◆プライム・ストラテジー株式会社が提供する「PRIME STUDY」

全社AIカンパニー化宣言をした同社は、基礎試験合格者を30名以上、データ分析試験合格者を20名以上輩出しており、プラチナ認定インテグレーターに登録されています。

その同社によって作成・監修された基礎試験・データ分析試験の模擬問題を「PRIME STUDY」として無料公開されました。

現在、現在は基礎試験向けの問題を1件と、データ分析試験向けの問題を2件公開されています。

サービスサイト：https://study.prime-strategy.co.jp/

模擬問題を公開されたきっかけをお教えください。

当社は全社AIカンパニーとして、社内公用語にPythonを採用しました。以降、社内で利用される言葉もそれに準じたもので業務を行っています。

そのため、この言葉を社員全員が扱えるようにするために、そのベースとなるPython言語や機械学習、AIの基本的な考えを共有するための模擬問題を作成したのが、この模擬試験の始まりです。

当社ではすでに30名以上が基礎試験に合格しており、このノウハウをPython業界の発展のために活かしたいと考えていました。そこで、不特定多数に対して一番貢献できる手段のひとつとして、模擬試験の公開をすることにしました。

「PRIME STUDY」についてお教えください。

当社の模擬試験は普通の予想問題集とは違うため、似た問題が出るから受かるという話ではありません。Pythonの原理原則を理解するための模擬試験であるため、問題自体は、付け焼刃の予想問題ではなく、原理を理解していないと解けないような内容になっています。そのため、テキストの出題範囲の比率に沿って、順番に出題するようにし、復習と理解を促すような構成にしています。中にはテキストに載っていない、実務にそくした問題も入っていますが、仕組みを学ぶための問題でもあるので、これも原理を理解している人にはわかるようになっています。

模擬試験のほうが本試験より難しいと思いますが、原理で考えればわかるような問題にしています。そのため、単純に覚えているだけなら解くのは難しく、原理を理解する必要があります。

何度も受けて、復習し、理解度が上がれば上がるほど、簡単になっていきます。理解度が上がれば本試験でどう問題が出ても、原理に基づいて考えられるため、正解がわかるようになります。

この模擬試験の公開後、10日ほどで合計280回ほど受験されていますが、受験者は回を重ねるごとに点数を上げている方ばかりです。

試験合格に向けて、この模擬問題をどのように活用したらいいかお教えください。

使い方としては、試験後、選択肢を含めた内容をしっかり復習することが重要です。

回を追うごとに点数を上げていき、最低でも3回は実施して欲しいと考えています。最終的に7割以上の点数が取れていれば合格できると思いますし、満点がとれるようになれば試験に落ちることはないと考えています。

この模擬問題はもともと社員向けに作成し、実際に社員が受けてきたものですが、社員が合格したときの傾向から見ても、3回目の模擬試験の点数と本試験での点数はほぼ同じ点数になっていました。

最後にメッセージをお願いいたします。

ちゃんと本質を理解したい人に受けてほしいと考えています。また、ここで理解できたことは、多くの分野で役立ちます。当社では管理部門も含めた全社員がこの模擬問題を受けていますが、実際、業務で効果を上げています。

この模擬試験を受けた後に本試験を受けた方のコメントを募集しています。

また、認定スクールや各種研修の学習チェックにもご利用頂きたいと思っています。ご興味のある企業がおられましたらぜひお声がけください。

＜模擬試験サンプル問題＞

【1】次のスクリプトの2行目以降を代替できるリスト内包表記として正しいものはどれか。

colors = [‘red’, ‘blue’, ‘yellow’]
lens =[]
for color in colors:
    lens.append(len(color))
lens

 〇{len(color) for color in colors}
 〇[len(colors) for colors in color]
 〇[lens(color) in color for colors]
 〇{lens(colors) in color for color}
 〇[len(color) for color in colors]

【2】次のスクリプトを実行した結果として正しいものはどれか。

import numpy as np
a = np.arange(1, 10, 2)
b = np.eye(6)
print(a[-1], b[3, 3])

〇7 1.0
〇10 1.0
〇7 3.0
〇9 1.0
〇10 0.0

【3】次のスクリプトを実行した結果として正しいものはどれか。

import numpy as np
a = np.array([0, 9, 99, 999])
a = a + 1
a = a * 10
b = np.log10(a)
print(a[2], b[1])

〇10 1.0
〇100 1.0
〇1000 2.0
〇100 3.0
〇10000 3.0

【4】Matplotlibを用いて円グラフを描画する次のスクリプトに関する説明のうち誤っているものはどれか。

import matplotlib.pyplot as plt
labels = [‘spam’, ‘ham’, ‘egg’]
x = [10, 3, 1]
fig, ax = plt.subplots()
ax.pie(x, labels=labels, startangle=90, counterclock=False, shadow=True, autopct=’%1.2f%%’)
plt.show()

〇円グラフには影がある
〇円グラフには値のパーセント表記がある
〇円グラフは上から配置される
〇円グラフは時計回りに配置される
〇円グラフのアスペクト比は保持される

【5】(3, 4) で表現されるベクトルをAとする。(4, 7)で表現されるベクトルをBとする。(2, 4, 5) で表現されるベクトルをCとする。次のベクトルに関する記述のうち正しいものはどれか。

 〇Aの原点からのユークリッド距離は25である。
 〇Bの原点からのマンハッタン距離は11である。
 〇AとBの内積は36である。
 〇AとCの和は18である。
 〇AとCの差は52である。

【6】「1の対数、ネイピア数、sin(30°)、円周率、0の階乗」の5つの数からなるデータがある。このデータについて正しいものはどれか。

 〇最頻値は1である
 〇sin(30°)は中央値より大きい
 〇算術平均は中央値より小さい
 〇ネイピア数は円周率より大きい
 〇0の階乗は1の対数より大きい

【7】DataFrameの欠損値の処理に関する次の記述のうち、誤っているものはどれか。

 〇DataFrameの各要素が欠損値かどうかを確かめるメソッドは、isnullである。
 〇欠損値が存在する行や列を削除するメソッドは、dropnaである。
 〇fillnaメソッドの引数にmethod=’ffill’を与えると、欠損値を1つ前方の値で補完する。
 〇mean()メソッドの結果をfillnaメソッドに引数として渡すと、欠損値を他の値の平均値で補完できる。
 〇mode().iloc[1.:]の結果をfillnaメソッドに引数として渡すと、欠損値を最頻値で補完できる。