キャリア

2019/06/19

AI(人工知能)の資格・検定試験まとめ~受験対策、難易度、過去問、転職・就職でのメリット

AI(人工知能)の資格・検定試験まとめ~受験対策、難易度、過去問、転職・就職でのメリット

機械学習やディープラーニングなどAI(人工知能)技術の発展に伴い、先端技術の研究開発やビジネスへの適用を担うAIエンジニアやデータサイエンティストといった職業が脚光を浴びています。それらAI職種を目指し資格取得に向けた勉強をしている方も多いのではないでしょうか。

そんなAIエンジニアになるのにまず必要とされるのは実務経験です。データマイニングや統計解析を実務で活用したことのあるエンジニアであれば、比較的スムーズにAI領域へとキャリアチェンジが可能です。

もちろん、実務未経験からAI職種を目指すことも可能です。しかしながら、そのためには企業の選考を突破し、就職する必要があります。なかでもエンジニア・コンサルタントなど専門職への転職では、実務経験はなくとも仕事をするうえで最低限必要な知識とスキルをみにつける必要があるでしょう。

また、AIエンジニアやデータサイエンティストはあくまで肩書のため、自分で名乗ってしまうことができスキルレベルに偏りが生まれています。弁護士は司法試験に合格しないと弁護士を名乗れませんが、AIエンジニアに資格は必要ありません。

とはいえ、AIエンジニアを名乗る以上、知っておくべきことや持っておくべきスキルがあります。 そのスキルレベルの証明として、資格が有効です。

また、AIに関する資格や検定試験は様々です。どの資格を取得すればよいかと迷うこともあるでしょう。今回の記事では、

  • どんな職種の人が受ける必要があるの?
  • 資格を取ったり合格するとどんなメリットがあるの?
  • 取得難易度や試験対策はどうなってるの?

などなど様々な疑問にお答えしながら、AIに関する資格を取得するメリットや受験対象者を解説するとともに、試験の概要、過去問、勉強におすすめの書籍などを紹介します。

AIに関連する資格・検定試験

AIに関する資格は、実施が予定されているものを含めて4つあります。

  1. G検定(ジェネラリスト向け)
  2. E資格(エンジニア向け)
  3. Python3エンジニア認定データ分析試験 ※2019年夏開始予定。
  4. 画像処理エンジニア検定

他のプロブラミング資格と比較して、現在では数も実績も少ないものの、非常に注目されている技術であることからAI関連の資格は今後も増えていくことが予想されます。

それぞれ資格の詳細を確認しながら、自分のスキルや方向性に最適な資格を選択して、受験対策を進めましょう。

G検定(ジェネラリスト向け)

一般社団法人日本ディープラーニング協会(JDLA)が提供する「G検定(JDLA Deep Learning for GENRAL)」は、2017年12月に始まった資格検定です。AI技術の一部であるデイープラーニング(深層学習)を事業に生かすための知識をはかる試験のためエンジニアのほか、セールスやマーケティング、企画職などの受験者もいます。

自宅からも受験可能なオンライン試験となっており、学生から社会人までAIに関する基本的な項目を問う試験となっています。

そんなG検定について、気になる難易度や出題範囲、過去問や受験料などをご紹介していきます。

公式サイト: http://www.jdla.org/business/certificate/#education

受験対象者

エンジニアのほか、ディープラーニングを事業に活用するための様々な職種のビジネスパーソンを対象としています。

検定試験開催スケジュール

2019年は合計3回開催予定です。 すでに3月の試験は終了しておりますが、7月に実施されるため、いまから試験対策を進めていきましょう。

  • 2019年3月9日  終了
  • 2019年7月6日  受付期限は6月末頃予定
  • 2019年11月9日

検定試験受験料金

受験料は下記記載の料金となります。

一般 12,960円(税込) 学生 5,400円(税込)

