線形代数
●微積分
〇1変数関数の微分法
〇1変数関数の積分法
〇多変数関数の微分法
〇多変数関数の積分法
〇数値積分
●最適化
〇連続最適化
〇離散最適化
・計算基礎
●データ収集
〇デジタルデータ収集
●データ表現とデータ構造
〇データ表現
〇データ構造
●データベース
〇データベース
●アルゴリズムとプログラミング
〇アルゴリズム
〇プログラミング
・モデリング・AIと評価
●モデリング・AIによる課題解決
〇AIの歴史と応用お分野
〇モデル作成とデータ分析の進め方
●教師あり学習
〇線形回帰分析
〇質的回帰分析
〇判別分析
〇正則化法とモデル選択
〇決定木
〇ベイズ統計・モデリング
●教師なし学習
〇クラスター分析
〇主成分分析
〇カーネル密度推定
●時系列解析
〇時系列データの特徴
〇時系列モデル
●生存時間解析
〇生存時間データ
〇生存関数の推定
●質的データ解析
〇質的データの解析
●テキストデータ解析
〇テキストデータの数値化
〇テキスト分析
●モデルの評価
〇モデル評価指標
〇訓練データとテキストデータ
●因果推論
〇因果モデル
〇グラフィカルモデリング
●深層学習・ニューラルネットワーク
〇ニューラルネットワークの仕組み
〇ニューラルネットワークモデル
〇深層生成モデル
●AIとロボット
〇AIとロボット
●AIの構築・運用
〇AIの構築・運用

勉強方法

DSエキスパートに合格するためには、用語の理解、プログラミングの理解、統計の理解、数学の理解が必要です。つまり、現状どこを苦手としているのかによって勉強方法は変わってきます。統計に関しては、統計検定3級の問題が解ければ対応できます。

転職時や現場での評価

DSエキスパートを取得することで、統計、プログラミング、数学のスキルを証明できます。資格難易度としてもある程度のレベルなので、実務で役立つという一定の評価を得られます。

E資格

E資格はディープラーニングに関する知識や技術が問われる、エンジニア向けの資格です。よく似た資格にG検定がありますが、G検定はエンジニアではなくAIに携わる人材向けの資格です。つまり、専門性としてはE資格の方が上です。

AI関連でメジャーな2つの資格

国内のAIエンジニア向けの資格の中でも、知名度が高いのが一般社団法人日本ディープラーニング協会(JDLA)の運営する資格試験です。G検定とE資格があり、その概要について紹介します。

G検定

G検定は日本ディープラーニング協会が実施する試験です。Gは「ジェネラリスト」を意味しており、AIの全般的な知識を持つことを認定します。AIをビジネスに活用する立場の人に向けた資格です。

ディープラーニングの基礎知識、事業活用するための知識とスキルを有していることが問われます。試験時間は120分で多肢選択式220問、費用は一般:13,200円(税抜)、学生:5,500円(税抜)です。試験はオンラインで実施(自宅受験)されます。

出題範囲

・人工知能(AI)とは(人工知能の定義)

・人工知能をめぐる動向
探索・推論、知識表現、機械学習、深層学習

・人工知能分野の問題
トイプロブレム、フレーム問題、弱いAI、強いAI、身体性、シンボルグラウンディング問題、特徴量設計、チューリングテスト、シンギュラリティ

・機械学習の具体的手法
代表的な手法(教師あり学習、教師なし学習、強化学習)、データの扱い、評価指標

・ディープラーニングの概要
ニューラルネットワークとディープラーニング、既存のニューラルネットワークにおける問題、ディープラーニングのアプローチ、CPU と GPU、ディープラーニングのデータ量、活性化関数、学習率の最適化、更なるテクニック

・ディープラーニングの手法
CNN、深層生成モデル、画像認識分野での応用、音声処理と自然言語処理分野、RNN、深層強化学習,ロボティクス ,マルチモーダル、モデルの解釈性とその対応

・ディープラーニングの社会実装に向けて
AIプロジェクトの計画、データ収集、加工・分析・学習、実装・運用・評価、法律(個人情報保護法・著作権法・不正競争防止法・特許法)、契約、倫理、現行の議論(プライバシー、バイアス、透明性、アカウンタビリティ、ELSI、XAI、ディープフェイク、ダイバーシティ)

