コトラ（広報チーム） 
AIエンジニアを目指す未経験者にとって、資格は学習の方向性を定め、知識を客観的に示すために役立つ手段です。ただし、資格だけで転職が決まるわけではありません。Pythonによる実装、データの扱い、課題を解決するための考え方を身に付け、成果物として示すことが重要です。
本記事では、未経験者がAIエンジニア転職に向けて取得を検討しやすい資格と、目的別の選び方、学習から転職につなげる手順を解説します。
未経験からAIエンジニアを目指す際に資格は必要か
AIエンジニアになるために、必須となる資格はありません。実際の採用では、プログラミング経験、データ処理の経験、機械学習や生成AIを用いた開発経験などが重視されます。
一方で、未経験者は実務経験を示しにくいため、資格を通じて基礎知識を身に付けたことや、計画的に学習している姿勢を伝えやすくなります。資格を最終目標にせず、実務に近いスキルを身に付ける途中の目標として活用することが重要です。
資格だけでAIエンジニアへの転職が決まるわけではない理由
AIエンジニアの仕事は、試験問題に答えることではなく、データを整え、目的に合う方法を選び、システムとして動く形にすることです。そのため企業は、資格の有無だけでなく、実際に何を作ったのか、どのように課題を考えたのかを確認します。
たとえば、機械学習モデルを作る場合は、データの欠損や偏りを確認し、学習用と評価用のデータを分け、精度を測定しながら改善します。生成AIを活用する場合も、単に会話型AIを使えるだけではなく、外部サービスとの連携、入力データの扱い、回答内容の確認、安全な運用を考える必要があります。
資格は知識の証明にはなりますが、実装力や問題解決力まで直接証明するものではありません。資格取得と並行して、コードや成果物を公開できる状態を目指しましょう。
資格で示せる知識と実務経験で示すべきスキル
資格で示しやすいのは、AI、IT、Python、データ分析、クラウドに関する体系的な知識です。未経験者にとっては、学習範囲を明確にし、用語や仕組みを整理するうえでも役立ちます。
一方、実務経験やポートフォリオで示すべきなのは、次のようなスキルです。
- Pythonでデータを読み込み、加工できる力
- SQLなどを使って必要なデータを取り出す力
- 機械学習モデルを作成し、精度を評価する力
- AIモデルや生成AIの機能をアプリケーションに組み込む力
- Gitを用いてソースコードを管理する力
- 課題、仮説、実装内容、改善結果を説明する力
特に未経験からの転職では、資格と成果物を組み合わせることで、知識と行動力の両方を伝えやすくなります。
未経験者が資格取得を転職準備に活用する方法
資格取得は、転職準備を進めるための区切りとして活用できます。最初にAIやITの全体像を学ぶ資格を取得し、その後にPythonやデータ分析の資格へ進むと、学習が段階的になります。
ただし、資格学習だけに時間を使いすぎないことも大切です。学んだ内容を使って、小さなプログラムやデータ分析を作りましょう。たとえば、公開データを使った売上予測、分類モデル、文章の要約アプリなどを作成し、GitHubにコードと説明を公開する方法があります。
履歴書には資格名と取得年月を記載し、職務経歴書や面接では、資格学習を通じて何を学び、どの成果物に活かしたかを具体的に説明します。
資格より先に確認したいAIエンジニアの仕事内容
AIエンジニアと呼ばれる職種の業務範囲は、企業によって異なります。主に、AIモデルを開発する仕事、データを分析する仕事、AIをシステムに組み込んで運用する仕事に分かれます。
一般的な業務には、データ収集、不要なデータの削除や形式の統一、モデルの設計と学習、精度の評価、システムへの組み込み、運用後の改善などがあります。画像認識、需要予測、不正検知、文書検索、問い合わせ対応など、扱うテーマもさまざまです。
未経験者は、最初から研究開発に近い職種だけを目指すより、既存のAI機能を業務システムやサービスに組み込む実装・運用寄りの仕事も視野に入れるとよいでしょう。目指す仕事内容を決めてから、必要な資格と学習内容を選ぶことが効率的です。
AIエンジニア資格を選ぶ前に身に付けたい基礎知識
資格の学習を始める前に、基本的な知識を押さえておくと理解が進みやすくなります。すべてを完璧に習得してから資格に挑戦する必要はありませんが、Python、データ、機械学習、統計、開発環境の基礎は早めに触れておきましょう。
