DS MetriXでは、下記のような幅広い分野・テーマを出題しますが、
単なる知識の暗記や公式の理解を問うのではなく、実際の分析ワークフローの中で「使いこなす力」「応用力」「実務での判断力」を重視しています。
例えば、データの前処理からモデル選択・評価・解釈・最適化まで、現場で直面する課題を解決できるかどうかを問います。
※各分野の知識を「実務の分析ワークフローの中で活用できるか」「現場での意思決定や課題解決に応用できるか」を重視して出題します。
| 分野 | 大分類 | 中分類・出題テーマ例 |
|---|---|---|
| 数学 | 微分積分 | 微分方程式、ラグランジュの未定乗数法、テイラー展開、偏微分 |
| 線形代数 | 固有値問題、正則行列、特異値分解、ジョルダン標準形、ヤコビアン、ヘシアン、行列分解、ベクトル空間 | |
| 統計数理 | 基礎統計 | 記述統計（平均、分散、中央値、相関係数、歪度、尖度）、データの可視化、探索的データ分析 |
| 確率論 | 条件付き確率、確率変数、確率過程、マルコフ連鎖、マルチンゲール、大数の法則、中心極限定理、ポアソン過程 | |
| 確率分布 | 離散分布（二項分布、ポアソン分布）、連続分布（正規分布、t分布、F分布、カイ二乗分布）、多変量分布（多変量正規分布）、指数分布族、極値分布、混合分布、ワイブル分布、ガンマ分布、指数分布 | |
| 推測統計 | 点推定（最尤推定、モーメント法）、推定量の性質（不偏性、一致性、効率性）、十分統計量、情報量不等式（クラメール・ラオの不等式等）、漸近理論 | |
| 統計的推論 | 仮説検定、p値、検定統計量、信頼区間、効果量、検定力分析、多重検定、標本サイズ設計、ノンパラメトリック検定、オッズ比、リスク比 | |
| 回帰分析 | 線形回帰、一般化線形モデル（GLM）、変数選択、正則化、混合効果モデル、スプライン回帰、ガウス過程回帰 | |
| ベイズ統計 | ベイズの定理、事前分布・事後分布、共役事前分布、ベイズ推定、階層ベイズモデル、経験ベイズ法、変分ベイズ法、MAP推定 | |
| 計算統計 | ブートストラップ法、EMアルゴリズム、MCMC | |
| 情報量規準 | AIC、BIC、DIC、WAIC、交差検証、モデル選択、予測分布 | |
| 時系列解析 | 定常性、自己相関、スペクトル解析、時系列モデル（AR、MA、ARIMA、SARIMA、VAR）、状態空間モデル、カルマンフィルタ、GARCH（条件付き分散自己回帰）、粒子フィルタ | |
| 確率モデリング | 混合ガウスモデル、隠れマルコフモデル、階層モデル、グラフィカルモデル、潜在変数モデル、潜在ディリクレ配分法（LDA） | |
| 因果推論 | 因果グラフ、交絡、操作変数法、傾向スコア、差分の差分法、回帰不連続デザイン、媒介分析、潜在的結果モデル | |
| 生存時間分析 | 生存時間解析、ハザード関数、打ち切りデータ、比例ハザードモデル、ワイブル分布 | |
| 多変量解析 | 主成分分析、因子分析、判別分析、正準相関分析、クラスター分析、多次元尺度構成法 | |
| 機械学習 | 基礎理論 | 汎化性能、バイアス・バリアンストレードオフ、過学習・過剰適合、モデル選択、次元の呪い、計算効率（アルゴリズムの計算量、メモリ効率） |
| データ前処理 | 欠損値処理、異常値処理、スケーリング、カテゴリカル変数のエンコーディング、次元削減、特徴量選択 | |
| 特徴量エンジニアリング | 数値特徴量（ビニング、多項式特徴量）、カテゴリカル特徴量（one-hot、label encoding）、テキスト特徴量（TF-IDF、BOW）、時系列特徴量（ラグ、移動平均） | |
| 教師あり学習 | 分類（ロジスティック回帰、決定木、ランダムフォレスト、SVM、勾配ブースティング）、回帰（線形回帰、Ridge、Lasso、Elastic Net） | |
| 教師なし学習 | クラスタリング（k-means、階層的クラスタリング、DBSCAN）、次元削減（PCA、t-SNE、UMAP）、密度推定 | |
