JDLA E資格の受験条件と学び方。在宅のAIエンジニアの仕事での使い道

2026年9月13日

＠SOHO編集部

この記事のポイント

✓JDLAのE資格の受験条件
✓合格率の推移を公式の発表に沿って整理します
✓認定プログラムの選び方と学び方

JDLAのE資格は、一般社団法人日本ディープラーニング協会（JDLA）が実施する、ディープラーニング（深層学習）のエンジニア向けの資格試験です。「JDLA E検定」と呼ばれることもありますが、正式な名前はE資格（エンジニア資格）です。誰でもすぐに受けられる試験ではなく、JDLAが認定した講座（JDLA認定プログラム）を修了していることが受験の条件になっています。

この記事では、E資格の受験条件、試験の形式と費用、2027年の日程、出題範囲、合格率の推移を、JDLAの公式の発表に沿って整理します。そのうえで、認定プログラムの選び方と学び方、G検定との違い、在宅でAIエンジニアとして働くときに資格をどう生かすかまで説明します。

E資格とはどんな資格か

JDLAは、E資格の目的を次のように示しています。

ディープラーニングの理論を理解し、適切な手法を選択して実装する能力や知識を有しているかを認定する。出典: jdla.org

ポイントは、「理論を理解する」ことと「実装する」ことの両方が問われる点です。ディープラーニングの仕組みを数式で理解しているか、目的に合った手法を選べるか、Pythonやフレームワーク（PyTorchやTensorFlowなど、ディープラーニングのプログラムを書くための部品の集まり）を使って実際に組めるか、が確かめられます。

同じJDLAが実施するG検定（ジェネラリスト検定）が、AIを事業に生かすための幅広い知識を問うのに対し、E資格は、AIを作る側のエンジニアの技術を問う試験です。G検定についてはG検定（JDLA ディープラーニングジェネラリスト）で詳しく紹介しています。

受験条件と試験の概要

E資格の受験の条件と試験の概要は、JDLAの公式ページで次のように示されています（2026年10月時点）。

項目	内容
受験資格	JDLA認定プログラムを、試験日の過去2年以内に修了していること
試験時間	120分
問題の形式	知識問題（多肢選択式・100問程度）
受験の場所	各地の指定試験会場（申し込みのときに希望の会場を選ぶ）
出題範囲	シラバスより、JDLA認定プログラム修了レベルの出題
受験費用	一般33,000円、学生22,000円、会員27,500円（いずれも税込）

受験資格の「過去2年以内」は大事な点です。認定プログラムを修了してから2年を過ぎると、そのままでは受験できなくなります。講座を受ける時期と受験の時期を合わせて計画します。

ソースコードを含む問題は、Pythonで書かれたもの、またはフレームワークを使ったものが出題されます。公式ページによると、2022年の第2回から、PyTorchまたはTensorFlowを使った実装も扱われています。試験の開始時、問題が表示される前にどちらかを選び、選んだあとは変えられません。普段から使い慣れているほうを選べるよう、学習の段階でどちらを中心に学ぶかを決めておきます。

2027年の試験日程

E資格の試験は、年2回行われています。JDLAが発表している2027年の日程は次のとおりです。

回	試験の日	申し込みの期間
E2027#1	2027年2月19日から2月21日	2026年12月1日から、受験日の前日の23時59分まで
E2027#2	2027年8月27日から8月29日	2027年6月1日から、受験日の前日の23時59分まで

試験は3日間の中から受験する日を選ぶ形です。会場ごとに定員があり、希望の会場を選べない場合もあると案内されています。早めに申し込むと、希望の日と会場を選びやすくなります。

出題範囲

E資格の出題範囲は、シラバス（学習事項の一覧）として公開されています。2026年の第2回から新しいシラバスが使われており、大きな分野は次のとおりです。

数学的基礎：確率・統計、情報理論
深層学習の基礎：順伝播型ネットワーク、深層モデルのための最適化と正則化、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、Transformer、汎化性能向上のためのテクニック
機械学習：機械学習の基礎
深層学習の応用：画像認識、物体検出、セマンティックセグメンテーション、自然言語処理、生成モデル、深層強化学習、様々な学習方法、深層学習の説明性
開発・運用環境：エッジコンピューティング、分散処理、アクセラレータ、環境構築