難易度

参考の合格率ですが、合格率57.1% (合格者数1,136名 / 受験者数1,988名) と半分以上が合格しています。

一問ごとの難易度はそこまで高くありませんが、出題範囲が広いため、一夜漬けで合格できるようなものではなさそうです。

また、必要回答数が選択式で200問近くあるにもかかわらず、 試験時間が2時間のため、1問あたり30〜40秒で回答する必要があります。

その気になれば、参考書片手に受けても良いですが、一問あたりの持ち時間が30秒であることを考えると、参考書で調べている暇などありません。

出題範囲

出題範囲は、人工知能の技術的動向や、ディープラーニングの手法、さらには法務や倫理など広範囲に及びます。

出題範囲を踏まえて、試験対策の勉強を進めていきましょう。

<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
  • 人工知能分野の問題
  • 機械学習の具体的手法
  • ディープラーニングの概要
  • ディープラーニングの手法
  • ディープラーニングの研究分野
  • ディープラーニングの応用に向けて

過去問(出題例)

試験対策の時には、過去問題を見ながら、どういった問題なのか模擬体験することが大切です。 どういったパターンの問題が多いのか把握するためにも、事前に目を通しておいて損はありません。
【過去問参考①】 国際的な画像認識コンペティション“ILSVRC2012”について、正しいものをすべて選べ。
  • 画像認識は、2017年現在でディープラーニングが最も高い精度を実現できるタスクである。
  • ImageNetとは、手書き文字認識のためのデータセットである。
  • 優勝チームはトロント大学のジェフリー・ヒントン教授率いるSuperVisionである。
  • このコンペティションであげられた成果は、「人工知能研究50年来のブレイク・スルー」と称された。
引用元:一般社団法人 日本ディープラーニング協会 人工知能をめぐる動向:例題
【過去問参考②】 あるニューラルネットワークのモデルを学習させた際、テストデータに対する誤差を観測していた。 そのとき、学習回数が100を超えるまでは誤差が順調に下がり続けていたが、それ以降は誤差が徐々に増えるようになってしまった。その理由として最も適切なものを1つ選べ。
  1. 学習回数が増えるほど、誤差関数の値が更新されにくくなるため。
  2. 学習回数が増えるほど、学習データにのみ最適化されるようになってしまうため。
  3. 学習回数が増えるほど、一度に更新しなければならないパラメータの数が増えていくため。
  4. 学習回数が増えるほど、計算処理にかかる時間が増えてしまうため。
転載:一般社団法人 日本ディープラーニング協会 ディープラーニングの概要:例題

過去問を解いて、間違えた部分に関して復習するという学習の流れで進めていくことで効率的に、勉強できるでしょう。

おすすめ書籍

  • 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

また、過去問だけでは、問題に限りがあるので、日本ディープラーニング協会が執筆した公式テキストで試験対策のために勉強することをおすすめします。

この公式テキストは、最新シラバス「JDLA Deep Learning for GENRAL 2018」に完全準拠しており、練習問題もついているため試験対策に必須の一冊です。

過去問前に公式テキストで知識を取り入れてから、過去問に取り組むことで効果が倍増するので、試験合格率を上げたい人は必ず、公式テキストで勉強しましょう。

取得した人の感想

G検定資格を取得した人の感想を見ていると、会社の事業転換でAIについて学習している会社員の方や、数学に強い高校生が受験し取得していることも見受けられます。

年代問わず、幅広い層がAIに興味を寄せ、G検定を受けていることがわかりますね。

▼印刷業・システムコンサルタント 50代 Iさん 会社の事業モデルをAI志向へ切り替えるにあたり、自らもシステムエンジニア/コンサルタントからAIコンサルタントへシフトすべく、人工知能関連技術に関してはゼロベースの状態から勉強を始めました。 Deep Learningの発想、アイデアはどれも興味深く楽しく学べました。またG検定対策のおかげで基礎から網羅的に学ぶことができました。弊社では現在G検定合格者3名、全社的な取り組みとして推進しており、その効果として社内の一部ではAI用語も通じるようになりつつあります。 ▼高校生 10代 Sさん 著名な数学者 ジョン・E・リトルウッドは、下記の内容を述べています。『試験はほんとうの数学ではなく、次の段階に進むために勝たなければならない技巧的なゲームに過ぎない』と、今回のG検定はまさしく上記の内容に合致して、真のAIエンジニアの素養および本質を問うテストとは言い難いと思いましたが、深層学習へのかなり入門的な試験だと思うので、初めのステップとしてはいいかもしれません。大学卒業以上の多変数の微分積分、微分方程式、線形代数が理解できていれば、余裕です。 転載:https://www.jdla.org/business/certificate/?id=certificate_No03

