・DS検定試験の概要、おすすめ学習法
・データサイエンティストに必要な素養
・データ分析の事例、データ分析の諸手法を紹介
・データサイエンティストの仕事の具体例

・データリテラシーの重要性、正しいデータの扱い方とは
・連続データと離散データ
・質的データと量的データ
・尺度水準（名義尺度、順序尺度、感覚尺度、比例尺度）
・構造化データ・非構造化データ
・オープンデータ、様々なデータ収集の手段
・データの網羅性、データバイアス、
サンプリングバイアス、アルゴリズムバイアス

・データの可視化、BIツール、様々なグラフと表の使い分け
・度数分布表、相対度数分布表、累積度数分布表
・クロス集計表
・箱ヒゲ図、パーセンタイル、外れ値の識別

・人工知能、機械学習、ディープラーニングの重要知識
・機械学習モデルの構築と運用、特徴量設計・データ前処理

・データ分析の代表的な手法を具体的に知る

・学習済みモデルの評価、モデルの最適化、精度指標、ROC曲線、AUC
・画像・動画データの形式、処理と解析
・音声データの形式、処理と解析
・自然言語の処理（形態素解析、構文解析、意味解析）
・時系列データ、時系列分析
・モデルの予測結果の解釈、局所的説明と大域的説明

・データ収集、ウェブクローリング・スクレイピング

・データの保管、ストレージ、データストア、
リレーショナルデータベース(RDB)、SQLとnoSQL
・ER図、テーブルの正規化、正規化の各種
・データ基盤、クラウド、 サーバー
・データ転送、 バックアップ、 データ処理
・セキュリティ、攻撃と防御、アクセス制御、
暗号化技術の種類、デジタル署名

・データ分析プロジェクトの進め方
・現状把握：ビジネスモデル、プレイヤー、一次情報、
二次情報
・課題の定義：スコーピング、5フォース分析、MECE、
ロジカルシンキング
・目標の設定（KPI、KGI、KPIツリー）
・仮説の立案と検証、結果の考察と説明

・契約の種別と開発の形式、請負契約、準委任契約、
ウォータフォール開発、アジャイル開発
・法規制・倫理ガイドライン、ELSI、GDPR
・個人情報の扱い方、プライバシー
・公平性と透明性：ブラックボックス問題、説明可能AI（XAI）

・記述統計学と推測統計学
・基礎統計量（平均値、中央値、最頻値、分散、標準偏差）
・標本の無作為抽出、層別抽出法、多段抽出法

・統計的推定
・推定統計量の偏り、不偏分散、自由度
・例題で学ぶ統計的仮説検定
・共分散、相関係数、相関と因果関係の違い、擬似相関、
交絡因子