専門の言葉が多いので、いくつか言い換えておきます。順伝播型ネットワークは、入力から出力へ一方向に計算が流れる、もっとも基本的なニューラルネットワークです。畳み込みニューラルネットワークは、主に画像の特徴をとらえるのに使われる仕組みです。Transformerは、文章の翻訳や生成などで使われ、今の大規模言語モデルの土台になっている仕組みです。エッジコンピューティングは、データを遠くのサーバーに送らず、端末の近くで処理する考え方です。

詳細な範囲は、公式ページでシラバスのファイルとして公開されています。学ぶときは、必ず受験する回に使われるシラバスを確かめます。

合格率の推移

JDLAは、試験のたびに結果を発表しています。2026年9月18日に発表された2026年の第2回の結果は、受験者1,062人のうち合格者712人、合格率は67.04%でした。科目ごとの平均の得点率は、応用数学60.90%、機械学習60.07%、深層学習62.32%、開発環境70.00%と発表されています。E資格の累計の合格者は11,550人になりました。2026年の第1回は、1,317人が受験し、911人が合格しています。

同じ発表には、これまでの回ごとの受験者数と合格者数がまとめられています。その一部を抜き出すと次のとおりです。

開催回	受験者数	合格者数	合格率
2018	337	234	69.44%
2019 #1	387	245	63.31%
2019 #2	696	472	67.82%
2020 #1	1,042	709	68.04%
2021 #1	1,688	1,324	78.44%
2021 #2	1,170	872	74.53%
2022 #1	1,327	982	74.00%
2022 #2	897	644	71.79%
2023 #1	1,112	807	72.57%
2023 #2	1,065	729	68.45%
2026 #2	1,062	712	67.04%

これまでの合格率は、回によって6割台から7割台で推移しています。合格率だけを見ると高く感じられますが、受験者は全員、認定プログラムを修了して受験の資格を得た人です。講座を最後までやり通し、試験の準備をした人の中での合格率であることに注意が要ります。結果の詳細はJDLAの2026年第2回の結果発表で確かめられます。

申し込みの流れ

E資格の申し込みは、JDLAの公式ページから案内されている受験サイトで行います。公式ページでは、受験サイトで申し込み、申し込み内容の確認、受験の手続きを行うと案内されています。団体でのバウチャー（受験の権利を前払いで購入する券）での受験も受け付けており、詳しくはピアソンVUEのE資格受験サイトで案内されています。

JDLAの会員の割引で受ける場合は、会員割引のバウチャーが発行されます。公式ページによると、発行までに2営業日ほどかかり、割引のバウチャー以外での申し込みでは会員の割引を受けられません。申し込みの期限の直前に会員の割引を使おうとすると間に合わないことがあるため、早めに手続きします。

申し込みの前に、認定プログラムの修了の日が受験の条件（試験日の過去2年以内）を満たしているかを確かめます。改定前のシラバスに対応した講座を修了した人も申し込めると案内されていますが、詳しくは受講した講座の事業者に確かめるよう書かれています。

講座を受ける前に準備しておくこと

認定プログラムの内容をしっかり理解するには、講座を受ける前に、いくつかの土台を固めておくと効果的です。講座の費用は安くないため、準備をしてから受けるほうが、講座の時間を有効に使えます。

数学

ディープラーニングの理論は、数学の言葉で書かれています。最低限、次の内容に慣れておくと、講座の説明が追いやすくなります。

線形代数：ベクトルと行列の和や積の計算、転置。ニューラルネットワークの計算は、ほとんどが行列の計算です。
微分：関数の傾きの求め方、合成関数の微分。モデルを学習させる仕組みは、微分を使って誤差を小さくしていく考え方です。
確率・統計：平均、分散、確率分布、条件付き確率。データのばらつきやモデルの出力を理解するのに使います。