E資格(エンジニア向け)

日本ディープラーニング協会(JDLA)が提供する資格には、G検定の他にE資格(JDLA Deep Learning for ENGINEER)があります。G検定では誰でも受験可能でしたが、E資格は受験資格が必要です。

前もって、日本ディープラーニング協会が認定するプログラムへの参加・修了が必須です。JDLA認定プログラムでは、AI構築の演習がカリキュラムに加えられているため、エンジニアやプログラミング経験者向けの資格といえるでしょう。

講座受講の形式は、ハンズオンのものもあれば、オンラインのものもあり、いずれのプログラムもAIの構築まで行います。

そして、E資格の試験ですが、こちらはG検定と異なり、会場で行われます。

こちらも選択式ですが、G検定に比べて難易度は非常に高いです。

受験対象者

こちらは、システムエンジニア・プログラマーなどの技術職をメインとした資格試験となります。

検定試験開催スケジュール

2019年は合計2回開催予定です。

すでに2月の試験は終了しておりますので、今年受験したい方は8月の試験に申し込みしましょう。

まだディープラーニング協会のプログラムを受講していない方は、早めに受講しておきましょう。

  • 2019年2月23日  終了
  • 2019年8月31日  受付期限は8月20日頃予定

検定試験受験料金

受験料は下記記載の料金となります。

一般 32,400円(税込) 学生 5,400円(税込)

難易度

こちらも選択式の試験ですが、G検定と比べると圧倒的に難しくなります。 参考にE資格の過去合格率をみてみると、

合格率69.4% (合格者数234名 / 受験者数337名) とG検定に比べて、合格率が高い結果となりました。

難易度は高いものの、事前に講習を受ける必要があるので、試験対策をしっかり行ってから受験する方が多いため、合格率が高くなっているのでしょう。

年齢層は幅広く10代から60代に渡ります。業種では、ソフトウェア業と情報処理・提供サービス業、製造業、サービス業、金融・保健、不動産業、医療福祉、学生など幅広い業種の方がE資格合格を目指し、試験を受けています。

【年代別の申込者数】
年代 申込者数 全体の割合
10代 2 0.5%
20代 140 36.2%
30代 127 32.8%
40代 85 22.0%
50代 26 6.7%
60代 7 1.8%
合計 387
【役職別の受験者数】
役職 受験者数 全体の割合
一般社員級 207 53.5%
主任・係長級 72 18.6%
課長級 33 8.5%
部長級 12 3.1%
役員・経営者 16 4.1%
学生 29 7.5%
無職・その他 18 4.7%
転載:「E資格(エンジニア)2019 #1」結果発表

出題範囲

G検定はコンサルタントや上流エンジニア向けとして概念的な出題傾向でしたが、E資格ではエンジニアや研究・分析職向けに、テクニカルなディープラーニングの実装に関する問題が出題されます。

例えば、R-CNNの違いに関する知識を問う内容や、数式、Pythonのコード記述の穴埋め問題などです。出題範囲は幅広く、深層学習だけでなく、機械学習、強化学習も範囲に含まれます。そのため、G検定に比べると非常に難易度があがります。

<出題範囲> 応用数学 -線形代数 -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 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 -強化学習 転載:JDLA Deep Learning for ENGINEER 2019 #1

おすすめ書籍

E資格合格へ向けて、AIに関する知見を広げるためには、JDLAのプログラムの受講だけでなく、書籍を読むという自学習も必要となってきます。

今回は、オススメの書籍を3冊、ご紹介いたします。

  1. ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 フレームワークを利用しない方法で、Pythonでのディープラーニングの実装を解説した書籍です。読みやすい内容のため、ディープラーニングの入門におすすめです。
  2. ゼロから作るDeep Learning 2 ―自然言語処理編 上記「ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装」の2作目です。自然言語処理や時系列データ処理にフォーカスした内容の本です。
  3. 深層学習 機械学習、深層学習の権威 Ian Goodfellow氏による書籍の翻訳版です。コードの記述がなく理論や概念に関する内容を中心に、基礎から応用まで丁寧に記述されています。JDLAの参考図書にも指定されています。

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、一般社団法人Pythonエンジニア育成推進協会が実施しているPythonに関する試験です。

