Python3エンジニア認定データ分析試験に2週間で合格した話【0%セクションが2つあっても受かる】

スコアレポートを見て、正直焦りました。

「数式を読むための基礎知識：0%」「基礎解析：0%」。

2つのセクションが0%です。——でも、画面には「合格」と表示されていました。

775点。合格ラインの700点を75点上回っていました。

なぜ0%が2つあって合格できたのか。公式の出題基準によると、「数式を読むための基礎知識」「基礎解析」はそれぞれ全40問中1問（2.5%）の出題です。1問落としただけで0%になる構造であり、失点は各1点。出題数が少ないとみられるセクションがたまたま弱点と重なったため、失点は最小限に抑えられました。

一方、NumPy（83%）・pandas（86%）・線形代数（100%）・確率と統計（100%）など、出題比重が高いと思われるセクションでは点を積めていました。「どこが0%でも合格できる試験」ではありません。NumPy・pandasを固めていたことが合格を支えたというのが実態です。

この記事では、そうした学習の内訳と試験の実態をまとめます。

Python3エンジニア認定データ分析試験とはどんな資格か

まず基本情報を整理します。

受験システムはオデッセイCBTです。Pearson VUEのテストセンターとは別の仕組みで、パソコン教室などが会場になります。受験会場の詳しい仕組みや予約の流れは、以前の記事のPython基礎試験編で詳しく書いているので、あわせてご覧ください。

→ Python3エンジニア認定基礎試験に2週間で合格した話

試験の特徴は「データ分析寄り」の出題内容です。基礎試験がPythonの文法・構造を問うのに対し、データ分析試験はNumPy・pandas・Matplotlib・scikit-learnといったデータ分析ライブラリが出題の中心になります。加えて、線形代数・確率と統計・数式の読み方など、数学的な概念も出題されます。

「コードが書けること」より「データ分析の手順と理論が理解できていること」を問う試験です。

私が取得した13資格のロードマップについてはこちらもどうぞ。

→ 子育てしながら転職後約1年半で13資格を取得したロードマップ

なぜこの試験を受けたか

2025年11月29日、Python3エンジニア認定基礎試験に合格しました。

その翌日から、データ分析試験の勉強を始めていました。

理由は単純です。せっかくPythonを2週間勉強したなら、そのまま勢いを使い切ろうと思ったからです。基礎試験だけで止まるより、データ分析試験もセットで取ることで「Pythonが使えます」の説得力が変わります。

NumPy・pandas・Matplotlibはデータ分析でほぼ必ず使われるライブラリです。AIや機械学習の話が増えているなかで、これらを知っているかどうかは技術面でも話題の幅でも差が出ます。業務でPythonを使ったことがない私にとって、「せめて試験として知識を整理しておく」ことに意味があると感じました。

基礎試験の熱量が残っているうちに受ける。——それだけでした。

使った教材：ディープロだけ

→ ディープロ（Python問題演習・無料あり）

データ分析試験でも使った教材はディープロ1つです。無料で使えます。

Python基礎試験のときと同様に、問題を解いて解説を読む繰り返しが軸になります。データ分析試験はライブラリの使い方が問われるため、「この関数は何をするものか」「引数の意味は何か」を解説から丁寧に読むことが大切です。

ディープロはデータ分析試験向けの問題演習もカバーしています。NumPy・pandas・Matplotlib・scikit-learnの各セクションを一通りこなせます。

2週間の学習の流れ

2025年11月30日（Python基礎試験合格の翌日）から学習を開始し、12月13日に受験しました。

1日あたりの学習時間は2〜3時間です。基礎試験と同様、業務をこなしながらの学習でした。

ライブラリのセクションは問題演習と相性がよく、「この書き方は知っている」と感じる場面が増えていきました。反対に、数式・基礎解析まわりは問題を解いても「なんとなくわかった気がする」状態から抜け出せず、本番でもそれが出てしまいました。

試験当日

2025年12月13日。パソコン教室で受験しました。

受験会場の雰囲気はPython基礎試験のときと同じです。テストセンターのような厳密さはなく、アットホームな印象。——「ここで本当に合格かどうか決まるのか」という感覚は、何度体験しても慣れません。

試験を始めて最初に感じたのは、「ライブラリの問題はディープロで見た内容が多い」ということです。NumPy・pandasは問題を読んでいて手ごたえがありました。

数学系のセクションに差しかかったとき、手が止まりました。「数式を読むための基礎知識」「基礎解析」のあたりは、問題の意味は分かるものの確信が持てない。——選択肢を選びながら「これで合ってるのか？」という不安が続きました。

試験終了後、画面にスコアが表示されました。775点。合格です。

セクション別正解率と分析

スコアレポートで2つの0%を確認したとき、一瞬「合格したのに？」と思いました。

「数式を読むための基礎知識」と「基礎解析」が0%です。

原因は演習不足です。 ディープロで一通りは触れましたが、反復が足りませんでした。試験本番でも「見たことはある、でも確信が持てない」状態でした。

なお、公式の出題基準によるとこの2セクションはそれぞれ**全40問中1問（2.5%）**の出題です。1問落として0%になっているだけで、失点は各1点です。

一方で、線形代数（100%）・確率と統計（100%）は取れています。「数学全般が苦手」ではなく、数式の読み方や微分積分系のセクションに演習が足りなかった、ということです。

0%が2セクションあっても775点で合格できた理由は2つあります。ひとつは、0%になったセクションが出題数の少ないセクションだったこと（1問落として0%になっているだけで、失点は各1点）。もうひとつは、NumPy・pandas・線形代数・確率と統計など出題比重が高いと思われるセクションでしっかり点を積めていたことです。

