IT パスポート 想定問題集
基礎理論の要点整理と想定問題
公式のシラバスの「大分類 7:基礎理論(中分類 13:基礎理論/中分類 14:アルゴリズムとプログラミング)」にあたる分野です。まず要点整理で全体をつかみ、下の演習で 33 問を 1 問ずつ解けます。答えると A〜D すべての解説が出ます。
この分野の小項目
- 項目 33(中分類 13) 離散数学(基数・集合・論理演算)(4 問) 2 進数の表現と基数変換・加減算・表現できる数値の範囲、集合とベン図・真理値表、AND・OR・NOT・XOR などの論理演算を理解する。
- 項目 34 応用数学(確率・統計など)(4 問) 順列・組合せと確率、度数分布・代表値(平均値・中央値・最頻値)・分散・標準偏差・相関係数・回帰分析、尺度の種類、グラフ理論、待ち行列・最適化問題の基本的な考え方を理解する。
- 項目 35(1)〜(4) 情報量・デジタル化・文字の表現(5 問) ビット・バイトと接頭語(k・M・G・T など)、標本化・量子化・符号化による A/D 変換、文字コード(JIS コード・シフト JIS コード・Unicode)、述語論理・演繹推論・帰納推論を理解する。
- 項目 35(5) AI の技術(6 問) ルールベースと機械学習(教師あり・教師なし・強化学習)、ニューラルネットワーク・ディープラーニング・過学習、事前学習・ファインチューニング・転移学習、CNN・RNN・GAN、大規模言語モデル(LLM)とプロンプトエンジニアリングの基本的な考え方を理解する。
- 項目 36(中分類 14) データ構造(3 問) 変数・配列・レコード・ファイルなどデータ構造の基本と、リスト・キュー・スタック・木構造・2 分木を理解する。
- 項目 37 アルゴリズムとプログラミング(5 問) 順次・選択・繰返しの基本構造、流れ図・擬似言語による表現(変数・代入・条件式・関数・引数・戻り値など)、線形探索・2 分探索・選択ソート・バブルソート・クイックソートなどの代表的なアルゴリズムを理解する。
- 項目 38 プログラム言語(3 問) C・Java・Python・JavaScript・R などプログラム言語の種類と特徴、コーディング標準(字下げ・命名規則)、モジュール分割・ライブラリ・API・ローコード・ノーコードを理解する。
- 項目 39 その他の言語(マークアップ言語・JSON)(3 問) HTML・XML などのマークアップ言語の特徴とタグを使った基本的な書き方、プログラム間のデータのやり取りに使う JSON の特徴を理解する。
要点整理
離散数学(基数・集合・論理演算)
2 進数と論理演算は「重み」と「ベン図」で解く
2 進数は 0 と 1 だけで数を表します。各けたの重みは右から 1・2・4・8・16・32…と 2 倍ずつ増えます。10 進数の 45 は 32 + 8 + 4 + 1 なので 101101 です。
n ビットで作れる並びは 2 の n 乗通りです。符号なし整数なら 0 から数えるので、8 ビットで表せるのは 0〜255 です。
2 進数の足し算は、1 + 1 で 0 になり上のけたへ 1 繰り上がります。例えば 0110(6)+ 0111(7)= 1101(13)です。
論理演算は検索条件でよく出ます。論理積(AND)は両方、論理和(OR)は少なくとも一方、否定(NOT)は反対、排他的論理和(XOR)はどちらか一方だけです。ベン図で塗る部分を描くと迷いません。真理値表は真偽のすべての組合せを並べた表です。
| 演算 | 真になるとき | ベン図で塗る部分 |
|---|---|---|
| 論理積(AND) | 両方が真 | 2 つの円の重なり |
| 論理和(OR) | 少なくとも一方が真 | 2 つの円の全体 |
| 否定(NOT) | 元の条件が偽 | 円の外側 |
| 排他的論理和(XOR) | どちらか一方だけが真 | 重なりを除いた部分 |
応用数学(確率・統計など)
代表値・確率・相関・尺度を使い分ける
代表値は 3 つです。平均値は合計を個数で割った値で、極端な値に引っ張られます。中央値は小さい順で真ん中の値、最頻値は最も多く現れる値です。ばらつきの大きさは分散と標準偏差で表し、標準偏差は分散の正の平方根です。値が大きいほど、データが平均値から離れて散らばっています。
確率は「当たりの数 ÷ 全体の数」です。順番を区別しない選び方は組合せ、区別する並べ方は順列です。5 人から 2 人を選ぶ組合せは 5 × 4 ÷ 2 = 10 通りです。
相関係数は −1 から 1 の値をとります。右上がりの直線に近いほど 1、右下がりなら −1、直線的な関係が無ければ 0 に近づきます。散布図で形を確かめます。
