PCED™ – Certified Entry-Level Data Analyst with Python：試験シラバス

試験シラバス

• セクション１：データとデータ分析の基礎概念
• セクション２：データ分析のためのPython基礎
• セクション３：データの操作と基本的な分析
• セクション４：洞察の共有とレポート作成

セクション１：データとデータ分析の基礎概念

出題数 → 9 問

データの定義と分類

1.1.1 – データの定義と分類

1. データの定義と意思決定、ビジネス、日常生活における役割の説明
2. データ、情報、知識の違い、および生データが処理・解釈によって意味をもつ仕組みの説明
3. 生データを意思決定に活用できる洞察へと変換する流れの説明

1.1.2 – データの型と形式による分類

1. 定量データ・定性データへの分類と識別
2. 構造化データ、半構造化データ、非構造化データを実世界の例を用いて区別

データソース・収集方法・保存方法の説明

1.2.1 – データソースと収集方法の特定

1. API、Webページ、データベース、IoT機器、調査、ログなどさまざまなデータソースの特定と説明
2. 調査、インタビュー、観察、自動化システム、Webスクレイピングなどの代表的なデータ収集方法の説明
3. 代表サンプリングの役割、および偏った・不完全なデータの影響に関する説明
4. 定性・定量研究の各収集技術の長所・短所の比較

1.2.2 – データの保存と整理方法の説明

1. データの形式（CSV、JSON、Excel、データベース）や保存システム（データレイク、ウェアハウス、リレーショナルデータベース）の説明
2. メタデータの役割、データの型・構造・用途に応じたストレージソリューショの比較
3. 構造・規模・用途に応じた最適なストレージオプションの評価

データのライフサイクルとその管理の説明

1.3.1 – データライフサイクルの説明

1. データライフサイクルの各段階；収集、保存、処理、分析、可視化/レポート、アーカイブ、削除のリスト化と説明
2. 各段階でのエラーが、結果や意思決定に与える影響の説明
3. ライフサイクルの各段階に関連するツールや技術の特定

1.3.2 – ライフサイクル管理の価値と課題の検討

1. 品質・セキュリティ・コンプライアンス保証における、ライフサイクル全体を管理する重要性の説明
2. 大規模データ管理における課題と対応策（例：クライドストレージやデータパイプライン）の説明

データサイエンス・分析・解析の範囲理解

1.4.1 – データ分析・データアナリティクス・データサイエンスの違いの理解

1. それぞれの定義と関係性の説明
2. 実例を用いたそれぞれの範囲、使用ツール、目的の比較
3. 各領域におけるプロフェッショナルの役割と責任の説明
4. 各分野に該当する典型的なタスク（例：要約統計量と機械学習モデリング）の特定

1.4.2 – データアナリティクスのワークフロー

1. アナリティクスの4大分類の説明：記述的・診断的・予測的・処方的
2. 各種類のアナリティクスが答える質問と、ビジネス上の重要性の説明
3. データアナリティクスの主要プロセスの説明：データ収集・事前処理・分析・レポート
4. 各アナリティクスごとに、実際の現場でのシナリオ例を対応させる

データアナリティクスにおける倫理・法的配慮

1.5.1 – 重要な倫理原則と法的枠組み

1. データ取り扱いにおける透明性、同意、プライバシー、公平性、責任の説明
2. 主要な法規（GDPR、HIPAA、CCPA）の特定および責任あるデータ利用の指針の説明
3. 匿名化や暗号化などの倫理的・公的準拠を支える手法の説明

セクション２：データ分析のためのPython基礎

出題数 → 13 問

変数とデータ型の操作

2.1.1 – 変数やデータ型の活用と基本演算の実施

1. 代入演算子「=」で変数を定義・代入
2. 数値の基本的な演算（加算・減算など）、文字列の操作（連結・繰り返し）を行う
3. type() や instance() で変数の型を調べる
4. 代表的なPythonデータ型（int、float、str、bool）の識別

Pythonのデータコレクションとシーケンスの活用

2.2.1 – リストの作成と操作

1. インデックスやスライスでリスト要素にアクセス
2. append()、insert()、pool()、remove()、sort()、reverse()、count()、index() などでリストを操作
3. リスト内包表記を用いてデータ変換や抽出処理を行う

