ITパスポート試験 シラバス6対応 テクノロジ系 基礎理論 についての出題傾向、学習ポイント、重要な用語を紹介します。
出題傾向
３問程度（テクノロジ系４５問中）
少ない時は１問、多い時は４問と変動が激しい。
Ver.○.○の表示について
用語が初めて掲載されたときの、シラバスのバージョンです。
表示がないのは、Ver.3以前です。
離散数学
２進数の計算が時々出ているよ。
めんどうでも、一度解けるようになると、確実に点数がとれるから大事だよ。
２進数
２進数は、0、1の2種類の数字を用いて表す数値です。
| 10進数 | ２進数 |
|---|---|
| 0 | 0 |
| 1 | 1 |
| 2 | 10 |
| 3 | 11 |
| 4 | 100 |
| 5 | 101 |
| 6 | 110 |
| 7 | 111 |
| 8 | 1000 |
基数変換の方法
10進数から２進数への変換について、次のような問題が出ています。
【令和2年秋 問62】
10進数155を2進数で表したものはどれか。
ア 10011011
イ 10110011
ウ 11001101
エ 11011001
正解 ア です。
表現可能な数値の範囲
２進数のビット数と表現可能な数値の範囲について、次のような問題が出ています。
【令和3年春 問66】
RGBの各色の階調を，それぞれ3桁の2進数で表す場合，混色によって表すことができる色は何通りか。
ア 8
イ 24
ウ 256
工 512
階調は、色や明るさの濃淡を段階にしたものです。
”各色の階調を、それぞれ3桁の2進数で表す”とあるので，
３桁の２進数→２×２×２＝8
一色当たり８階調です。
R（赤）、G（緑）、B（青）のそれぞれに８階調あるので、
８×８×８＝512 通り あります。
正解は、 エ です。
応用数学
用語の意味をだいたい理解したら、問題演習中心に勉強するといいよ。
参考問題のリンクを利用してね。
平均値
平均値は、すべてのデータの値を足して、それをデータの個数で割った値です。
テクノロジ系基礎理論34.応用数学
中央値（メジアン）
Ver.5.0
中央値は、データを値の小さいほうから順にならべたときに、ちょうど半分にデータを分ける値です。
テクノロジ系基礎理論34.応用数学
最頻値（モード）
Ver.5.0
最頻値は、その値が起こる頻度が最も高い値です。
テクノロジ系基礎理論34.応用数学
標準偏差
Ver.5.0
標準偏差は、データの散らばりの大きさを表す指標で、大きいほど、データが散らばっていることを示します。
記号σ（シグマ）で表します。
分散の平方根に等しいです。
新しい用語の問題３テクノロジ系基礎理論34.応用数学
偏差値
Ver.5.0
偏差値は、そのデータのばらつき具合を示します。
テクノロジ系基礎理論34.応用数学
分散
Ver.5.0
分散は、データの散らばりの大きさを表す指標で、大きいほどデータが散らばっていることを示します。
記号Vで表します。
標準偏差の2乗に等しいです。
新しい用語の問題４テクノロジ系基礎理論34.応用数学
相関係数
Ver.5.0
相関係数は、相関の強さを表す指標で、-1から1の間の値をとります。
2つの変量が正の相関関係にある場合、正の値をとり、負の相関関係にある場合、負の値をとります。
いずれの場合も相関が強いほど1に近い大きな絶対値をとります。
新しい用語の問題４新しい用語の問題11
テクノロジ系基礎理論34.応用数学
推定
Ver.5.0
一部のデータの特徴から全体の特徴を予想することです。
テクノロジ系基礎理論34.応用数学
仮説検定
Ver.6.0
仮説検定は、母集団に関するある仮説が統計学的に成り立つか否かを、標本のデータを用いて判断することです。
導き出したい結論が正しいと判断するときに、導き出したい結論とは逆の仮説（帰無仮説）を仮定して、この仮説が正しいとは言えないことを証明することで、導き出したい結論が正しいとします。
総務省統計局（https://www.stat.go.jp/naruhodo/11_tokusei/kentei.html）より
回帰分析
Ver.5.0
結果となる数値と要因となる数値の関係を、式で表してを明らかにする統計的手法です。
分析者による因果関係の仮定があります。
次の目的で分析します。
・説明変数が被説明変数に与える効果の測定
・回帰分析の結果に基づく予測
取り扱う変数の種類は、２種類以上です。
新しい用語の問題４新しい用語の問題11
テクノロジ系基礎理論34.応用数学
説明変数