2019年夏から開始する予定で、現在ベータ試験を予定しています。

業界にPythonicを理解したエンジニアが増えること、また、新たにデータ分析の業務に携わるエンジニアが増える中、当試験を学習過程での目標として理解度向上の指標になることをを目的として、資格整備が進んでいます。

受験対象者

Pythonを活用してデータ分析を行うエンジニア、データサイエンティストがメインの受講対象者となります。

検定試験開催スケジュール

2019年夏に第一回目を予定しておりますが、その後のスケジュールは未定です。

  • 2019年夏頃   第一回目開催予定

検定試験受験料金

受験料は下記記載の料金を予定しています

一般 10,800円(税込) 学生 5,400円(税込)

難易度

まだ実施されていない試験のため、難易度は不明ですが、 公式サイトによると正答率70%を合格の基準としているようです。

問題数が40問なので、28問以上正解で合格になります。

問題の内容にもよりますが、全て選択式であることを考えると、70%は難易度として高い基準ではないでしょう。

おすすめ書籍

資格の対策書籍として、公式サイトで紹介されています。 2018年9月19日発売予定(税込2,678円) 「Pythonによるあたらしいデータ分析の教科書」(翔泳社) 著者:寺田 学、辻 真吾、鈴木 たかのり、福島 真太朗(敬称略)

出題範囲

出題範囲は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」の下記範囲から出題されるようです。

問題数 問題割合
1 データエンジニアの役割 2 5.00%
2 Pythonと環境
1 実行環境構築 1 2.50%
2 Pythonの基礎 3 7.50%
3 Jupyter Notebook 1 2.50%
1 数式を読むための基礎知識 1 2.50%
2 線形代数 2 5.00%
3 基礎解析 1 2.50%
4 確率と統計 2 5.00%
4 ライブラリによる分析実践
1 NumPy 6 15.00%
2 pandas 7 17.50%
3 Matplotlib 6 15.00%
4 scikit-learn 8 20.00%
5 応用: データ収集と加工 0 0.00%
転載:一般社団法人Pythonエンジニア育成推進協会 データ分析試験

書籍を購入し、読み込んでいくことで試験対策を進めるしかなさそうです。 ライブラリによる分析実践の問題比率が高いため、特に読み込んで対策をしましょう。

画像処理エンジニア検定

CG-ARTS協会(公益財団法人画像情報教育振興協会)が実施しているエンジニアが画像処理技術を用いて開発、設計するときに求められるスキルを評価する試験です。

7月の前期、11月の後期と1年に2回受験することができます。

問題はマークシートの選択問題のみで、情報処理技術者試験のような記述式の問題はありません。

検定としては以下の2種類の検定があります。

  • ベーシック
  • エキスパート

ベーシックが画像処理の基礎知識のみを図る検定であるのに対し、エキスパートは専門知識の理解と応用をする能力が図られるので、エキスパートの方が難易度が高いです。

出題範囲もエキスパートの方が広く、知識をより多く身につけておかなければ合格できません。 なお、今までの試験と異なり、ディープラーニングについては出題範囲ではないので、お気をつけください。

受験対象者

映像通信・コンピュータ周辺機器・ロボットビジョン・製品検査・医療応用・印刷等に携わるエンジニア・プログラマ・開発・研究者をメインの対象としています。

難易度

合格に必要な点数は、ベーシック、エキスパートともに70点以上(100点満点)です。

気になる2018年後期の合格率ですが、以下のような数値になります。

  • ベーシック  68.3%  (合格者数291名 / 受験者数426名)
  • エキスパート 40.4%  (合格者数168名 / 受験者数415名)
引用元:CG-ARTS:検定試験 応募者数と合格率

2010年から始まった資格試験ですが、ベーシックはおおよそ60~70%、エキスパートは20~40%の間で合格率が推移しています。

両試験とも、そこまで合格率が低いわけではありませんが、全く対策なしで合格できるというような試験ではありません。

数式やアルゴリズムを理解しているレベルまで求められるので、数学が苦手な人にとっては、最低でも行列だけでも基本的なことはあらかじめ勉強しておいた方がいいでしょう。

出題範囲

様々な分野の画像系ソフトウェア、システム開発に関する知識を問う設問が以下の範囲から出題されます。

基礎 デジタルカメラモデル、デジタル画像、知覚、画像処理
画像信号処理 デジタル画像の撮影、画像の性質と色空間、画素ごとの濃淡変換、フィルタリング処理、画像の復元と生成、幾何学的変換
パターン認識・計測 2値化、領域処理、パターンの検出、特徴点検出、パターン認識
メディア処理・符号化 移動物体検出、動画像処理、3次元空間情報の取得と利用、光学的解析とシーンの復元、画像符号化
画像処理システム 応用、ハードウェアと周辺機器、システム、規格
知的財産権 知的財産権
引用元:https://www.cgarts.or.jp/kentei/about/img_engineer/index.html