2.2.2 – タプルと集合の操作

1. インデックスでタプル要素にアクセス
2. タプルの不変性とリストの使い分けを説明
3. 集合の作成、および add()、remove()、union()、intersection()、isdisjoint()、difference() などの集合を操作
4. 集合による重複排除や要素確認を行う

2.2.3 – 辞書（dict）による保存・集約・検索

1. キーと値で辞書を作成
2. キーを用いた値の参照・更新・削除
3. for...in構文やitems()メソッドを用いた、辞書内の要素（キーと値）のループ処理
4. 辞書を用いた集計、検索、カテゴリ分け
5. データを辞書のリストとして表現

2.2.4 – 文字列をシーケンスとして扱い、文字列メソッドを応用

1. 文字列のインデックス・スライス・ループ処理
2. startswith()、endswith()、find()、capitalize()、isdigit()、isalpha() などの文字列メソッドの利用

関数と例外処理

2.3.1 – 関数の定義と呼び出し

1. def を用いた関数を作成し、引数（位置引数、キーワード引数、デフォルト引数）を渡す
2. 戻り値に関する説明と、return を使わない場合は関数の戻り値としてNoneが返されることについて解説
3. pass を関数本体に記述がない場合のプレースホルダーとして使用

2.3.2 – 関数におけるスコープと変数の動作の理解

1. ローカル変数とグローバル変数の違いの区別
2. 関数内における名前のシャドーイングと変数のスコープについて説明
3. グローバル変数の適切な利用に関する理解

2.3.3 – try-except ブロックを用いたエラー処理

1. TypeError、ValueError、IndexErrorなど、代表的な実行時エラーの特定
2. try-except構文を用いた、スクリプトのクラッシュの防止
3. デバッグ用に有用なエラー内容の print 出力またはログ記録

条件分岐とループによるプログラムフローの制御

2.4.1 – ブール論理と比較の活用

1. 条件分岐における比較演算子および論理演算子の使用
2. ブール式を用いたデータのフィルタリングや入力値の検証

2.4.2 – 条件分岐による処理の制御

1. if、elif、else文を記述
2. 欠損データ、外れ値、不正な入力値を検出
3. 複雑な判断が必要な場合に、入れ子構造を活用

2.4.3 – 繰り返し処理の記述

1. for文・while文の使用
2. break、continue、else句のループにおける適切な使用
3. 条件分岐と組み合わせた、繰り返し処理によるデータ操作

モジュールとパッケージの利用

2.5.1 – Python モジュールとパッケージのインポートと利用

1. import、from…import、およびエイリアスを用いた組み込みモジュールのインポート
2. math、random、statistics、collections、os、datetime などの標準ライブラリの使用
3. csvモジュールを用いたCSVファイルの読み書き
4. 組み込みパッケージとサードパーティパッケージの適切な使用の理解

2.5.2 – 外部ライブラリをデータ処理ワークフローに利用

1. pipを用いた外部ライブラリ（例：numpy）のインストールおよびインポート
2. numpyを用いた配列操作と数値分析
3. 組み込みパッケージとサードパーティライブラリの違いの理解

セクション３：データの操作と基本的な分析

出題数 → 13 問

ファイルを用いたデータの読み書き

3.1.1 – Pythonの組み込み機能を用いたテキストファイルの読み書き

1. open()、read()、readlines()、write()を用いたテキストファイルの取り扱い
2. with文を用いたファイルの安全な取り扱い
3. os.path.exists() を用いてファイルパスを扱い、ファイルの存在を確認
4. ファイル関連エラーを try-except ブロックで処理

3.1.2 – csv モジュールを用いた CSV ファイルの読み書き

1. csv.reader() を用いた CSV ファイルの読み込み
2. csv.writer() を用いたデータの書き出し
3. strip() や split(‘ , ‘) を用いた行の整形と解析
4. f-strings を用いた整った出力形式の結果を書き出し

分析のためのデータクリーニングおよび整形

3.2.1 – 欠損値や無効なデータの処理・特定

1. 条件分岐やリスト内包表記を用いた、欠損値や null に近い値の検出
2. 論理チェックを用いた欠損値の置き換えまたは削除
3. データ処理前の、無効な型・想定外のフォーマット・範囲外の値の確認