高校から大学の初めのころに学ぶ内容が中心です。学生のころに学んでいても、時間がたっていれば、入門の本で一通り復習しておきます。

Python

講座の実装の課題や、試験のコードの問題はPythonで書かれています。変数、条件分岐、繰り返し、関数、クラスといった基本の書き方に加え、数値の計算に使うNumPyで配列を扱えるようにしておきます。コードを読んで、何をしているのかを説明できる程度に慣れておくと、講座の課題に集中できます。

学習の環境

自分のパソコンでPythonを動かせる環境を用意しておきます。ディープラーニングの学習には計算の力が必要な場面もありますが、講座の多くは、ブラウザで使える開発の環境を案内しています。どの環境を使うかは、受ける講座の案内に従います。

JDLA認定プログラムの選び方

E資格を受けるには、まずJDLA認定プログラムを修了する必要があります。認定プログラムは、大学などの教育機関や民間の事業者が提供する講座で、JDLAが定める基準とシラバスを満たしたものです。公式ページに一覧が公開されています。

講座を選ぶときは、次の点を比べます。

学び方の形

オンラインで動画を見て学ぶ講座、決まった日時にオンラインで授業を受ける講座、教室に通う講座などがあります。在宅で働きながら学ぶなら、自分のペースで進められるオンラインの講座が続けやすい一方、締め切りがないと進まない人は、授業の日時が決まっている講座のほうが合うこともあります。

修了の条件

認定プログラムには、それぞれ修了の条件があります。課題の提出や修了の試験に合格する必要がある講座もあります。修了の条件を満たさないと、受験の資格を得られません。

費用と、給付金の対象かどうか

認定プログラムの費用は講座によって大きく違います。JDLAの公式ページによると、認定プログラムの中には、厚生労働省の教育訓練給付制度や人材開発支援助成金の対象になっているものがあります。教育訓練給付制度は、働く人が自分で費用を払って厚生労働大臣が指定した講座を受けたとき、費用の一部が雇用保険から支給される制度です。対象となるかどうか、受け取るための条件は、講座ごと、受ける人の雇用保険の加入の期間などで変わるため、厚生労働省の教育訓練給付制度のページとハローワークで確かめてください。

試験の時期との合わせ方

受験資格は修了から2年以内です。講座を修了する時期と、受けたい回の試験の時期が合うように、講座の期間を確かめておきます。

学び方の進め方

E資格の学習は、数学、プログラミング、ディープラーニングの理論と実装の4つが重なり合っています。どこから手を付けるかで、かかる時間が大きく変わります。

1. 数学の土台を確かめる

E資格では、線形代数（行列やベクトルの計算）、微分、確率・統計の知識が前提になります。学生のころに学んでから時間がたっている人は、講座に入る前に、基本を復習しておくと、講座の内容が理解しやすくなります。平均の得点率を見ても、応用数学は6割前後で、得点の差がつきやすい科目と言えます。

2. Pythonに慣れる

実装の問題はPythonで出題されます。数値の計算に使うライブラリのNumPyを使った計算に慣れておくと、ディープラーニングの仕組みを自分で組んで理解する学習がしやすくなります。

3. 認定プログラムで理論と実装を学ぶ

講座では、シラバスに沿って理論と実装を学びます。動画を見るだけでなく、出てきた数式を自分で書き、コードを自分で動かすことで、試験に必要な理解が身につきます。

4. 試験の形式に慣れる

試験は120分で100問程度の多肢選択式です。1問あたりにかけられる時間は長くありません。講座の修了の試験や問題集で、時間を測って解く練習をしておきます。

5. 選んだフレームワークの書き方を確かめる

試験ではPyTorchかTensorFlowのどちらかを選びます。公式ページには、出題の問題を動作確認したライブラリの版が公開されています。自分が学習に使っている版と大きく違う場合は、書き方の違いを確かめておきます。

学習でつまずきやすいところ

E資格の学習で、多くの人がつまずくところがあります。先に知っておくと、対策を立てやすくなります。

数式の意味が追えない

講座で出てくる数式を、意味を考えずに眺めていると、途中から何をしているのか分からなくなります。数式が出てきたら、それぞれの記号が何を表しているのか、入力と出力は何かを、言葉で書き出してみます。小さな数字を当てはめて、手で計算してみるのも効果があります。

