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。
「基礎理論」出題傾向
3問程度(テクノロジ系45問中)出題されます。
少ない時は1問、多い時は4問と変動が激しいです。
令和4年公開問題では、基礎理論の問題が4問ありました。
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 |
問題をチェック! R3年 問66
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。
問題をチェック! R4年 問59
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。
問題をチェック! R4年 問59
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。
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。
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。
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。

問題をチェック! 基礎 予想2
正規分布
シラ外
正規分布は、どの値をとるか確実には分からない変数について、値ごとに生じる確率を表したものです。
図のような釣り鐘のような形をしていて、平均値の生じる確率が最も大きく、平均値から離れるほど、生じる確率は小さくなっています。
自然界や人間の行動・性質など様々な現象に対して、よく当てはまります。

問題をチェック! 基礎 予想1
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。

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。
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。
総務省統計局解説より
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。
説明変数
Ver.5.0
説明変数は、要因となる数値です。
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。
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。
数値計算
Ver.5.0
数値計算は、解を数値で得ることです。
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。
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。
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。
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。
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。
ベクトル
Ver.5.0
ベクトルは、線形代数のツールです。
行列
Ver.5.0
行列は、線形代数のツールです。
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。
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。
問題をチェック! 基礎 予想5
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。
辺(エッジ)
Ver.6.0
ノード間の接続が、エッジです。

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。
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。
アナログデータ
アナログデータは、情報を連続する可変な物理量(長さ、角度、電圧など)で表したものです。
(ITパスポート 令和3年 問89より)
問題をチェック! R3年 問89
デジタルデータ
デジタルデータは、情報を整数のような離散的な数値で表したものです。
(ITパスポート 令和3年 問89より)
離散的な数値とは、整数や自然数のような飛び飛びの値のことです。
次のようなデジタル化の利点が試験に出題されています。
アナログ電圧をディジタル化した後に演算処理すると、演算結果が部品精度、温度変化及び外来雑音の影響を受けにくい。
(基本情報 平成27年秋午前 問4より)
問題をチェック! R3年 問89
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。
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。
問題をチェック! R4年 問57
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。
問題をチェック! R4年 問57
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。
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。
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。
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。
次のような教師あり学習の例が試験に出題されています。
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)
問題をチェック! 基礎 予想6
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。
次のような教師なし学習の例が試験に出題されています。
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。
(基本情報 平成31年春午前 問4より)
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)
問題をチェック! 基礎 予想7
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。
次のような強化学習の例が試験に出題されています。
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)
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 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
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。
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)
問題をチェック! 基礎 予想8
エキスパートシステム
シラ外
エキスパートシステムは、特定の分野の専門知識をコンビュータに入力し、入力された知識を用いてコンビュータが推論する技術です。
(基本情報 平成30年秋午前 問3より)
“AならばBである”というルールを人聞があらかじめ設定して、新しい知識を論理式で表現したルールに基づく推論の結果として、解を求めます。
(基本情報 平成30年春午前 問3より)
次のようなエキスパートシステムの例が試験に出題されています。
健康診断結果や投薬情報など,類似した症例に基づく分析を行い,個人ごとに最適な健康アドバイスを提供できるシステム
(基本情報 平成26年秋午前 問63より)
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)出題されます。
少ない時は1問、多い時は4問と変動が激しいです。
令和4年公開問題では、基礎理論の問題が4問ありました。
【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の新しい用語がたくさんあります。
基礎分野の問題は、用語を覚えただけでは解けない問題がよく出ます。
新しい用語の問題で、演習しましょう。
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