3.2.2 – 重複データの除去と値の正規化

1. set()、辞書のキー、または内包表記を用いた重複の削除
2. 最小値・最大値正規化を手動で行う
3. enumerate 関数を用いてインデックスを付けて処理や変換を行う

3.2.3 – 文字列のクリーニングおよびフォーマット

1. strip()、lower()、upper()、replace()、title()を用いたクリーニング
2. 複数の文字列を連鎖した、多段階のクリーニング

3.2.4 – 分析／保存用途に応じたデータ変換・整形

1. int()、float()、str()、bool() を用いたデータ型の変換
2. f-strings を用いて数値をフォーマット
3. split() と join() を用いた文字列の操作
4. datetime.strptime() と strftime() を用いた日付の処理

基本解析・計算処理

3.3.1 – Pythonの組み込み関数による集計処理

1. len()、sum()、min()、max()、round() を用いたデータの要約
2. count() や辞書メソッドを用いた値のカウント

3.3.2 – 組み込みライブラリによる記述統計量の計算

1. statistics.mean()、statistics.median()、statistics.stdev() の使用
2. math.sqrt()、math.ceil()、math.floor() の使用
3. collections.Counter() を用いた頻度のカウント

3.3.3 – Numpy による数値演算

1. numpy.array()を用いた配列の作成
2. numpy.mean()、numpy.median()、numpy.std()、numpy.sum()の使用
3. numpy.arange() と numpy.linspace() を用いた数列の生成

3.3.4 – 条件付きメトリクスの計算（フィルタ・カテゴリ基準）

1. if文やリスト内包表記を用いたメトリクスのフィルタリング
2. カテゴリごとのグループ化および辞書やループを用いた集計と要約
3. 複数の条件を組み合わせた、論理条件の使用

基本的な探索的データ分析（EDA）の実施

3.4.1 – ソートとフィルタを用いたパターンや傾向の特定

1. sorted() や numpy.sort() を用いたデータの並べ替え
2. filter()、リスト内包表記、論理条件を用いたデータのフィルタリング

3.4.2 – 固有値と頻度の特定

1. set() や numpy.unique() を用いた異なる値の特定
2. Counter を用いた頻度のカウント

3.4.3 – 簡単な相関チェックと外れ値の検出

1. numpy.corrcoef() を用いた相関の計算
2. 単純なルールや条件分岐を用いた外れ値の検出
3. numpy のブーリアンインデックスを用いた外れ値のフィルタリング
4. コードによる検索で見つかった異常値の解釈

セクション４：洞察の共有とレポート作成

出題数 → 5 問

データ可視化における基本原則の理解

4.1.1 – 一般的な可視化の種類と目的の認識

1. 棒グラフ、折れ線グラフ、円グラフの特定
2. 各タイプの適切な使用状況の説明
3. 各可視化タイプの長所と短所について議論

4.1.2 – 単純なデータ可視化の解釈

1. 基本的な可視化に示された傾向、比較、割合の説明
2. 誤解を招く、または不明瞭な可視化の特定および改善方法の説明
3. 可視化が意図した洞察をサポートしているか、混乱を招いていないかの評価

データストーリーテリングの基礎を適用

4.2.1 – データから得られた洞察の構造化と伝達

1. 導入・洞察・結論の説明
2. 根拠に基づく主要メッセージの提示
3. 流れを作るつなぎやサインポストの使用
4. 対象者の知識やニーズに応じたトーンや深さの調整

明確で簡潔な分析レポートの作成

4.3.1 – 分析結果の効果的な要約と整理

1. 裏付けデータを用いて短くまとめる
2. 問題、分析、洞察、推奨という論理的な構成の使用
3. 見出し、箇条書き、可視化を用いて明確さと読みやすさを向上

プレゼンテーションにおける洞察の効果的な伝達

4.4.1 – 視覚・言語技術を用いたデータから得られる洞察の明確な伝達

1. 洗練されたデザイン原則（ラベル、タイトル、色、フォントサイズ）の使用
2. プレゼンテーションにおけるグラフや結果の明確な説明
3. 可視化や数値結果の証拠を用いた質問への応答