データサイエンティスト協会の公式ページで確認
DS検定の出題範囲（公式の4領域と8章の対応）
DS検定の出題範囲は、スキルチェックリストの4領域（基盤・データサイエンス・データエンジニアリング・価値創造）の★1つ相当と、数理・データサイエンス・AIのモデルカリキュラムを総合した範囲です。第13回（2026年6月実施）から、2025年に更新されたver.6に基づいています。
このページでは、公式のサブカテゴリを表にし、当サイトの8章と収録問題数を対応させます。試験は選択式の100問で、試験時間は100分です。
公式情報の確認
試験日、料金、申込条件、試験方式など変動する情報は、公式情報を最終確認してください。 当サイトの一次情報確認日: 2026-10-14。
試験範囲は改訂されることがあります。受験の前に、データサイエンティスト協会の公式ページで最新の内容を確認してください。
公式の4領域と8章の対応
サブカテゴリは、公式ページの「試験範囲」の表に載っている名前です。どの章に置くかは当サイトの整理で、右端の問題数は各章の収録数です。
| 公式の領域 | 公式のサブカテゴリ | 当サイトの章 |
|---|---|---|
| 基盤 | 行動規範（ビジネスマインド、データ・AI倫理、コンプライアンス）、論理的思考（MECE、構造化能力、言語化能力）、課題の定義（KPI）、データ理解・検証 | 第1章 ビジネスマインドとデータリテラシー（47問） |
| 基盤 | データ可視化（方向性定義）、生成AI活用、ITセキュリティ（攻撃と防御手法） | 第2章 データ可視化とAI活用の基礎（53問） |
| データサイエンス | 数学的理解（線形代数基礎、微分・積分基礎、集合論基礎） | 第3章 数学的基礎（55問） |
| データサイエンス | 科学的解析の基礎（統計数理基礎、仮説検証、洞察、性質・関係性、推定・検定、因果推論） | 第4章 統計・推定・検定（68問） |
| データサイエンス | データ準備（サンプリング、データクレンジング、データ加工、特徴量エンジニアリング）、モデル化（回帰・分類、統計的評価、機械学習、深層学習ほか）、非構造化データ処理（自然言語処理、画像認識ほか） | 第5章 データ準備・可視化技法とモデル化（71問） |
| データエンジニアリング | 環境構築、データ収集（クライアント技術、通信技術ほか）、データ構造、データ蓄積、データ加工（フィルタリング、結合、変換・演算）、データ共有 | 第6章 データエンジニアリング基礎（60問） |
| データエンジニアリング | プログラミング（基礎、アルゴリズム、SQLほか）、ITセキュリティ（基礎知識、暗号化技術、認証）、AIシステム運用（AutoML、MLOps、AIOps） | 第7章 プログラミング・セキュリティ・AI運用（58問） |
| 価値創造 | 技術・社会潮流の洞察、課題の再定義、事業・モデル設計、システム・AI設計、ガバナンス・倫理設計、組織・人・PJ設計、データ整備、開発・評価、定着と横展開、効果測定・改善 | 第8章 価値創造（45問） |
8章の合計は457問です。問題数は収録数で、本試験の出題配分ではありません。ITセキュリティは公式で基盤とデータエンジニアリングの両方に出てくる名前で、当サイトでは攻撃と防御の基礎を第2章、暗号化や認証を第7章で扱います。
DS検定の学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
モデルカリキュラムの範囲
公式ページは、スキルチェックリストに加えて、数理・データサイエンス教育強化拠点コンソーシアムの「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」の抜粋を試験範囲に挙げています。抜粋は3つの柱で、社会におけるデータ・AI利活用、データリテラシー、データ・AI利活用における留意事項です。
データリテラシーの柱には、データの分布と代表値、相関と因果、母集団と標本抽出、グラフの表し方、データのねつ造・改ざん・盗用といったデータ倫理が入っています。留意事項の柱には、個人情報保護、EU一般データ保護規則、情報セキュリティの3要素（機密性・完全性・可用性）が入っています。これらは、当サイトでは第1章、第2章、第4章、第7章の問題で扱っています。
第13回からの変更点
