基礎理論

対応するシラバスの範囲(応用情報技術者試験シラバス Ver.7.2):大分類「基礎理論」の中分類1「基礎理論」

  • 記号の書き方(このメモのルール):
    • 本来は上に線を引いて表す「否定」「補集合」は、論理なら ¬A、集合なら Aᶜ と書く
    • 2乗などのべき乗は 2³、σ² のように書く。log の底は log₂ のように書く

一言で言うと

  • 集合と論理、情報理論、オートマトン、グラフ、確率・統計、数値計算、AIなど、ITの土台になる数学(計算問題あり)

覚え方の軸

集合と論理

  • 集合と論理は同じものの言い換え
  • 数えるときは「足して、重なりを引く」
  • 条件文p→qは「真→偽」のときだけ偽
  • 式を短くする方法は2つ

情報理論と符号化

  • 情報量は「めずらしいほど大きい」
  • 平均情報量(エントロピー)は「あいまいさ」
  • 圧縮の考え方は2つ
  • PCMは「標本化 → 量子化 → 符号化」

オートマトン

  • 順序機械は「入力+今の状態」で決まる
  • 有限オートマトンは5つ組
  • 判定のルールは「最後にいる状態」
  • オートマトンの強さの順番と、認識できる言語

形式言語

  • 解析は2段階で、道具がそれぞれ決まっている
  • 文脈自由文法は G=(N,T,P,S)
  • BNFは「再帰」で繰り返しを表す
  • 構文木から中間語へ
  • 正規表現のメタ記号は5つ

グラフ理論

  • グラフは2つの切り口で分ける
  • 「1回だけ通る」のが辺か頂点か
  • 表し方は3つ
  • 隣接行列 M の M² は「辺2本の経路の数」
  • ダイクストラ法は「近い頂点から1つずつ確定」

確率と統計

  • 「または」は足す、「かつ」は掛ける
  • 原因の確率(ベイズ)は「その原因の分 ÷ 全体」
  • マルコフ過程は「直前だけで決まる」
  • データは「真ん中」と「ばらつき」で見る
  • 正規分布の数字は 68.3 → 95.4 → 99.7

回帰分析

  • 説明変数の数と、目的変数の形で3つに分ける
  • 回帰直線は最小二乗法で引く
  • 相関係数 r は −1〜1
  • 「見かけの相関(擬似相関)」を疑う

数値計算

  • 根の求め方は「半分に切る」か「接線で近づく」
  • ニュートン法の式は1本
  • 誤差は「どこで起きるか」で4つ
  • 連立方程式は「Aα=b → α=A⁻¹b」

AI(人工知能)

  • 学び方は「正解をどう与えるか」で3つ
  • ニューロンは「入力×重みの合計が閾値を超えたら1」
  • 重みの調整は誤差逆伝播法
  • ニューラルネットワークを多層にしたのが DNN=ディープラーニング

ページ一覧

テーマ 何の話か
集合と論理 集合と命題を記号で扱う。ド・モルガン、対偶、カルノー図
情報理論と符号化 情報量をビットで測り、ハフマン・ランレングスで圧縮し、PCMでデジタル化する(計算あり)
オートマトン 入力と状態で次の状態が決まる機械。最後に受理状態にいれば受理
形式言語 文法(BNF)と正規表現で字句解析・構文解析し、逆ポーランドなどの中間語にする
グラフ理論 頂点と辺のつながり。オイラー/ハミルトン、隣接行列、ダイクストラ法
確率と統計 組合せ、ベイズ、マルコフ、平均・分散、正規分布(計算あり)
回帰分析 最小二乗法で回帰直線を引き、相関係数で関係の強さを見る
数値計算 二分法・ニュートン法・台形公式で近似値を出し、誤差を知り、連立方程式を行列で解く(計算あり)
AI(人工知能) 教師あり・教師なし・強化学習と、ニューラルネットワーク、ディープラーニング

← 応用情報技術者試験のまとめ一覧に戻る

タイトルとURLをコピーしました