CONTACT
MENU
CONTACT
「人工知能プロジェクトマネージャー試験」公式テキスト - 分野別要点整理 【理解度チェック問題付き】 -
著者：
谷村 勇平（一般社団法人 新技術応用推進基盤 理事）
発売日：
2023年12月22日（金）
販売価格：
2,980円（税込価格3,278円）
ページ数：
A5版・330ページ
購入方法：
下記ボタンより、公式ページにてご購入ください。
人工知能プロジェクトマネージャー試験で実際にどのような問題が出題されるか、分野毎にサンプル問題をご用意しました。本試験の雰囲気を掴むため、実際にどのような問題が出題されるか体験してください。
一部のサンプル問題については、以下にＷEB上で確認できるよう準備しています。
本試験受験者は「人工知能プロジェクトマネージャー試験（概要とシラバス）」資料もダウンロードの上、確認されることを推奨いたします。
人工知能プロジェクトマネージャー試験問題サンプル：分野Ａ：目標設定能力
人工知能プロジェクトマネージャー試験問題サンプル：分野Ｂ：統計的理解
人工知能プロジェクトマネージャー試験問題サンプル：分野C：統計理解の実装力
人工知能プロジェクトマネージャー試験問題サンプル：分野D：モデルの評価/向上能力
人工知能プロジェクトマネージャー試験問題サンプル：分野Ｅ：システム構築能力
人工知能プロジェクトマネージャー試験問題サンプル：分野Ｆ：プロジェクト遂行能力
人工知能プロジェクトマネージャー試験問題サンプル：分野Ｇ：法令理解
形式や出題の考え方を確認の上、学習を進めていただければと思います。
人工知能プロジェクトマネージャー試験の合格に向けて、まずは公式テキストにて内容を確認することをご推奨しています。
そのうえで、さらに学びを深めていきたい方向けに、参考となると思える書籍をご紹介します。
特に分野C：統計理解の実装力は「実際にPythonをさわったことのある人にとっては簡単だが、さわらずに新聞記事や本を読んだだけの人には難しい」ような設問となっています。Pythonにさわったことのない企画や営業といったバックグランドの受験者の方は、公式テキストに加えて下記参考書籍も用いて学習してみることを推奨いたします。
※以下の推薦図書リンクには、アフィリエイトリンクを利用しています。
問題を解くにあたり、「そもそも何を問題とすべきなのか」を考えることは非常に重要です。ツールありき、手法ありきでスタートしてしまうとプロジェクトの途中で「もともと何がしたかったんだっけ？」となって空中分解してしまうこともあります。チームが意義ある目標に向かうためには、マネージャーに目標設定力が求められます。
本書は”データをビジネスに活かすために身に付けておくべき基本的な考え方と、データマイニングやモデリングの根底に存在するコンセプトについて、体系的に解説”した一冊になっています。また、ビジネス応用を具体例を用いて解説するだけでなく、基本的なモデルの内容の解説にまで踏み込んでおり、エンジニアとビジネスマンをブリッジしてくれるのに最適な一冊となっています。専門的な内容の書籍が多いオライリーの中でも、入門書としてデータサイエンスの全体像を掴む意味でも有名な良書であると考えます。
本書は外資系コンサルティングファーム入社時の推薦図書となることも多く、著者の齋藤氏含め非常に有名な書籍です。初版は2001年とやや古いものの基本的な考え方は現在に至るまで変化なく、基本的な視点・考え方を学ぶうえで有用な示唆を提供してくれるでしょう。
著者の後正武氏はマッキンゼーで活躍し、その後ベインの日本支社長を務めた人物であり、本書では分析の定義や目的から入って、分析というものの基本的な視点を提供しています。 前項の「問題発見プロフェッショナル」と同様、本書も初版は1998年とやや古いものの、その内容は本質的であり、ビジネス環境が変化した現在においても、おさえるべき基礎として重要な良書です。
統計的・数学的理解はデータサイエンティストにとって本丸とも呼べる知識体系です。幅広くどのような手法論があるか知り、それぞれの特徴や用い方をよく理解しておくことが求められます。
マネージャーであれば、まずベースとなるモデルを提案し、現場が詰まった時には新たな改善策を提示できなくてはなりません。数学的な理解まで万全でなくとも、仕組みや使い方といった概略を理解し、「現場で使える」ことが求められます。
代表的なアルゴリズムについて、概略でもある程度網羅的に解説した本は案外少ないものです。本書は教師あり学習・教師なし学習で用いる代表的なアルゴリズムを解説し、またそれぞれの評価方法まで言及している良書になります。
知識の整理や抜け漏れの確認に活用してください。
代表的なアルゴリズムについて、概略でもある程度網羅的に解説した本は案外少ないものです。本書は教師あり学習・教師なし学習で用いる代表的なアルゴリズムを解説し、またそれぞれの評価方法まで言及している良書になります。 知識の整理や抜け漏れの確認に活用してください。
統計的な理解は最も重要ですが、現場ではこれを実装して「試しながら」検討を深めていきます。そのため、ある程度実装力を持たなければプロジェクトの検討を高速にまわしていくことができません。 Pythonに代表されるモデルの実装プログラム理解や、各種ライブラリの活用方法の理解はマネージャーとしても必要な知識になります。