協会は2026年4月10日に、第13回（2026年6月実施）の試験範囲について、2025年に改訂したスキルチェックリストver.6に基づき一部が変わると案内しました。主な変更点は、従来のビジネス力を問う問題の多くが基盤スキルの問題に移ること、価値創造スキルを問う問題が新規に加わることです。
価値創造の内容と立場別の対策はDS検定の出題範囲改定まとめに整理しています。
状況別の学ぶ順番
数学や統計に苦手意識がある
数学は、公式では「数学的理解」として線形代数基礎、微分・積分基礎、集合論基礎の3つが挙がっています。統計は「科学的解析の基礎」の中に、統計数理基礎、推定・検定、因果推論が入っています。当サイトでは第3章（55問）と第4章（68問）が該当します。両方を合わせて123問あるので、第3章で式の読み方に慣れてから第4章に進むと、つまずく箇所を切り分けられます。
エンジニアではなく、データベースやプログラミングに触れたことがない
データエンジニアリングは、公式では環境構築からデータ共有、プログラミング、ITセキュリティ、AIシステム運用までを含む領域です。当サイトでは第6章（60問）と第7章（58問）に分けています。第6章はデータの置き場所と取り出し方、第7章はプログラムの書き方と運用が中心なので、先に第6章を解くと、第7章の用語が結びつきやすくなります。
2026年6月より前の対策本や記事で勉強している
第13回（2026年6月実施）から、出題範囲は2025年に改訂されたスキルチェックリストver.6に基づいています。協会のお知らせは、従来のビジネス力を問う問題の多くが基盤スキルの問題に移り、価値創造スキルを問う問題が新規に加わったと説明しています。古い教材には価値創造の内容が無い可能性があるため、第8章を別に解いて補います。
価値創造は何を問われるのかが想像できない
公式ページの模擬問題は、基礎1問、価値創造4問、データサイエンス3問、データエンジニアリング2問の10問で、価値創造の4問には解説が付いています。これは模擬問題の内訳で、本試験の出題配分を示すものではありません。公式の模擬問題を解いたうえで、当サイトの第8章に進むと、問われ方の幅を確かめられます。
学習時間が短く、優先順位をつけたい
本試験の領域別の出題配分は、公式ページに示されていません。当サイトの収録問題数は第5章が71問で最も多く、第8章が45問で最も少ないものの、この差は出題割合を表しません。8章を一巡して正答率を出し、低い章から解き直す進め方が確実です。つまずきやすい章は、章別の正答率ページで確認できます。
G検定や統計検定2級も受ける予定なら、機械学習・法律・倫理や確率・統計の重なりを6資格の出題範囲の重なりで先に確かめると、学ぶ順番を決めやすくなります。社内でAI人材の育成を任された人は、DX推進で資格を使い分ける方法も参考になります。
よくある質問
DS検定の出題範囲はどこで確認できる？
データサイエンティスト協会の公式ページ「DS検定とは」に、試験範囲が載っています。スキルチェックリストの4領域（基盤、データサイエンス、データエンジニアリング、価値創造）ごとのスキルカテゴリとサブカテゴリの表と、モデルカリキュラムの抜粋が確認できます。
DS検定の出題範囲は、どのレベルの内容？
公式ページでは、スキルチェックリストの4カテゴリの★1（見習いレベル）相当と、数理・データサイエンス・AI（リテラシーレベル）のモデルカリキュラムを総合した範囲と説明されています。2025年に更新されたスキルチェックリストver.6に基づいています。
試験時間と問題数は？
公式ページでは、問題数100問、試験時間100分の選択式問題で、全国の試験会場でCBT方式により実施されます。受験資格に制限はありません。
第8章の価値創造は、いつから出題されている？
協会は2026年4月10日のお知らせで、第13回（2026年6月実施）の試験範囲を、2025年に改訂したスキルチェックリストver.6に基づくものと案内しました。主な変更点として、従来のビジネス力を問う問題の多くが基盤スキルの問題に移り、価値創造スキルを問う問題が新規に加わると説明しています。
当サイトの8章は、公式の4領域と同じ？
公式は4領域で、当サイトはそれを学びやすい8章に分けて整理しています。章の分け方と収録問題数は当サイトの整理で、本試験の出題配分を表すものではありません。