プログラミングの基礎となるPython
AI開発やデータ分析では、Pythonが広く使われています。文法が比較的読みやすく、データ処理や機械学習に必要なライブラリが豊富なためです。
最初は、変数、条件分岐、繰り返し、関数、リスト、辞書、ファイル操作を学びます。その後、表形式のデータを扱うためのpandas、数値計算に使うNumPyなどに進むと、AIやデータ分析の学習につながります。
資格対策では知識を問う問題が中心でも、実際にコードを書いて動かす経験がなければ定着しにくくなります。短いプログラムでもよいため、自分で書き、エラーを調べ、修正する習慣を作ることが重要です。
データを扱うための基礎知識
AIの精度は、使用するデータの量だけでなく、内容や品質にも左右されます。実務では、モデル作成そのものよりも、データを確認して使える状態に整える作業に時間がかかることがあります。
身に付けたい基礎には、CSVなどのデータファイルの読み込み、欠損値の確認、重複データの削除、表記の統一、データ型の変換、集計、グラフ表示などがあります。データベースに保存された情報を扱う場合は、SQLの基礎も役立ちます。
データを扱う際は、数値だけを見るのではなく、そのデータが何を意味するのか、収集方法に偏りがないか、個人情報を含んでいないかを確認する姿勢も必要です。
機械学習と生成AIの基本的な仕組み
機械学習は、データから規則性を学び、予測や分類を行う技術です。代表的な方法には、正解付きデータから学ぶ教師あり学習、正解を与えずにデータの特徴を見つける教師なし学習、試行錯誤で行動を学ぶ強化学習があります。
最初は、売上や価格を予測する回帰、迷惑メールかどうかを判定する分類、似た特徴を持つデータをまとめるクラスタリングなどを理解するとよいでしょう。複雑な技術に進む前に、データ準備、学習、評価、改善という一連の流れを把握することが大切です。
生成AIは、文章、画像、音声、プログラムなどを作り出すAIです。大規模言語モデルを活用したアプリケーションでは、利用者の質問に答える仕組み、社内文書を検索して回答に利用する仕組み、外部サービスと連携する仕組みなどが使われます。利用時は、誤った回答、情報漏えい、著作権、個人情報などのリスクも理解しておく必要があります。
統計と数学の基礎
AIエンジニアに必要な数学は、目指す仕事によって深さが異なります。AIを業務システムに組み込む実装・運用寄りの仕事では、最初から高度な理論をすべて理解する必要はありません。ただし、データやモデルの結果を正しく判断するための基礎は必要です。
特に重要なのは、平均、中央値、分散、相関、確率分布、仮説検定などの統計です。機械学習をより深く理解するためには、ベクトルや行列を扱う線形代数、誤差を小さくする仕組みに関わる微分、最適化の考え方も学びます。
数式を暗記するのではなく、何を表しているのか、どのような場面で使うのかを理解しましょう。Pythonでグラフを表示したり、簡単な計算を試したりすると、理論と実装を結び付けやすくなります。
開発環境とクラウドサービスの基礎
AIモデルや生成AIの機能は、個人のパソコンだけで完結せず、クラウドサービス上で開発・運用されることが少なくありません。そのため、クラウド、Git、Docker、API、Linuxなどの基礎知識が役立ちます。
クラウドサービスでは、必要な計算環境や保存場所を用意し、データやモデルを扱います。AI向けのサービスを利用すれば、ゼロから大規模な環境を構築しなくても、既存モデルを活用した開発を進められます。
まずは、Gitでコードの変更履歴を管理し、GitHubなどで成果物を公開する方法を学びましょう。その後、APIを使った外部サービス連携や、クラウド環境への簡単な公開に取り組むと、実務に近い経験になります。
未経験からの転職におすすめのAIエンジニア資格
未経験者が資格を選ぶ際は、難易度が高い資格を最初から狙うより、現在のスキルと転職目的に合うものを選ぶことが重要です。おすすめの順序は、PythonやITの基礎を固め、AI全体の知識を学び、必要に応じてデータ分析やクラウド、深層学習へ進む流れです。
G検定｜AIに関する基礎知識を広く学びたい人向け
G検定は、ディープラーニングをはじめとするAIの基礎、活用事例、法律、倫理、データの取り扱いなどを幅広く学べる資格です。プログラミングの実装力そのものを問う試験ではなく、AIを事業や業務で活用するための基礎知識を確認します。