過去問(出題例)

2017年後期 ベーシック試験の過去問題サンプルになります。 このときはパターン認識に関する問題がありました。

以下は、パターン認識に関する問題である、□に最も適するものを解答群から選び、記号で答えよ。 画像から抽出した色や形状などの情報を用いて画像を識別する処理を,パターン認識とよぶ。図1(1)~(4)は,りんご,バナナ,かぼす,ぶどうの4つの果物のRGBカラー画像である。これらのRGBカラー画像の背景部分を除いた果物の領域について,赤色の度合いと緑色の度合いを、赤と緑の画素値をそれぞれ横軸と縦軸にとった2次元空間に配慮すると,図1(2)のバナナに対応する領域は,図2の□である。 引用元:2017年後期 ベーシック試験の過去問題サンプル

取得した人の感想

CG-ARTS 画像処理エンジニア検定の公式サイトには、検定を取得した方の声が掲載されています。

▼画像処理エンジニア検定 エキスパート 河村さん 画像処理で、社会を変えていきたい 以前は、半導体デバイスの研究開発を行っていたのですが、社会システムに関わりたいと考えいまの会社に転職しました。ハードウェアの開発設計の業務を経て、画像を扱う部署に配属されましたが、画像処理はゼロからのスタートでした。検定の受験が、業務に必要な画像処理の基礎を学ぶ絶好の機会と考え、仕事終わりや、通勤、出張の移動時間にテキストと問題集を2ヶ月間読み込み受験に臨みました。受験勉強を通して、業務に必要な基礎的な知識が網羅的に得られたと思っています。周りで話していることがテキストに書いてあるあのことだ!とわかるようになったことはとても大きいですね。 技術は日進月歩なので、競争が激しい…。何もしなければすぐに追い抜かれてしまう。だからスキルを高めることに日々精進しています。社会を変えるというと大げさですが、社会全体に貢献できる仕事をしていきたいと思っています。またそれを実現する一つの手段が、画像処理だと感じています。 転載:CG-ARTS:企業の声

おすすめ書籍

画像処理エンジニア検定が公式としている参考書は、画像処理について非常に良くまとまった形で解説されているので、基礎をしっかり身につけたいという方におすすめです。

ぜひ対策用書籍として購入し、ご活用ください。

  • ディジタル画像処理 【改訂新版】 画像処理の基礎理論から手法、アルゴリズム、各分野での応用事例まで盛り込んだ専門書。サンプルイメージを数多く使った構成で、さまざまな画像処理をわかり易く解説しています。 ※画像処理エンジニア検定エキスパート対応
  • ビジュアル情報処理 -CG・画像処理入門- 【改訂新版】 今まで別々に扱われてきたCGと画像処理の基礎をまとめた新しい視点の入門書。 豊富な図版、使いやすい傍注など、初心者にもわかり易い工夫が特徴です。 ※画像処理エンジニア検定ベーシック対応
  • 画像処理エンジニア検定エキスパート・ベーシック公式問題集 【改訂第三版】 過去に出題された問題などを練習問題として再編。 エキスパート5回分、ベーシック3回分を掲載した実践形式の問題集です。 解説・解答が別冊となっているので答え合わせも効率良くできます。 ※画像処理エンジニア検定エキスパート・ベーシック対応

