私は製造業のデジタルトランスフォーメーション推進部門に所属しており，自然言語処理や意思決定支援に向けたデータ活用の研究開発行なっています。併せて，製品の設計・製造やアフターサービスなどを行なう事業部門においてデータ活用を推進するために，人材育成にも取り組んでいます。データを正しく活用するために，各種分析手法や評価方法などをきちんと理解する必要があると考えました。そのため，あらためて数理統計学・機械学習を学び，その理解の定着のために統計検定を受験しました。
　受験準備にあたり，基礎的な内容から勉強をやり直しました。まず公式テキスト[1]の出題範囲を一覧表にまとめ，学習した分野を記録することで，網羅的に知識を獲得していきました。公式テキストはあくまで概要・結果のみの記載なので，数理統計学の教科書[2][3][4]や関連図書[5][6]を丁寧に読み込み，その結果が得られる過程の理解に努めました。また問題集[7]は，問題を解いた日と正誤も一覧表に記録し，理解していない分野を明確化して苦手を潰していきました。準1級は行列の手計算なども必要なので，計算練習も行ないました。試験では学んだ知識を効率よくアウトプットする必要があるため，知識の定着も重要です。そのため出題範囲のキーワードを見て，関連する知識をノートに書きだしたり口頭で説明したりする練習をしました。
　今年の準1級はこれまで頻出の分野に加えて，多変量正規分布やモデル選択，自己符号化器など，機械学習でも重要な内容が出題されており，データ分析の実務者が知識の定着度合いを測るのには向いていると感じました。
　製造業ではデータを活用したビジネスモデルへ変革を迫られており，データ分析人材の活躍の場がより一層増えていくと考えています。今後は今回学んだ知識を，自身の業務や社内人材育成にも活用していきたいです。またスキルアップのため，1級やデータサイエンスエキスパートも受験したいです。

[1]日本統計学会公式認定 統計検定準1級対応 統計学実践ワークブック (日本統計学会編)
[2]現代数理統計学 (竹村彰通)
[3]現代数理統計学の基礎 (久保川達也)
[4]自然科学の統計学 (東京大学教養学部統計学教室)
[5]東京大学工学教程　基礎系 数学 確率・統計II (青木敏，竹村彰通)
[6]東京大学工学教程　情報工学　機械学習 (中川裕志)
[7]日本統計学会公式認定 統計検定 1級・準1級 公式問題集 (日本統計学会編)