AIの全体像を知りたい人、非技術職からAI関連の仕事に関わりたい人、AIエンジニアを目指す前に用語や仕組みを整理したい人に向いています。転職では、AIに関する基礎知識とリスクへの理解を示す材料になります。
一方で、G検定だけではPythonでの開発力は示せません。取得後は、Python、データ分析、簡単なAIアプリ制作などの実践学習へ進むことをおすすめします。
Python3エンジニア認定基礎試験｜プログラミング初心者向け
Python3エンジニア認定基礎試験は、Pythonの文法、データ構造、関数、モジュール、例外処理など、プログラミングの基礎知識を確認する資格です。AIだけに特化した試験ではありませんが、AI開発の土台となるPythonを学ぶ入口として適しています。
プログラミング未経験者は、試験対策の前に自分でコードを書く練習を重ねましょう。文法問題に答えられても、実際にデータを読み込んだり、エラーを直したりできなければ実務にはつながりません。
資格取得後は、pandasやNumPyを用いたデータ処理、APIを利用した簡単なアプリ開発、機械学習ライブラリの利用へ進むとよいでしょう。
Python3エンジニア認定データ分析試験｜データ分析を学びたい人向け
Python3エンジニア認定データ分析試験は、Pythonを用いたデータ分析に関する知識を確認する資格です。NumPy、pandas、Matplotlib、scikit-learnなど、データ分析や機械学習の初歩で利用される内容を学べます。
Pythonの基本文法を学んだ後に、データを読み込み、整え、可視化し、分析する力を身に付けたい人に向いています。データアナリスト、データを扱うエンジニア、実装・運用寄りのAIエンジニアを目指す場合にも役立ちます。
試験対策と並行して、公開データを使った分析に取り組みましょう。分析の目的、データの特徴、前処理の内容、グラフから分かることを説明できるようにすると、ポートフォリオとして活用しやすくなります。
基本情報技術者試験｜ITエンジニアとしての土台を作りたい人向け
基本情報技術者試験は、情報処理推進機構が実施する国家試験です。プログラミング、アルゴリズム、データベース、ネットワーク、セキュリティ、システム開発など、ITエンジニアに必要な基礎を広く学べます。
AIに特化した資格ではありませんが、IT未経験からエンジニアを目指す人にとっては有力な選択肢です。AIシステムも、データベース、ネットワーク、セキュリティ、ソフトウェア開発の基礎の上に成り立っています。
AIエンジニアを目指す場合も、IT全般の知識があることで、AIモデルをサービスに組み込む仕事や、開発チームとの連携を理解しやすくなります。
クラウド資格｜AIサービスの開発や運用にも関わりたい人向け
クラウド資格は、クラウドサービス上でシステムを設計、開発、運用するための知識を示す資格です。AI関連の仕事では、クラウド上のデータ保存、計算環境、AIサービス、監視、セキュリティなどを扱う場面があります。
初心者は、各クラウドサービスの入門資格から検討するとよいでしょう。AIや機械学習に特化した資格は、クラウドの基本操作や開発経験がある人に向いています。
クラウド資格を選ぶ際は、資格名だけで決めず、目指す求人でどのクラウドサービスが使われているかを確認することが重要です。資格取得後は、実際に小規模なアプリケーションをクラウドに公開する経験を積むと、より実践的なアピールになります。
E資格は未経験者におすすめか
E資格は、深層学習に関する理論と実装の知識を問う資格です。AIエンジニア向けの代表的な資格として知られていますが、完全未経験者が最初に目指す資格としては難易度が高めです。
Pythonや数学、機械学習の基礎がある人にとっては、専門性を高める目標になります。一方で、プログラミング未経験者は、基礎を飛ばしてE資格だけを目指すと、内容を理解しきれないまま学習が終わる可能性があります。
E資格で証明できる深層学習の知識と実装力
E資格では、深層学習の基礎理論、ニューラルネットワーク、画像認識、自然言語処理、時系列データ、強化学習、開発環境、法律や倫理などが対象になります。
取得により、ディープラーニングについて体系的に学び、一定水準の知識を持つことを示せます。機械学習モデルの開発、画像や文章を扱うAI、深層学習を活用するプロジェクトに関心がある人に適しています。