AI系の資格取得・検定試験に挑戦する際のポイント

AIに関する資格に関わらず、資格取得を目指すにあたって重要なポイントがあります。

そのポイントをおさえずに走り出してしまうと、途中で挫折する可能性が高くなります。

では、そのポイントとはなんでしょうか。

それは資格取得の「目的」を明確にすることです。 なぜ目的の明確化が重要かについて、簡単にご説明します。

目的を明確にする

資格を目指す際に一番大切なことは、資格を取る目的を明確にすることです。

それはつまり、

  • どんな自分になりたいから資格を目指すのか
  • 資格を取ってそれをどのように活用していくのか
  • 資格を取ることは本当に必要なのか

といったことを明らかにすることです。

資格を目指すこと自体は、すばらしいことですが、

  • 何のためにそれをやるのか
  • 資格を取ったらどのように活かすのか

そこが明確でないと、ちょっとしたことで挫折してしまいます。

例えば、

  • AIに関する資格に合格し、転職しよう
  • AIの学習を進めて、人工知能の開発を目指そう
  • AIに詳しくなることで、エンジニアと経営陣との橋渡しになろう

といった目的を掲げて、資格取得のために勉強することでモチベーションは強固になり、継続的に学習ができるのです。

今一度、なぜ資格取得を目指すのか考えてから、それぞれの試験で必要な分野の学習に入っていきましょう。

統計や数学を勉強する

AIに関する資格取得を目指す上で、ほとんどの書籍や学習コンテンツは、数式を用いた説明があるため、数学に苦手意識をもつ方にとって、難解なものと感じるかもしれません。

ただ、AIについて学ぶ中で、数学や統計の理解なく進めていくことは、日本語を覚えずに本を読もうとするようなものです。

そのため、AIに関して学習する前に、まずは、数学と統計の学習をしましょう。

学ぶ範囲としては、微分・線形代数、確率・統計、情報理論、最適化、ベイズ推論のための確率・統計、多変量解析あたりを学習しましょう。

独学が難しいと感じたかたは、スクールに通い、基礎数学講座を受けることをおすすめします。

機械学習・ディープラーニングを学ぶ

数学や統計の学習にくわえて、機械学習やディープラーニングについて学習しましょう。

教師あり学習と教師なし学習や単回帰、重回帰分析、ロジスティック回帰など学習していきましょう。

こちらも独学が難しいと感じた方は、スクールにいきましょう。

Pythonを勉強する

人工知能開発に欠かせないプログラム言語である、Pythonも勉強する必要があります。

基礎構文はもちろん、NumPy、Pandas、Matplotlib、scikit-learn、TensorFlowやKerasなどの便利なライブラリについても一通り、学習しておきましょう。

こちらも独学が難しいかなと感じた方はスクールに通われることをおすすめします。

AIの資格が役に立つ職業

AIの資格が役に立つ職業

ここでは、AIの資格取得が役立つ職業を紹介します。中途採用やフリーランスとして働く場合、資格取得よりも実務経験が重視されることは前提として認識しておきましょう。ただし、未経験からAIエンジニアを目指す場合は、自ら学ぶ姿勢の証明として資格取得が評価される場合もあります。

もし、いまあなたがこれからお伝えする職業を目指す場合、資格取得を積極的に検討しても良いのではないでしょうか。

コンサルタント・プロジェクトマネージャー

AIの資格は、自社でAIを開発する企業ではたらくITエンジニアのほか、特定業務の効率化や高度化のために企業へのAI導入を支援するSIerやコンサルティングファームなどでも役立ちます。

それら導入支援を行う企業の場合、クライアント側で、AIに関する理解が薄く、実際問題として、導入顧客のために要件定義から関わったり、運用設計を丸投げされてしまう案件も多いです。コンサルタントやプロジェクトマネージャー(PM)の立場でAI全般の広い知識を学ぼうとする取得者も多いようです。

機械学習エンジニア

二つ目の職種としては、機械学習エンジニアと呼ばれるAIの開発や保守・運用に関わるエンジニア職があげられます。自社で機械学習を行ったり、ウェブサービスを運営する企業のほか、AIの支援会社で活躍します。

機械学習エンジニアは、ITエンジニアとしてソースコードが読める・書けるという技能はもちろん、AIを動かすために必要な理論や統計モデルを理解していなければ、仕事になりません。その根拠として資格が役立つでしょう。

データサイエンティスト

三つ目の職種としてはデータサイエンティストです。

データサイエンティストは、ビックデータから法則を見つけ出し、企業の意思決定やマーケティングに生かせるナレッジを提供することを生業としています。統計その法則性を見つけ出すために、機械学習・AIというツールを使います。