コードを写すだけになる

講座の見本のコードを写して動かすだけでは、試験で問われる理解は身につきません。コードの一部を変えたら結果がどう変わるか、わざと誤りを入れたら何が起きるかを試すと、それぞれの行の役割が分かってきます。

応用の分野が広すぎて手が回らない

深層学習の応用の分野は、画像、自然言語、生成モデル、強化学習と幅広く、すべてを深く学ぼうとすると時間が足りなくなります。まずは各分野の代表的な手法の仕組みと、その手法がどんな問題を解くために生まれたのかをつかむことを優先します。

開発環境の分野を後回しにする

開発・運用環境の分野は、理論の分野に比べて後回しにされがちです。2026年の第2回の平均の得点率は70.00%と他の科目より高めでしたが、出題の範囲にはエッジコンピューティング、分散処理、アクセラレータ、環境構築が含まれます。実務でも必ず関わる内容なので、用語の意味と使われる場面を押さえておきます。

試験の前の1か月の過ごし方

認定プログラムを修了してから試験までの期間は、学んだ内容を試験の形式で引き出せるようにする期間です。試験の前の1か月は、次のように進めると無理がありません。

シラバスと照らし合わせる：シラバスの項目を1つずつ見て、説明できるもの、あいまいなもの、分からないものに分けます。
あいまいな項目から復習する：分からない項目より先に、あいまいな項目を固めます。少しの復習で得点につながりやすいためです。
時間を測って問題を解く：120分で100問程度という形式に慣れるため、時間を測って問題を解きます。1問に時間をかけすぎず、迷った問題には印を付けて先に進む練習もしておきます。
間違えた問題を記録する：間違えた理由（知識が足りない、読み違えた、計算を誤った）を書き分けておくと、同じ誤りを繰り返しにくくなります。
前日は確認だけにする：試験の前日は、新しいことを覚えようとせず、間違えた問題の記録を見返す程度にとどめます。会場の場所と持ち物も確かめておきます。

G検定との違いと、どちらから受けるか

E資格とG検定の違いを整理します。

比べる点	E資格	G検定
対象	AIを作るエンジニア	AIを事業に生かす人全般
問われること	理論の理解と実装の力	AIの幅広い知識と活用の考え方
受験の条件	JDLA認定プログラムの修了	条件なし
実装の問題	あり（Python、PyTorchまたはTensorFlow）	なし

エンジニアとしてAIの開発に関わりたい人はE資格、企画や営業、管理の立場でAIを生かしたい人はG検定が合っています。AIについてまだ知識が少ない人は、先にG検定で全体像をつかんでから、E資格に進むという順番もあります。G検定は受験の条件がないため、手軽に学び始められます。

在宅のAIエンジニアの仕事でE資格をどう生かすか

E資格は、在宅でAIの開発の仕事を受けたい人にとって、技術の土台を示す材料の1つになります。ただし、資格を持っているだけで仕事が来るわけではありません。資格をどう生かすかを考えておきます。

発注する側にとっての意味

在宅の仕事では、発注する側は受ける人と顔を合わせずに仕事を任せることになります。ディープラーニングの理論と実装を一通り学んだことを第三者が認めた資格は、「基本は分かっている人だ」と判断する手がかりになります。とくに、AIの開発の経験がまだ少ない人にとっては、経験の不足を補う材料になります。

在宅で受けられるAIの仕事

在宅で受けられるAIの仕事には、次のようなものがあります。

画像や文章を分類するモデルの作成と改善
既存のAIのモデルを、自社のデータに合わせて調整する作業
AIを組み込んだ社内の仕組みの開発
AIの学習に使うデータの整理と前処理
AIを業務に取り入れるための調査や、試作の開発