仮にNumPyやpandasで0%を取っていれば、話はまったく変わっていました。「どのセクションが0%でも大丈夫」ではなく、「たまたま出題数が少ないとみられるセクションが弱点だったため、被害を最小限に抑えられた」というのが正直なところです。2週間という制限のなかでNumPy・pandasを優先した判断が、結果的に合格につながりました。

まとめ

データ分析を始めるあなたへ

業務でNumPyやpandasを使ったことがなくても、2週間で合格できます。

私がそうでした。データ分析試験を受けた時点で、NumPy・pandasを実務で触ったことはゼロです。それでもディープロで問題演習を繰り返すことで、「何をするライブラリなのか」「どう使うのか」を試験レベルでは把握できました。

ライブラリ系（NumPy・pandas・Matplotlib・scikit-learn）の比重が高い構成で、全セクションが均等に出題されるわけではありません。私の場合は、出題数が少ないとみられる数式・基礎解析のセクションがたまたま弱点と重なったため、失点を最小限に抑えられました。NumPy・pandasをしっかり固めていたことが、合格の実質的な土台です。

ただし、NumPy・pandasのような出題比重が高いセクションで大きく崩れてしまえば、話は変わります。まずライブラリ系を確実に仕上げることが、この試験の合格戦略の中心です。

Python基礎試験と連続して取ることをおすすめします。基礎試験で学んだPythonの書き方がそのまま土台になり、学習コストが抑えられます。私は基礎試験合格の翌日から始めて2週間で仕上げました。同じ流れで進められるはずです。

まず今日できること：

1. ディープロでデータ分析試験の問題演習を体験する
2. Python基礎試験との連続受験を検討する
3. オデッセイCBTで近くの受験会場を調べる

よくある質問（FAQ）

Q1. Pythonの実務経験がなくてもデータ分析試験に合格できますか？

合格できます。私は業務でPythonを使ったことがない状態で受験し、775点で一発合格しました。NumPy・pandas・Matplotlibなどのライブラリも実務では未使用です。ディープロで問題演習を繰り返すことで、試験レベルの知識を2週間で身につけられます。

Q2. Python基礎試験とデータ分析試験はどちらが難しいですか？

出題の性質が違うため、単純な比較は難しいです。基礎試験はPythonの文法・書き方を問うのに対し、データ分析試験はライブラリの使い方と数学的な概念が出題の中心です。数学系のセクション（数式・基礎解析）が苦手な場合は、データ分析試験の方が取りこぼしやすいと感じました。また、一般的なプログラミング言語を知っている場合は基礎試験のほうが学習時間は短くてすむと思います。

Q3. 数学が苦手でも合格できますか？

私のケースでは合格できましたが、条件があります。0%になった「数式を読むための基礎知識」「基礎解析」は公式の出題基準によると全40問中各1問（2.5%）の出題です。1問落として0%になっているだけで、失点は各1点。出題数が少ないとみられるセクションだったため、他でカバーできました。

一方、線形代数（100%）・確率と統計（100%）・NumPy（83%）・pandas（86%）はしっかり取れており、出題比重が高いと思われるセクションで点を積んでいたことが合格の実態です。NumPy・pandasが苦手なまま受験していれば、同じ結果にはならなかったと思います。苦手な数学セクションを完璧にしようとするより、NumPy・pandasを固める方が得点効率は高いですが、ライブラリ系自体を疎かにすると合格は難しくなります。

Q4. Python基礎試験と連続して受けることを推奨しますか？

おすすめします。私は基礎試験合格の翌日からデータ分析試験の勉強を始め、2週間後に受験しました。Pythonの基礎知識がすでに入った状態でデータ分析ライブラリを学ぶため、スムーズに進められます。基礎試験と合わせて受験料は合計22,000円かかりますが、2つセットで取ることでPythonへの理解を幅広くアピールできます。

Q5. 0%のセクションが複数あっても合格できますか？

一概に「できる」とは言えません。私が0%のセクションを2つ抱えて合格できたのは、該当セクションが出題数の少ないセクション（各1問・2.5%）だったからです。1問落としただけで0%になる構造であり、失点は最小限でした。

NumPy・pandasのような出題比重が高いとみられるセクションで0%になっていれば、同じ結果にはなりません。「どのセクションが0%でも大丈夫」ではなく、「出題数が少ないセクションがたまたま弱点と重なった」ことが前提にある話です。ライブラリ系をしっかり固めた上で、数学系の小セクションでの取りこぼしをカバーした——それが私の合格の実態です。

Q6. 学習期間の目安を教えてください。

Python基礎試験の直後であれば2週間が目安です。Pythonの書き方が頭に入っている状態でライブラリ系の学習に集中できるため、効率よく進められます。Python基礎の知識がない状態からであれば、まず基礎試験に合格してからデータ分析試験へ進む流れをおすすめします。数学系セクションに不安がある場合は、1〜2日多めに演習時間を確保しておくと安心です。

Q7. ディープロの無料範囲だけで合格できますか？

私はディープロの無料範囲で合格しました。データ分析試験のセクションをひと通りカバーしており、問題演習と解説の組み合わせで試験対策として機能します。まず無料の範囲から始めて、手ごたえを確認してみることをおすすめします。

Q8. NumPy・pandas・Matplotlibの知識はどのくらい必要ですか？

コードが書ける必要はありません。「この関数が何をするか」「引数にどの値を渡すか」といった知識が問われます。実際にコードを動かした経験がなくても、ディープロで問題演習を繰り返すことで対応できます。私は実務でこれらのライブラリを使ったことがありませんでしたが、NumPy（83%）・pandas（86%）・scikit-learn（75%）と一定のスコアを取れました。

関連記事

• 子育てしながら転職後約1年半で13資格を取得したロードマップ
• Python3エンジニア認定基礎試験に2週間で合格した話
• AWS SAP 3回目で合格した話