Ver.5.0
説明変数は、要因となる数値です。
テクノロジ系基礎理論34.応用数学
目的変数
Ver.5.0
目的変数は、結果となる数値です。被説明変数とも言います。
テクノロジ系基礎理論34.応用数学
相関分析
Ver.5.0
相関分析は、一方の変量が変化すると、他方もそれに応じて変化する関係を明らかにする統計的手法です。
分析者による因果関係の仮定は、ありません。
分析目的は、変数間の（直線的な）関係の強さを測定することです。
取り扱う変数の種類数は、２種類（１対１）です。
テクノロジ系基礎理論34.応用数学
数値計算
Ver.5.0
数値計算は、解を数値で得ることです。
テクノロジ系基礎理論34.応用数学
数値解析
Ver.5.0
数値解析は、様々な現象を数学的なモデルで表現し,コンピュータを使って再現・予測することです。
テクノロジ系基礎理論34.応用数学
数式処理
Ver.5.0
数式処理は、コンピュータで数式（記号）を用いて計算します。
テクノロジ系基礎理論34.応用数学
データの集計（和、平均）
Ver.5.0
データの比較のために、データの集計（和、平均）を求めます。
テクノロジ系基礎理論34.応用数学
データの並べ替え
Ver.5.0
データの比較のために、データの並べ替えをします。
テクノロジ系基礎理論34.応用数学
ランキング
Ver.5.0
データの比較のために、ランキングを求めます。
テクノロジ系基礎理論34.応用数学
線形代数
Ver.5.0
線形代数は、多くの変数に関するデータを取り扱うのに便利な数学です。
テクノロジ系基礎理論34.応用数学
ベクトル
Ver.5.0
ベクトルは、線形代数のツールです。
テクノロジ系基礎理論34.応用数学
行列
Ver.5.0
行列は、線形代数のツールです。
テクノロジ系基礎理論34.応用数学
1変数関数の微分と積分
Ver.5.0
微分は、データの変化の度合いを知るのに便利なツールです。
積分は、変化の蓄積した結果を知るのに便利なツールです。
テクノロジ系基礎理論34.応用数学
名義尺度
Ver.6.0
名義尺度は、順序や大小がないデータです。
例えば、国籍、男女、血液型などです。
順序尺度
Ver.6.0
順序尺度は、何らかの順序が明確なデータです。
例えば、テストの順位、検定試験の級などです。
間隔尺度
Ver.6.0
間隔尺度は、その数値やその間隔には共通認識がありますが、ある値を別の値で割っても意味をなさないデータです。
例えば、時刻、気温などです。
比例尺度
Ver.6.0
比例尺度は、ある値と別の値の程度を比によって表すことができるデータです。
例えば、経過時間、速度、年齢、体重などです。
誤差
Ver.5.0
コンピュータで計算した値は、実際の値と異なる場合があります。
テクノロジ系基礎理論34.応用数学
グラフ理論
Ver.6.0
グラフ理論は、インターネットでの検索や最短所要時間の経路の検索など、ネットワークに関する基礎理論の1つです。
モノとモノのつながりを、グラフ(点および辺からなる抽象的な幾何学図形)に記述し、解析します。
頂点（ノード）
Ver.6.0
ドットや丸で表します。上図をご覧下さい。
辺（エッジ）
Ver.6.0
ノード間の接続が、エッジです。上図をご覧下さい。
有向グラフ
Ver.6.0
有向グラフは、辺に向きがあるグラフです。
無向グラフ
Ver.6.0
無向グラフは、辺に向きがないグラフです。
最適化問題
Ver.5.0
最適化問題は、与えられた制約条件のもとで、ある目的関数を、最大または最小にする解を求める問題です。
例えば、在庫管理で利用されます。
作業効率や在庫効率を改善し、費用を削減する場面などです。
テクノロジ系基礎理論34.応用数学
情報に関する理論
用語の意味をだいたい理解したら，問題演習中心に勉強するといいよ。
参考問題のリンクを利用してね。
接頭語 Ｐ
Ver.6.0
接頭語は、大きな数字や小さな数字を表すのに便利なように、単位の前につける文字です。
例えば、1000ｇ（グラム）=1kg（キログラム）
普段、何気なく使っている”ｋ（キロ）”が接頭語の一つです。
接頭語の”P”は、ペタ（peta）と呼びます。
大きさは、1015で，T（テラ）の千倍，G（ギガ）の100万倍を表します。
述語論理
Ver.5.0
述語論理は、人間の知識や問題をコンピュータで計算できるように表現する手段です。
述語論理は、人間が普段使っている自然な言語を、AIが処理・分析する技術（自然言語処理）に利用されています。