データの尺度は 4 種類あります。比を計算してよいのは、0 が「何もない」を表す比例尺度だけです。
このほか、点と線で関係を表すグラフ理論、窓口の混み具合を考える待ち行列、条件の中で最もよい答えを探す最適化問題も、基本的な考え方が範囲に入ります。
| 尺度 | 例 | できること |
|---|---|---|
| 名義尺度 | 会員番号・性別 | 区別するだけ |
| 順序尺度 | 満足度の 5 段階・順位 | 大小の順番 |
| 間隔尺度 | 気温(摂氏)・西暦 | 差を比べる |
| 比例尺度 | 売上金額・重さ | 差と比(2 倍など)を比べる |
情報量・デジタル化・文字の表現
情報量の計算は「ビットとバイトをそろえる」
1 バイトは 8 ビットです。回線の速さはビット/秒で表すことが多いので、ファイルの大きさをビットに直してから割ります。500 M バイトを 100 M ビット/秒で送ると、500 × 8 ÷ 100 = 40 秒です。
接頭語は k(10 の 3 乗)・M(6 乗)・G(9 乗)・T(12 乗)・P(15 乗)と 1,000 倍ずつ大きくなります。小さいほうは m・μ・n・p と 1,000 分の 1 ずつです。
A/D 変換は標本化(一定間隔で値を取り出す)→量子化(段階の数値に丸める)→符号化(0 と 1 にする)の順です。8 kHz・8 ビットなら 1 秒で 8,000 × 8 = 64,000 ビット(8,000 バイト)です。
コンピュータは文字を番号(文字コード)で扱います。日本語向けにはJIS コードやシフト JIS コードがあり、世界の文字に固有の番号を割り当てるのがUnicodeです。
推論では、一般的な前提から個別の結論を導く演繹推論と、個別の事例から一般的な結論を導く帰納推論を区別します。
出典: IT パスポート試験 シラバス Ver.6.5(IPA)/What is Unicode?(Unicode Consortium)
AI の技術
AI の学び方と代表的なモデルを対で覚える
人が規則を書くルールベースに対し、機械学習はデータから規則を学びます。正解の印付きデータで学ぶ教師あり学習、印の無いデータからまとまりを見つける教師なし学習、報酬をもとに試行錯誤する強化学習の 3 つがあります。
ニューラルネットワークを何層も重ねたものがディープラーニングです。学習データに合わせすぎて新しいデータで当たらなくなる状態を過学習といいます。
大量のデータで先に学ぶのが事前学習で、その後に目的のデータで追加学習するのがファインチューニングです。学んだ知識を別の課題に生かすことを転移学習といいます。
大規模言語モデル(LLM)には、指示文の書き方を工夫するプロンプトエンジニアリングが効きます。役割・目的・出力の形式を具体的に書きます。
| モデル | 得意なこと | 場面の例 |
|---|---|---|
| CNN | 画像の特徴をとらえる | 製品画像の検査 |
| RNN | 順番のあるデータを扱う | 音声や文章の処理 |
| GAN | 本物らしいデータを生成する | 実在しない顔画像の生成 |
| 大規模言語モデル | 自然な文章の理解と生成 | 要約・文章作成 |
データ構造
データ構造は「取り出す順番」と「形」で選ぶ
配列は要素番号で読み書きする構造、リストはデータを順番につないだ構造です。関連する項目を 1 件分まとめたものをレコード、レコードの集まりをファイルといいます。
スタックは後入れ先出し(LIFO)で、「元に戻す」機能のように最後のものから取り出します。キューは先入れ先出し(FIFO)で、受付順の処理に向きます。
木構造は階層の形の構造で、各節点の子が最大 2 つのものを2 分木といいます。
| 構造 | 取り出す順番・形 | 向く場面 |
|---|---|---|
| スタック | 最後に入れたものから | 操作の取り消し |
| キュー | 最初に入れたものから | 受付順の処理 |
| 配列 | 要素番号で直接読む | 決まった件数の一覧 |
| 木構造 | 根から枝分かれする | 組織図・フォルダの階層 |
アルゴリズムとプログラミング
擬似言語は 1 行ずつ値を追い、探索と整列は回数で比べる
アルゴリズムの基本構造は順次・選択・繰返しの 3 つで、流れ図や擬似言語で表します。IPA が公表する IT パスポート試験用の記述形式では、代入は「x ← 式」、選択は if〜elseif〜else〜endif、繰返しは while〜endwhile や for〜endfor です。
if と elseif は上から順に評価し、最初に真になった処理だけを実行します。後ろの条件式が真でも実行されない点がよく問われます。mod は割り算の余りです。