| 生成モデル | VAE、GAN、拡散モデル | |
| 異常検知 | 統計的手法（マハラノビス距離）、密度推定（One-class SVM、Isolation Forest）、再構成誤差（オートエンコーダー）、変化点検出（CUSUM法） | |
| 深層学習基礎 | ニューラルネットワーク構造、活性化関数、誤差逆伝播法、最適化手法、ドロップアウト、バッチ正規化 | |
| 深層学習アーキテクチャ | CNN、RNN、LSTM、GRU、Autoencoder、Transformer、注意機構、残差接続 | |
| コンピュータビジョン | CNN基礎、アーキテクチャ（ResNet、VGG、EfficientNet）、物体検出、セグメンテーション、画像生成、画像増強、転移学習 | |
| 自然言語処理 | 言語モデル、単語埋め込み（Word2Vec、GloVe）、RNN、LSTM、Transformer、BERT、トークン化、N-gram、形態素解析 | |
| 時系列分析 | 統計的手法（ARIMA、状態空間モデル）、深層学習（LSTM、GRU、Temporal CNN）、特徴抽出（周波数解析、自己相関）、予測評価（ウォークフォワード法） | |
| 音声処理 | 音声特徴量（MFCC、スペクトログラム） | |
| 強化学習 | MDP、Q学習、方策勾配法、深層強化学習 | |
| モデル評価 | 予測性能評価（適合率、再現率、F1、AUC-ROC、AUC-PR）、残差分析、交差検証、ホールドアウト法、グリッドサーチ | |
| モデル解釈性 | 大域的解釈（SHAP、LIME、Partial Dependence Plot）、重要度分析（順列重要度、Gini重要度） | |
| 最適化理論 | 損失関数（MSE、交差エントロピー）、正則化（L1、L2、Early Stopping）、最適化アルゴリズム（SGD、Adam） |
また、上記の理論理解を実践するための技術力として、以下のようなエンジニアリング能力も求められます。
単に生成AIによる出力コードを鵜呑みにして使えた気がするようになるのではなく、十分な意味理解がともなった上で実装できる力があるかが問われます。
| 分野 | 大分類 | 中分類・技術要素例 |
|---|---|---|
| データ基盤 | データ操作基盤 | NumPy、Pandas、SQL |
| 機械学習 | 基礎統計・数値計算 | SciPy、statsmodels |
| 汎用機械学習 | scikit-learn、XGBoost、LightGBM、CatBoost | |
| 深層学習フレームワーク | PyTorch、TensorFlow/Keras、Hugging Face | |
| 自然言語処理 | spaCy、Transformers、Tokenizers | |
| 画像処理 | OpenCV、Pillow、torchvision.transforms | |
| 時系列解析 | statsmodels（ARIMA、状態空間モデル）、scikit-learn（特徴量エンジニアリング、予測モデル） | |
| モデル管理 | 実験管理 | MLflow（実験追跡、モデル管理） |
| ハイパーパラメータ最適化 | Optuna、Hyperopt | |
| 分析基盤 | データ前処理 | scikit-learn.preprocessing |
| 可視化基盤 | Matplotlib、Seaborn、Plotly | |
| モデル評価 | 性能評価 | scikit-learn.metrics |
| モデル解釈 | shap、lime、scikit-learn（順列重要度、Gini重要度） | |
| 開発基盤 | バージョン管理 | Git、GitHub/GitLab |
| 開発環境 | Docker | |
| ドキュメント | Markdown、LaTeX |