ただし、資格取得だけで実務の実装力が十分に証明されるわけではありません。データの準備、モデルの評価、性能改善、システムへの組み込みといった経験は、成果物や実務を通じて補う必要があります。
E資格の受験に必要な認定講座の修了
E資格には受験資格があり、原則としてJDLA認定プログラムを試験日の過去2年以内に修了する必要があります。一般的な試験のように、誰でも独学のみで申し込める形式ではない点に注意が必要です。
認定講座では、深層学習の理論、Pythonによる実装、数学、演習などを体系的に学びます。講座ごとに学習期間、受講形式、質問対応、課題、費用が異なるため、受講前に内容を比較しましょう。
受験料だけでなく、認定講座の受講費用も必要になるため、予算と学習時間を確認したうえで計画を立てることが重要です。
E資格の難易度と必要な学習時間の目安
E資格は、AI資格のなかでも専門性が高い部類に入ります。深層学習の仕組みだけでなく、数学、Python、データ処理、実装に関する理解が求められるためです。
必要な学習時間は、現在のスキルや受講講座によって大きく異なります。Pythonや機械学習の経験がある人であれば講座を中心に進めやすい一方、未経験者は講座外でPython、統計、線形代数などを補う時間が必要になります。
短期間での合格だけを目的にせず、モデルの仕組みを説明できること、コードを読み書きできることを目標に学びましょう。
未経験者がE資格を目指す前に学ぶべき内容
完全未経験者は、E資格の前に次の内容を学ぶことをおすすめします。
- Pythonの基本文法とライブラリの使い方
- CSVなどのデータを読み込み、加工する方法
- SQLやデータベースの基礎
- 平均、分散、確率、統計の基礎
- ベクトルと行列を中心とした線形代数の基礎
- 教師あり学習、教師なし学習、モデル評価の基礎
- Gitによるコード管理の基礎
これらを身に付けてからE資格に進むと、講座内容を理解しやすくなります。先にPython資格やデータ分析資格、G検定、基本情報技術者試験などを活用する方法もあります。
E資格が転職で評価されやすい職種
E資格は、深層学習を使ったモデル開発や研究開発に近い仕事を目指す場合に、特に関連性を示しやすい資格です。具体的には、機械学習エンジニア、画像認識エンジニア、自然言語処理を扱うエンジニア、データサイエンティスト、AIソリューション開発に関わる職種などが挙げられます。
一方、AI機能を既存システムへ組み込む仕事、クラウド上の運用を中心とする仕事では、E資格に加えてソフトウェア開発、クラウド、データベース、運用設計の経験が重視される場合があります。
応募する求人の業務内容を確認し、求められるスキルに合わせて資格と成果物を準備しましょう。
AIエンジニア資格の難易度・費用・受験条件の比較
資格を比較する際は、受験料だけでなく、受験条件、講座費用、更新の有無、必要な学習時間、転職先との相性を確認することが重要です。料金や試験形式は変更される場合があるため、申し込み前には必ず各試験の公式情報を確認してください。
G検定・E資格・Python資格・基本情報技術者試験・クラウド資格の比較
資格ごとの特徴は次のとおりです。
- G検定は、AIやディープラーニングの全体像、活用、法律、倫理を学びたい人に向いています
- E資格は、深層学習の理論と実装を深く学びたい人に向いています
- Python3エンジニア認定基礎試験は、Pythonを初めて学ぶ人の基礎固めに向いています
- Python3エンジニア認定データ分析試験は、Pythonによるデータ処理や分析を学びたい人に向いています
- 基本情報技術者試験は、AIに限らないITエンジニアとしての基礎を身に付けたい人に向いています
- クラウド資格は、クラウド上でAIサービスの開発、公開、運用に関わりたい人に向いています
未経験者は、Python基礎、基本情報技術者試験、G検定のような基礎領域から始め、目指す職種に応じてデータ分析、クラウド、E資格へ進むと学習を積み上げやすくなります。
初心者でも受験しやすい資格
初心者が比較的取り組みやすいのは、G検定、Python3エンジニア認定基礎試験、基本情報技術者試験、クラウドの入門資格です。