難易度

AIをビジネス活用するために基礎知識を広く問う出題内容となっており、IT系資格試験の中では比較的易しいレベルの難易度と言えます。2021年第3回G検定では7,399名が受験し、4,769名が合格しており、受験者の合格率は64%でした。

勉強方法

G検定用の書籍が出版されているため、独学でもこれらを活用した勉強が可能です。また、G検定用の各種オンライン講座を活用することで、効率的に合格に必要な知識を習得できます。

転職時や現場での評価

AIは特殊な分野であるため、知識・スキルの有無で評価の差が出ます。G検定の資格はAI全般に関する基礎的な知識・スキルを有している証明になり、最低限AIを理解しているという認識をされます。ただし、現場ではAIを実装できる手前の基礎知識を有しているという評価で、AIエンジニアとしてのスキルを示すには至りません。

E資格

E資格はG検定同様、JDLAが実施する試験です。Eは「エンジニア」を意味しており、エンジニアをターゲットとしています。G検定の出題範囲の知識に加えて、実際にAIを実装する能力までが必要です。

ディープラーニングの理論を理解し、現場で実際の事業に活用する知識・スキルを有しているかを検定する試験です。試験時間は120分で多肢選択式100問、費用は一般:33,000円(税抜)、学生:5,500円(税抜)、会員:27,500円(税抜)です。

出題範囲

・応用数学
確率・統計、情報理論

・機械学習
機械学習の基礎、実用的な方法論、強化学習

・深層学習
順伝播型ネットワーク、深層モデルのための正則化、深層モデルのための最適化、畳み込みネットワーク、回帰結合型ニューラルネットワークと再帰的ネットワーク、生成モデル、深層強化学習、グラフニューラルネットワーク、深層学習の適用方法、距離学習、メタ学習、深層学習の説明性

・開発・運用環境
ミドルウェア、エッジコンピューティング、分散処理、アクセラレータ、環境構築

難易度

数学の範囲や機械学習の理論、開発スキルまでが問われるため難易度は高いです。受験者における合格率は70%前後ですが、受験者数そのものが1,170人(2021 #2)とG検定の5分の1程度で、難関試験であるという認識が一般的です。

勉強方法

受験するためには、協会が認定したプログラムを終了することが条件になっています。認定プログラム15種類の中のいずれか一つの受講が必要です。公式サイトに掲載されている推薦書籍を用いた学習がおすすめです。また、E資格本番模試(オンライン)を提供しているサービスが存在しているため、受験前に活用すると効果的でしょう。

転職時や現場での評価

E資格は、AIに関する知識・スキルに加え、事業への活用、実装など実務能力まで問われる資格です。現場でもAIエンジニアとして活躍可能な人物であるという評価につながります。

関連記事:E資格の難易度、試験内容、受験条件を徹底解説

参考:海外の主要なAI資格一覧

AI関連の資格は国内だけでなく、海外にも複数あります。またアメリカを中心に日本よりもAIの推進が進んでおり、その結果資格試験の内容も充実しています。英語で受験することになるので英語力が必須ですが、取得できれば国内でも評価につながります。

Microsoft Certified: Azure AI Engineer Associate

主催はMicrosoftで、Microsoft Certified: Azure AI Fundamentalsの上位資格です。内容は、MicrosoftのクラウドサービスであるAzureにAIを実装するスキルを問うものです。そのため、業務でAzureを使う予定のある方に取得メリットの大きい資格です。

Machine Learning with TensorFlow on Google Cloud Platform Specialization

主催はGoogleで、世界最高水準の大学や企業が実施するCourseraで提供されている機械学習のコースです。Google Cloud Platform(GCP)でGoogleが開発した機械学習に用いるためのソフトウェアライブラリであるTensorflowを実装しながらニューラルネットワークの理論から実装までを学びます。

Machine Learning Stanford Online

主催はスタンフォード大学です。スタンフォード大学が提供しているオンラインコースで、近年のアプリケーション開発に触れながら、機械学習と統計的パターン認識について幅広く学習します。

IBM AI Engineering Professional Certificate

主催はIBMです。世界最高水準の大学や企業が実施するCourseraで提供されるIBMのAIエンジニアプロフェッショナル認定です。Pythonを使用して機械学習の概念からディープラーニングまでを幅広く学習します。6つのコースを修了することで、証明書が授与されます。