AIを企業の業務に取り入れる相談に乗る仕事もあります。どのような仕事があるかは、AIコンサル・業務活用支援のお仕事で紹介しています。

AIの仕事は、開発の仕事の延長にあることが多い

在宅で受けられるAIの仕事の多くは、AIのモデルを作る部分だけで完結するわけではありません。作ったモデルを社内の仕組みやアプリに組み込む、データを集めて整える仕組みを作る、結果を画面に表示する、といった一般の開発の作業と組み合わさっています。そのため、E資格で学んだ理論と実装に加えて、Webやアプリの開発の基本が分かっていると、受けられる仕事の幅が大きく広がります。アプリの開発の現場でどんな仕事があるかは、アプリケーション開発のお仕事で紹介しています。

資格と一緒に見せたいもの

在宅の仕事に応募するときは、資格に加えて、自分で作ったものを見せられるようにしておきます。講座の課題で作ったモデルや、自分で集めたデータで試した結果を、コードと説明を添えて公開しておくと、発注する側は実際の力を判断しやすくなります。何を作ったか、どんな工夫をしたか、どこで結果が出なかったかを、正直に書いておくことが大切です。

在宅の仕事に応募するときの作品の作り方

在宅でAIの仕事を受けたい場合、資格に加えて、自分で作ったものを見せられることが大切だと前の節で触れました。作品を作るときは、次の点を意識すると、発注する側に伝わりやすくなります。

課題を自分で決める

講座の課題をそのまま公開するのではなく、自分で課題を決めて取り組んだものを用意します。たとえば、「手書きの伝票の画像から、品目の欄の文字を読み取る」「問い合わせのメールを、内容ごとに分類する」のように、実際の業務にありそうな課題を選ぶと、発注する側が自社の仕事に置き換えて考えやすくなります。

データの出どころを明らかにする

使ったデータがどこから来たものか、使ってよい条件のデータかを明記します。公開されているデータを使う場合は、その利用の条件を確かめます。他人の個人の情報を含むデータや、勝手に集めたデータは使いません。

結果だけでなく過程を書く

どの手法を選んだか、なぜそれを選んだか、精度はどうだったか、うまくいかなかったことは何か、次に何を試すか、を書きます。発注する側が知りたいのは、精度の数字そのものより、問題に対してどう考えて取り組む人なのか、です。

動かし方を書く

コードを公開する場合は、必要なライブラリと版、データの入手の方法、実行の手順を書きます。誰が試しても同じ結果が得られるように整えておくことは、仕事で納品するときにも求められる力です。

E資格が向いている人

E資格の学習に向いているのは、次のような人です。

AIの開発に、作る側として関わりたい人
数学やプログラミングを学ぶことが苦にならない人
AIの仕組みを、なんとなくではなく理屈で理解したい人
在宅の仕事で、AIの開発の経験の不足を補う材料がほしい人

反対に、AIを使いこなして業務を効率化したいだけで、仕組みを作る側に回るつもりがない人には、E資格の学習は負担が大きすぎるかもしれません。その場合は、G検定や、業務でのAIの使い方を学ぶ講座のほうが目的に合います。

AIの開発の仕事を受けるときに決めておくこと

在宅でAIの開発の仕事を受けるときは、一般のプログラムの開発とは違う点を、契約の前に決めておく必要があります。

精度の約束をどう扱うか：AIのモデルは、データの質や量によって精度が変わり、事前に「必ずこの精度を出す」と約束することは難しい仕事です。目標の精度を決める場合も、届かなかったときの扱いを決めておきます。
データの受け渡しと管理：発注する側から受け取るデータに、個人の情報や社外秘の情報が含まれる場合、どこに保存し、作業が終わったらどう消すかを決めます。
作ったモデルの権利：学習させたモデルやコードの権利が、どちらに属するかを決めます。
作業の進め方：最初に小さなデータで試し、見込みを確かめてから本格的に進める、という段階を分けた進め方にすると、お互いの負担が小さくなります。

フリーランスとして会社から仕事を受ける場合は、取引の条件を書面などで示すことが、フリーランス法で発注する側に求められています。条件が口頭だけで決まりそうなときは、文章で示してもらうよう頼みます。

