見出し画像

G検定攻略!効率的な学習方法と失敗しないためのアドバイス

初めまして。情報系学部を卒業し、現在は新卒としてデータエンジニアのキャリアをスタートさせました。

私は2023年第3回G検定(7月開催)を受験して、1ヶ月に満たない学習期間で1発合格することができました!
今回はその際に役立った勉強法や本番を向かえる前に知りたかったことなどを共有できればと思っております。

まず最初に私がG検定を受験した際のバックグラウンドを簡単に説明します。新卒ということもあり、実務経験がありませんでした。また、保有する資格はITパスポートのみとなります。
初心者である私でも合格できたので、同じようにこれから受験を検討している方には、私の経験が参考になるのではないかと考えています!


実践した方法

学習の流れ

以下に、私が採用した具体的な学習法を順番にお伝えします。
参考までに、学習プロセスの期間は約1ヶ月が目安です。

  1. 公式テキストの完全一読

  2. 問題集を1周(問題の理解度に応じて、チェックマークをつける)

  3. 公式テキストなどを使って、問題集で理解できなかった部分の復習

  4. 問題集の2周目、3周目(私の場合は間違った問題だけ)

  5. 模試テスト(問題集の購入特典、study-ai)を受験

<スキマ時間>

  • 倫理・法律関連の学習(Youtube、無料のサイト)

  • 苦手分野の復習

  • 用語の暗記

使用した書籍・模擬テスト

おすすめの学習法とアドバイス

<生成AIを最大限に活用しよう!>

生成AIはG検定の学習、また本番でも非常に役に立ちます!

私は学習中、公式テキストだけで十分に理解するのが難しかった部分の補足や、問題集では不十分と感じた分野において、生成AIに問題を生成してもらい、それを基に演習を行いました。試験本番でも、チートシートだけでは対応しきれない部分での参照として利用することができます。

ただし、必ずしも生成AIが正しいわけではないことに注意です!
特にChatGPT(GPT-3.5)を使用する際は2019年までの情報が基となっているため、特に倫理・法律に関しては不正確な場合が多いです。そのため、私は情報の確認の際に、複数の生成AIを併用していました。
具体的にはChatGPT(GPT-3.5とGPT-4)、Bard、BingAIを使用しました。

<問題集の用語解説を活用!>

上記で紹介した「最短突破 ディープラーニングG検定(ジェネラリスト) 問題集 第2版 」には、各章の最後に用語解説がついています。

このセクションに記載されている用語を、人に説明するできるレベルまで理解しておくことが重要です。
私自身、家の中で繰り返し用語を音読し、まるで誰かに教えているかのように声を出して学習しました。公式テキストを読む際も、この音読の方法を採用することで、単に目で追うよりも内容が頭に定着しやすくなりました。

<倫理・法律分野は要注意!>

最近は倫理・法律に関する問題の割合が増えています。
公式テキストと問題集だけでは、対策不足になる可能が非常に高いと思います。
この分野は常に情報がアップデートされていきます。一気に情報をインプットするのではなく、他の学習内容と並行して少しずつ吸収していくアプローチがおすすめです。私自身も、余裕のある時間にYouTubeや無料のオンライン記事を頻繁に読んでいました。

もしこの分野で不安な方はAI白書(AIに関連した多様な動向を総合的に解説する書籍)の購入を検討してみてもいいかもしれません。(私はAI白書の購入はしませんでした….)

最後に

最後に、試験対策のアドバイス

実際に試験本番では、公式テキストや問題集で学習していない内容も多く出題されます。しかし、焦りは禁物です。
わからない問題があっても、まずは全問解き切ってから最後に考え直すことをおすすめします。

模試を受けたあとに不安なる方も多いと思います。私も、模試のスコアだけを見れば、合格の瀬戸際でした。重要なのは、不明点や難しい問題に遭遇した際の対処法を事前に練っておくことです。時間配分やチートシート・生成AIをどのように使用するかをシュミレーションしておくだけで、本番でも落ち着いて取り組むことができると思います。

なお、多くの方がnoteなどで有料のチートシートを販売していますが、個人的には購入しなくても大丈夫だと思っています。(私は無料で公開されているチートシートを使いました)
金銭的に余裕があるのであれあば、追加の情報源として利用するのも一つの方法だと思いますが…

この記事が皆さんの試験対策にお役に立てれば幸いです。合格を目指している皆さん、全力で応援しています!頑張ってください!


この記事が気に入ったらサポートをしてみませんか?