データサイエンティストを目指す場合に、AIの資格取得のほかKaggleに挑戦するエンジニア、データアナリストも多いです。

データアナリスト

最後にデータアナリストを紹介します。データアナリストとは、簡単に言えばデータを分析することを専門に行っている人のことです。

データサイエンティストに似ていますが、データアナリストはデータ処理や現状分析から課題解決の手段を提案することに重きを置いています。

データ分析を行う際に、Pythonや機械学習を使用するケースが増えており資格受験を行う方がいるようです。

日本ディープラーニング協会JDLAとは

日本ディープラーニング協会JDLAは、ディープラーニングや機械学習を利用した産業の適切な発展を促していくことを目的として作られた組織です。

JDLAは、ディープラーニングがこれからの産業において重要な技術になるという考えておりますが、ディープラーニングの有識者が世の中に不足しているため、人材育成に重点を置いています。

そのため、今回紹介した「G検定」、「E資格」という資格試験の運営とそれに伴う教育を提供することによる人材育成や、他の団体が行っている人工知能関連のイベントへの参加、カンファレンスの主催などを通し、ディープラーニングを使った技術を世の中に情報発信する活動を行っています。

またJDLAは、AIやディープラーニングの有識者を増やすために民間企業が実施している講座を公式認定のプログラムとしており、「E資格」受験の際には、この認定プログラムを受講するように規定しています。

JDLA認定プログラムでAIエンジニアを目指そう

JDLAが認定するプログラムとはどういったものがあるのでしょうか?

確認していきましょう。

  1. 現場で使えるディープラーニング基礎講座 講座形態:ハンズオン@東京、大阪、名古屋、オンライン 運営会社:スキルアップAI株式会社 詳細ページ:https://www.skillupai.com/deep-learning
  2. 機械学習オンライン/ディープラーニングオンライン 講座形態:オンライン 運営会社:株式会社zero to one 詳細ページ:https://zero2one.jp/#courses
  3. 現場で潰しが効くディープラーニング講座 講座形態:ハンズオン@東京・福岡、オンライン 運営会社:株式会社ナトフ 詳細ページ:http://study-ai.com/jdla/
  4. AI_STANDARD for Engineering 講座形態:オンライン 運営会社:株式会社STANDARD 詳細ページ:https://www.ai-standard.jp/
  5. AIジョブカレ ディープラーニング講座 講座形態:ハンズオン@東京、大阪、福岡 運営会社:エッジコンサルティング株式会社 詳細ページ:https://www.aijobcolle.com/dl/
  6. ディープラーニングハンズオンセミナー 講座形態:オンライン事前予習 + ハンズオン + オンライン補講動画 運営会社:株式会社キカガク 詳細ページ:・Chainer コース ・Keras コース ・⻑期コース
  7. Aidemy Premium Plan E試験対策コース 講座形態:オンライン 運営会社:株式会社アイデミー 詳細ページ:https://aidemy-premium.net/
  8. 全人類がわかるディープラーニング体系講座 講座形態:ハンズオン@秋葉原オンラインライブ受講、動画補講 運営会社:株式会社AVILEN 詳細ページ:https://avilen.co.jp/ai-engineer-course/

AIジョブカレ ディープラーニング講座

JDLA認定プログラムの8講座の中でも、特に人気のスクールが「AIジョブカレ ディープラーニング講座」です。累計1,200人以上が受講し、2018年の受講者数No1のAI講座に選ばれています。

AIジョブカレ
AIジョブカレ
 

他の講座と比べた大きな違いとして、AIジョブカレには転職支援とセットのコースがあり、就職に成功すると受講費用が無料になる点です。未経験からでも、講座受講後にAIに関する仕事の紹介があり、転職が決定した場合には、受講料を全額返金する制度になっています。

お仕事を探していないよという方もいらっしゃるかと思いますが、AIジョブカレのディープラーニング講座は業界一の圧倒的な低価格で講座を提供しているので、その点もご安心ください。

  • ※JDLA認定プログラムを提供しているスクールで個人向けの講座が対象 (株)東京商工リサーチ調べ(2019年3月調査)
WriterAI drops編集部
AIを仕事にするためのキャリアノウハウ、機械学習・AIに関するTopics、フリーランス向けお役立ち情報を投稿します。

関連記事Related Posts