資格を取ったあとに学び続けること

AIの分野は変化がとても速く、資格を取った時点の知識が、数年後には古くなっていることもあります。E資格のシラバス自体も見直されており、2026年の第2回から新しいシラバスが使われています。

資格を取ったあとも、新しい手法の論文や、フレームワークの更新の情報に目を通す習慣を付けておくと、在宅の仕事で求められる技術についていけます。また、AIを使う仕組みでは、個人の情報の扱いや、AIの判断の偏り、著作権など、技術以外の決まりも重要になっています。シラバスに「深層学習の説明性」が入っているように、AIの判断の理由を説明する力も求められています。

研究の分野でディープラーニングを使う人もいます。研究の現場の働き方は研究者の年収・単価相場で確かめられます。

会社員が学ぶときの時間の作り方

E資格の学習は、認定プログラムの受講と試験の準備を合わせると、まとまった時間が必要です。会社員が働きながら学ぶ場合は、時間の作り方を工夫します。

学習の時間を先に決める：平日の朝や夜、週末の午前など、学習に使う時間を先に決めて、ほかの予定を入れないようにします。
講座の期間と試験の日から逆算する：受けたい回の試験の日から逆算して、講座の修了、復習、問題演習の期間を割り振ります。
勤務先の支援を確かめる：勤務先によっては、資格の取得の費用を負担したり、学習の時間を認めたりする制度があります。JDLAの公式ページにも、E資格の取得を推奨する企業の事例が紹介されています。
分からないところを溜めない：数式やコードで分からないところが出てきたら、その週のうちに解決するようにします。分からないまま先に進むと、あとの単元が理解できなくなります。

学んだ技術を副業で生かす場合は、勤務先の就業規則で副業の扱いを確かめます。本業でAIの開発に関わっている人は、本業で扱ったデータやモデルを副業に使わないよう、とくに注意が要ります。

AIの仕事で長く頼まれる人に共通すること

在宅ワークとフリーランスの仲介を2004年から続けてきた運営者として、ITやAIに関わる仕事の募集と応募を長く見てきました。AIの開発の仕事で長く頼まれる人に共通するのは、技術の高さと同じくらい、「発注する側が何に困っているか」を聞き出す力を持っていることです。AIを使いたいという相談の多くは、最初は「AIで何かできないか」という漠然とした形で届きます。業務のどこに時間がかかっているのか、どのデータがあるのかを聞き出し、AIを使うべきところと使わなくてよいところを分けて提案できる人は、継続して頼まれるようになります。

もう1つは、結果を正直に伝えていることです。AIのモデルは、データや条件によって、期待どおりの精度が出ないことがあります。うまくいかなかったことと、その理由、次に試すことを率直に伝える人は、発注する側から信頼されます。発注する側と直接やり取りできる形なら、こうした細かなすり合わせがしやすく、仲介の手数料が差し引かれない分、受ける側の手取りも厚くなります。手数料0%で直接やり取りできる仲介サイトは、AIの開発のように相談しながら進める仕事と相性がよい仕組みです。

E資格で学んだ技術を生かせる仕事は、AIの開発だけでなく、マーケティングやセキュリティの分野にも広がっています。どのような在宅の仕事があるかはAI・マーケティング・セキュリティのお仕事で紹介しているので、資格を取ったあとの仕事の探し方の参考にしてください。

よくある質問

Q. JDLAのE資格は誰でも受験できますか？

誰でもすぐに受けられる試験ではありません。JDLAが認定した講座であるJDLA認定プログラムを、試験日の過去2年以内に修了していることが受験の条件です。認定プログラムは教育機関や民間の事業者が提供しており、JDLAの公式ページに一覧が公開されています。修了から2年を過ぎると、そのままでは受験できません。

Q. E資格の受験費用と試験の形式を教えてください？

2026年10月時点の公式の案内では、受験費用は一般33,000円、学生22,000円、会員27,500円（いずれも税込）です。試験は120分で、多肢選択式の知識問題が100問程度出題され、各地の指定試験会場で受けます。実装の問題はPythonで、PyTorchかTensorFlowを試験の開始時に選びます。