テクノロジ系基礎理論35. 情報に関する理論
演繹（えんえき）推論
Ver.5.0
演繹（えんえき）推論は、誰もが知っている普遍的な事実を前提として、結論を導き出します。
テクノロジ系基礎理論35. 情報に関する理論
帰納推論
Ver.5.0
帰納推論は、いろいろな事実や事例から導き出される傾向をまとめあげて、結論につなげます。
テクノロジ系基礎理論35. 情報に関する理論
ルールベース
Ver.5.0
ルールベースは、機械学習と並ぶ、AI技術の一つです。
人間がルールを用意しておくことで、問題解決や推論といった知的な処理を、コンピュータに行わせようというものです。
テクノロジ系基礎理論35. 情報に関する理論
特徴量
Ver.5.0
特徴量は、機械学習においてデータを学習させるために、与えられたデータの特徴を数値化したものです。
テクノロジ系基礎理論35. 情報に関する理論
機械学習
Ver.5.0
機械学習は、AIに関わる分析技術の一つです。
コンピュータに大量のデータを学習させ、データから規則性や判断基準を発見し、それに基づき未知のものを予測、判断する技術です。
テクノロジ系基礎理論35. 情報に関する理論
教師あり学習
Ver.5.0
教師あり学習は、正解データを与えて学習させます。
次のような例が出題されています。
・正解のデータを提示したり，データが誤りであることを指摘したりすることによって，未知のデータに対して正誤を得ることを助ける。
（基本情報 平成31年春午前 問4より）
テクノロジ系基礎理論35. 情報に関する理論
教師なし学習
Ver.5.0
教師なし学習は、正解データを与えないで学習させます。
次のような例が出題されています。
・正解のデータを提示せずに、統計的性質や、ある種の条件によって入力パターンを判定したり、クラスタリングしたりする。
・コンビュータ利用者の挙動データを蓄積し、挙動データの出現頻度に従って次の挙動を推論する。（基本情報 平成31年春午前 問4より）
新しい用語の問題４テクノロジ系基礎理論35. 情報に関する理論
強化学習
Ver.5.0
強化学習は、正解を与えませんが、善し悪しの報酬・得点（スコア）を与えます。
次のような例が出題されています。
個々の行動に対しての善しあしを得点として与えることによって、得点が最も多く得られるような方策を学習する。
（基本情報 平成31年春午前 問4より）
テクノロジ系基礎理論35. 情報に関する理論
ニューラルネットワーク
Ver.5.0
ニューラルネットワークは、人間の脳内にある神経回路を数学的なモデルで表現したものです。
（ITパスポート 令和2年秋 問19より）
次の用語と関連しています。
①ディープラーニング：
大量のデータを人間の脳神経回路を模したモデルで解析することによって、コンピュータ自体がデータの特徴を抽出、学習する技術
②データマイニング：
ニューラルネットワークや統計解析などの手法を使って、大量に蓄積されているデータから、特徴あるパターンを探し出す技術
テクノロジ系基礎理論35. 情報に関する理論
バックプロパゲーション
Ver.6.0
バックプロパゲーションは、ニューラルネットワークのトレーニング（調整）を効率よく行うアルゴリズムです。
ニューラルネットワークの出力と正解との誤差をもとに、出力側から入力側へとさかのぼって、ニューラルネットワークの重みとバイアスを最適化します。
活性化関数
Ver.5.0
活性化関数は、ニューラルネットワークの要素です。
テクノロジ系基礎理論35. 情報に関する理論
ディープラーニング
Ver.5.0
ディープラーニングは、大量のデータをニューラルネットワークで解析して、データの特徴を抽出、学習する技術です。
（ITパスポート 令和元年秋 問21より）
新しい用語の問題９
新しい用語の問題11
テクノロジ系基礎理論35. 情報に関する理論
まとめ
これまで、テクノロジ系「基礎理論」の最新の用語について、出題傾向、学習ポイント、重要な用語を解説しました。
【出題傾向】
3問程度（テクノロジ系４５問中）
【学習ポイント】
- 離散数学
→２進数の計算が時々出ています。対策しましょう。 - 応用数学
→用語を覚えたら、本文にあるリンクを利用して、問題演習しましょう。 - 情報に関する理論
→用語を覚えたら、本文にあるリンクを利用して、問題演習しましょう。
【重要用語】
シラバス5，6の新しい用語を中心に解説しました。
以上、テクノロジ系「基礎理論」の重要な用語について解説しました。
コメント