ただし、受験しやすさは現在の知識によって変わります。プログラミング経験がない人にとっては、Python資格でも事前学習が必要です。IT知識がまったくない人は、基本情報技術者試験の前にITパスポートなどで用語に慣れる方法もあります。
初心者は、資格を一度に複数受けるのではなく、最初の1つを決めて学習習慣を作ることが重要です。
学習経験がある人に向いている資格
Pythonでの開発経験やデータ分析経験がある人は、Python3エンジニア認定データ分析試験、クラウドのAI・機械学習関連資格、E資格を検討しやすくなります。
すでにITエンジニアとして働いている場合は、現在の経験を活かせる資格を選ぶと効果的です。たとえば、クラウド環境での開発経験がある人はクラウドAI資格、データ分析経験がある人はPythonデータ分析資格や統計関連の資格、機械学習の実装経験がある人はE資格が候補になります。
資格の難易度よりも、今後担当したい業務とのつながりを優先しましょう。
受験費用に加えて確認したい講座費用と更新費用
資格取得にかかる費用は、試験の受験料だけではありません。特にE資格は認定講座の修了が必要なため、講座費用を含めて検討する必要があります。
クラウド資格では、資格の種類によって有効期限が設定され、継続のために再認定や更新が必要になる場合があります。学習用にクラウドサービスを利用する際も、利用料金が発生することがあります。
費用を比較する際は、次の項目を確認しましょう。
- 試験の受験料
- 公式教材や参考書の費用
- 認定講座やオンライン講座の費用
- 模擬試験や問題集の費用
- クラウドサービスの利用料金
- 資格更新や再認定にかかる費用
資格の知名度だけで選ばないための確認ポイント
知名度が高い資格でも、転職したい職種に直結するとは限りません。資格を選ぶ前に、求人票を確認し、どのような技術や経験が求められているかを調べましょう。
確認したいポイントは次のとおりです。
- 目指す職種はモデル開発、データ分析、実装・運用のどれに近いか
- 求人でPython、SQL、クラウド、機械学習、生成AIのどれが求められているか
- 受験資格や認定講座の受講条件があるか
- 資格取得後に制作したい成果物と学習内容がつながるか
- 受験料や講座費用を含めて継続できるか
資格は転職の目的ではなく、希望する仕事に近づくための手段です。
転職目的別に見るAIエンジニア資格の選び方
同じAIエンジニアでも、データ分析、機械学習モデル開発、生成AIの実装、クラウド運用など、担当する領域は異なります。目標に応じて、優先する資格と学習内容を変えましょう。
AIの基礎理解を優先したい場合
AIの全体像、活用方法、法律、倫理を学びたい場合は、G検定が候補です。AIに関する用語を整理し、どのような課題にAIを活用できるのかを理解するのに役立ちます。
IT未経験者の場合は、G検定と並行して基本情報技術者試験の学習を進めると、AIを支えるITの仕組みも理解しやすくなります。ただし、AIの基礎理解だけでは開発職への転職には十分ではないため、Python学習も早めに始めましょう。
プログラミングスキルを身に付けたい場合
プログラミング未経験者は、Python3エンジニア認定基礎試験を学習の目標にする方法があります。Pythonの基本文法を学びながら、コードを書く習慣を作れます。
資格取得後は、データ処理、API連携、簡単なWebアプリ作成などに進みます。AIエンジニアとして転職するには、文法知識に加えて、実際にプログラムを完成させる経験が必要です。
データ分析の仕事を目指したい場合
データ分析を目指す場合は、Python3エンジニア認定データ分析試験が適しています。pandasやNumPyによるデータ操作、可視化、機械学習の初歩を学べるためです。
あわせて、SQL、統計、データベースの知識を身に付けると実務に近づきます。資格取得後は、公開データを使い、前処理から可視化、分析結果の説明までを含む成果物を作りましょう。
機械学習モデルの開発を目指したい場合
機械学習モデルの開発を目指す場合は、Python、統計、線形代数、データ処理、機械学習の基本を身に付けた後に、E資格を検討します。
最初から深層学習だけに集中するのではなく、回帰、分類、クラスタリングなどの基本的な機械学習を学ぶことが重要です。実務では、深層学習以外の手法が適する場面もあります。
資格と並行して、データの選び方、モデルの評価方法、改善の過程を説明できるポートフォリオを作成しましょう。