※本分野は発展編の書籍も参照されることを推奨します。実務経験を持つ方は発展編の書籍からお読みいただく方がより効率的に学習を進められると思います。
一般的にデータ解析で用いるライブラリの解説から始まり、Jupyter Notebookを使ったPythonの基礎的な実装までステップ・バイ・ステップで解説をしています。本書に登場するライブラリは実務でデータサイエンスを担ったことのある方にとっては馴染み深いものです。知識の整理として、またあまり実装の経験がないままになっているマネージャーの方にとっては、いま一度の学習として本書を活用してください。
本書はscikit-learnを用いてよく利用するモデルについて、豊富なサンプルプログラムを用いて紹介・解説しています。多くの入門書では、例えば線形回帰というとシンプルな多項式回帰を紹介して終わり、ということがあるのですが、本書は線形回帰にしてもLasso、Ridge、確率的勾配回帰などの違いがきちんと記載されており、手で触りながら理解するのに役立つことと思います。
正しい統計理解を基に、正しく実装ができたとしても、AIエンジニアはそこから最適化への長い道のりを歩んでいくことになります。最適化の経験とノウハウはAIエンジニアにとっては非常に重要なものですが、これを解説した書籍は希少です。まずは汎化性能向上を目指したノウハウの蓄積を推奨します。
※さらに知識を深めたい方は、Kaggleで公開されている先人たちのコードを参照しアイデアを吸収することを推奨します。
本書はデータサイエンティストにとって主たる作業の1つであるモデルの改善方法についてまとめています。題目の通り、分析コンペティションで勝つ、すなわち「未知のデータセットに対する汎化性能を上げる」ために特化していますが、こうした改善のワークフローをある程度体系的にまとめた書籍は少ないなか、良い示唆を提供してくれると思います。
左記本で解説されているように、まず勾配ブースティング木を試して様子を見るのは定石の一つです。
しかしこうした定石の存在を示し、そしてxgboostやLightGBMといった勾配ブースティング木系のライブラリで具体的にフィッティングノウハウを解説した書籍はとても貴重です。また、本書はコンペティションのタイプ別に解説を行い、TensorFlowを用いた解説もあります。
人工知能エンジニアであっても、モデル周りのことだけを知っていればいいというわけではありません。2020年現在では人工知能モデル作成に標準的に用いられるのはPythonですが、Pythonの書き方だけでなく、これが動く環境やセキュリティなど、ITに関する基本的な理解もまた不可欠です。
ITエンジニアが知っておきたい基礎知識を、20個のテーマに分けて解説しています。それぞれのテーマの必須知識として七つのポイントを取り上げ、図解とともにわかりやすく説明しています。
人工知能プロジェクトであっても、ごく常識的なプロジェクト遂行の知識は必要です。また実際に問題を解決に導くには、日々様々な困難を乗り越えねばなりません。特に「誰にどの仕事を任せるか」「どう品質を担保するか」はプロジェクト全体の成否を分ける重要な課題といえるでしょう。
ITプロジェクトで一般的に発生する労務管理やクライアントマネジメントといった諸課題を理解するとともに、成功事例・失敗事例をふまえたうえで、プロジェクト進行のポイントを知っておくことが必要です。
日々のプロジェクト運営の中で実際に遭遇する諸課題について、富士通のITプロマネ達が導き出した原則論・経験論が書かれています。特に日々発生する諸課題にどんな種類があるかを理解するとともに、判断の責任が集中して孤独になりがちなマネージャーにとって自身の判断の正しさを事例から確認するうえでもよい示唆を与えてくれると思います。
我が国におけるデータ分析サービスの老舗といっていい、ブレインパッド社のデータサイエンティスト達が実際の現場で発生したリスクや失敗事例を中心に紹介した良書です。例えば社内・クライアント調整など、データ分析で成功するために必要な泥臭い作業まで記載してあり、実際の業務を意識したときに役立つ内容になっています。
データサイエンティストとして経験のある方は体験の整理として、まだ経験量の少ない方はその補完として活用頂きたいと思います。
ビジネスとエンジニアリングに分けて、AIプロジェクトを円滑に回すための基礎知識をまとめています。従来のITプロジェクトとの開発体制の違い、契約に関わる問題、法律やライセンスに関連した問題、見積りに必要となる知識など、事業者側も開発者側も、プロジェクトに関わる全員が知っておくべき情報をまとめています。
人工知能プロジェクトに関する法務系のトピックが網羅されています。しかし本分野は変化の大きい分野であり、最新の情報を扱うものに推薦図書を随時変更します。
経済産業省のまとめたデータ利用に関するガイドラインは最新の法令にそってアップデートされています。最新の論点に触れるにはこちらに目を通しておくとよいでしょう。
下記ボタンをクリックして資料をダウンロードして下さい。
不明点等はお問い合せフォームよりご連絡下さい。