海外のAI資格を取得するメリット

海外のAI資格は英語で実施されていて、資格取得を通して英語で専門知識を理解できるようになります。これはIT業界において重要なスキルです。技術に関する最新情報は、多くの場合最初に英語で発信されます。特にAIは最新情報が多い状況なので、英語で情報収集できるスキルは役立ちます。企業からの評価にもつながるでしょう。

AI関連の職種一覧

AI関連の資格を取得することで、AI関連の職種に転職しやすくなります。では具体的にどのような職種があるのか、ご紹介します。

AIエンジニア

AIエンジニアとは、AIの主な技術である機械学習やディープラーニングなどの開発に携わる技術者のことです。AIを使ったシステムの開発や、データの解析などを行います。AIシステムを開発することにより、従来はできなかった業務の予測や判断などを可能にします。

関連記事:AIエンジニアとは?仕事内容ややりがい、キャリアパスを解説

データアナリスト、データサイエンティスト

データアナリストとは、企業のデータベースに蓄積される大量のユーザーデータや業務システムの実績などを集計・分析することで、ユーザーの行動や将来のニーズなどを解析・予測し、自社やクライアントが抱える課題の解決を支援するデータ分析の専門家です。

データサイエンティストも同様に、データベースを集計・分析し、クライアントが抱える問題の解決を図る職種です。

つまりデータアナリストとデータサイエンティストは名称が異なるだけで概ね同じ職種と言えるでしょう。企業によって呼び方が異なる程度と考えると良いです。

関連記事:
データアナリストとは?仕事内容や必要なスキル、向いてる人など
データサイエンティストとは?役割や必要なスキルを解説

データアーキテクト

データアーキテクトは、データ分析をしやすくするための設計を行う職種です。データエンジニアはデータ分析のためのシステムを構築する職種、データアナリスト・データサイエンティストはデータを分析する職種、データアーキテクトはデータ分析のツールや方法を設計する職種という区分になります。

AIプランナー

AIプランナーはAIを活用してプロジェクトを進行する役割を担います。実際に手を動かして開発をするのではなく、クライアントと開発者の間に入って調整します。必要の情報をヒアリングして、書類を作成する業務や、適切なコミュニケーションを取る業務が中心です。

AIプロデューサー

AIプロデューサーはAI導入の際に、様々な関連部署との調整を行う役割を担います。プロジェクトをまとめるという点では、AIプランナーとほぼ同義です。企業によって呼び方が異なる程度に違いになります。

まとめ

AI、機械学習、ディープラーニングなどを事業に活用するために、設計、開発を行うことがAIエンジニアの業務です。AIエンジニアには、一般的なITエンジニアに必要とされる開発スキルに加えて、AIに関する知見・実装のための専門的スキルが必要となります。

AIエンジニアを目指す場合、AIエンジニアがキャリアアップを目指す場合には、AIに関する資格の取得が有効です。資格の保有により一定の知識・スキルを保証できることと、資格取得のための学習により網羅的、体系的にAIに関連する知識を得られることが大きなメリットとなります。

ITエンジニアの転職ならレバテックキャリア

レバテックキャリアはIT・Web業界のエンジニア職を専門とする転職エージェントです。最新の技術情報や業界動向に精通したキャリアアドバイザーが、年収・技術志向・今後のキャリアパス・ワークライフバランスなど、一人ひとりの希望に寄り添いながら転職活動をサポートします。一般公開されていない大手企業や優良企業の非公開求人も多数保有していますので、まずは一度カウンセリングでお話してみませんか?(オンラインでも可能です)

転職支援サービスに申し込む

また、「初めての転職で、何から始めていいかわからない」「まだ転職するかどうか迷っている」など、転職活動に何らかの不安を抱えている方には、無料の個別相談会も実施しています。キャリアアドバイザーが一対一で、これからのあなたのキャリアを一緒に考えます。お気軽にご相談ください。

「個別相談会」に申し込む

レバテックキャリアのサービスについて

プロのアドバイザーがあなたのお悩みや疑問にお答えします

- 転職個別相談会開催中 -

相談内容を選択してください

※転職活動や求人への応募を強制することはありません

人気の求人特集

内定率が高い

関連する記事

人気の記事

スキルアップ記事トップへ

データサイエンティストの求人・転職一覧