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 |