クラウド上での開発や運用を目指したい場合
AIサービスの公開や運用、データ基盤、生成AIの実装に関わりたい場合は、クラウド資格が役立ちます。まずはクラウドの基礎資格を通じて、保存、計算、ネットワーク、アクセス権限、セキュリティなどを学びます。
その後、AI・機械学習関連のクラウド資格や、実際のクラウド環境でのアプリ公開に進むとよいでしょう。Pythonで作ったアプリをクラウド上で動かし、データ保存やアクセス制御を設定する経験は、転職時のアピールにつながります。
資格取得からAIエンジニア転職につなげる学習ロードマップ
未経験からAIエンジニアを目指す場合は、資格、基礎学習、実践、転職準備を並行して進めることが重要です。目安としては、基礎から成果物作成までに数か月から1年以上かかる場合があります。現在の経験、学習時間、目指す職種に応じて無理のない計画を立てましょう。
最初にPythonとITの基礎を学ぶ
最初の段階では、PythonとITの基礎を身に付けます。Pythonでは、変数、条件分岐、繰り返し、関数、ファイル操作、ライブラリの利用を学びます。ITの基礎では、ネットワーク、データベース、セキュリティ、ソフトウェア開発の流れを理解します。
この段階では、Python3エンジニア認定基礎試験や基本情報技術者試験を学習目標にする方法があります。ただし、試験問題を解くだけでなく、毎日短いコードを書くことを優先しましょう。
基礎資格を取得して学習の土台を固める
PythonやITの基礎を学んだら、目的に応じて基礎資格の取得を目指します。AI全体を知りたい場合はG検定、Pythonによるデータ処理を深めたい場合はPython3エンジニア認定データ分析試験が候補です。
資格取得は、知識を整理し、学習の継続性を示すうえで役立ちます。一方で、資格取得直後に次の資格へ進むのではなく、学んだ内容を使った小さな制作に着手することが重要です。
データ分析や機械学習の学習を進める
次に、データを読み込み、整え、可視化し、分析する力を身に付けます。pandas、NumPy、Matplotlibなどを使い、CSVファイルを扱う練習をしましょう。あわせてSQLも学ぶと、データベースから必要な情報を取り出す力が身に付きます。
その後、scikit-learnなどを使い、回帰や分類の基本モデルを作ります。重要なのは、多くの手法を暗記することではなく、データ準備、学習、評価、改善の流れを理解することです。
深層学習や生成AIに進む場合も、基本的な機械学習とデータ処理を理解してから取り組むと、仕組みを把握しやすくなります。
学習成果として作品を作る
転職に向けて最も重要なのは、学んだ内容を成果物として示すことです。資格だけでは分かりにくい実装力や課題解決力を、ポートフォリオで伝えられます。
作品は、複雑なものを無理に作る必要はありません。自分の前職や関心分野に近いテーマを選ぶと、課題設定に説得力が出ます。
- 公開データを用いた売上や需要の予測
- 文章データを用いた分類や要約
- 画像データを用いた簡単な分類
- 社内文書の検索を想定した生成AI活用アプリ
- 問い合わせ対応を支援するチャット形式のアプリ
- データの集計と可視化を行う分析レポート
成果物には、目的、使用したデータ、前処理、利用技術、評価方法、工夫点、改善点を記載しましょう。コードだけでなく、何を解決しようとしたのかを説明できることが重要です。
履歴書・職務経歴書と面接で資格を活かす
履歴書には、取得済みの資格だけでなく、受験予定の資格や継続中の学習を記載できます。ただし、資格名を並べるだけでは十分なアピールになりません。
職務経歴書では、前職の経験とAI分野の学習を結び付けて説明しましょう。たとえば、営業経験がある人は顧客データの分析や業務効率化、製造業の経験がある人は品質管理や異常検知、事務経験がある人は文書処理や定型業務の自動化など、業界知識を活かせるテーマを考えられます。
面接では、資格を取得した理由、学習で苦労した点、作成した成果物、今後学びたいことを具体的に伝えます。未経験者の場合は、完璧な知識よりも、継続して学び、試行錯誤しながら成果物を作った過程が評価につながります。
AIエンジニアへの転職では、資格を出発点にして、Python、データ処理、機械学習、クラウド、ポートフォリオへと学習を広げることが重要です。自分が目指す仕事内容を明確にし、資格と実践の両方を積み重ねていきましょう。