解き方は、変数の値を 1 行ずつ表に書いて追うことです。例えば x ← 0 から i を 1〜4 まで足すと、x は 1・3・6・10 と変わります。
探索では、線形探索法が先頭から順に比べるのに対し、2 分探索法は並べ替え済みのデータを半分ずつに絞ります。1,000 件なら 2 の 10 乗 = 1,024 なので、最大でおよそ 10 回です。
整列では、バブルソートが隣どうしの入れ替えを繰り返し、1 回目で最大の値が末尾に移ります。選択ソートは最小の値を選んで端から確定させ、クイックソートは基準の値で 2 つに分けることを繰り返します。
| 方法 | 考え方 | 前提・特徴 |
|---|---|---|
| 線形探索法 | 先頭から順に比べる | 並べ替えていないデータにも使える |
| 2 分探索法 | 真ん中と比べて範囲を半分にする | データが整列済みであること |
| バブルソート | 隣どうしを比べて入れ替える | 1 回ごとに最大値が末尾に確定 |
| 選択ソート | 最小値を選んで端と入れ替える | 1 回ごとに先頭側が確定 |
| クイックソート | 基準の値で 2 つに分けて繰り返す | 分けたグループごとに同じ処理 |
出典: 試験で使用する情報技術に関する用語・プログラム言語など Ver.5.1 別紙1 擬似言語の記述形式(IT パスポート試験用)(IPA)/IT パスポート試験 シラバス Ver.6.5(IPA)
プログラム言語
プログラム言語は目的で選び、書き方はチームでそろえる
言語は目的で選びます。JavaScript は Web ページでよく使われるスクリプト言語、Java はバイトコードに変換して仮想マシン上で動かすため多くの OS で同じプログラムを動かせます。R は統計の計算とグラフ作成のための言語です。Python は字下げ(インデント)で文のまとまりを表します。
コーディング標準は字下げ・命名規則・ネストの深さなどの約束です。チームで書き方をそろえると、読みやすく直しやすくなります。
プログラムをメインルーチンとサブルーチンなどのモジュールに分け、よく使う処理はライブラリを使うと効率よく作れます。他のサービスの機能やデータはAPI、Web 経由ならWebAPIで呼び出します。
コードをほとんど書かずに作るローコード、まったく書かずに作るノーコードも、現場でアプリを作る手段として範囲に入ります。
出典: IT パスポート試験 シラバス Ver.6.5(IPA)/JavaScript(MDN Web Docs)/About the Java Technology(Oracle)/What is R?(The R Project)/Python チュートリアル 3. 形式ばらない Python の紹介
その他の言語(マークアップ言語・JSON)
HTML・XML・JSON の役割を区別する
HTMLは Web ページの構造を表すマークアップ言語です。<h1> のような開始タグと </h1> のような終了タグで内容を挟みます。使う要素は主に仕様で定められています。
XMLはSGMLの一部を取り出して作られた言語で、利用者が独自のタグを決めてデータの意味を表せます。開始タグには必ず対応する終了タグが要り、文書全体を包む要素は 1 つです。
JSONは異なる言語のプログラム間でデータをやり取りするための形式です。名前(キー)も文字列も二重引用符で囲み、true・false・null は小文字で書きます。
| 言語 | 主な用途 | 書き方の特徴 |
|---|---|---|
| HTML | Web ページの構造 | 仕様で定められた要素を使う |
| XML | データの表現・交換 | 独自のタグを定義できる |
| JSON | プログラム間のデータ交換 | { "キー": 値 } の形・二重引用符 |
出典: HTML Living Standard 1 Introduction(WHATWG)/Extensible Markup Language (XML) 1.0(W3C 勧告)/RFC 8259 The JavaScript Object Notation (JSON) Data Interchange Format/IT パスポート試験 シラバス Ver.6.5(IPA)
演習(33 問)
結果はこのブラウザに保存され、ハブの「自分の成績」と弱点モードに使われます。
第 1 問 / 33 問
問題を読み込んでいます…
全問と解説の一覧
正解と解説は折りたたんであります。先に自分で考えてから開いてください。
全 33 問
離散数学(基数・集合・論理演算)
社内研修で、10 進数の 45 を2 進数に直す練習をした。正しく直したものはどれか?
A. 100101 B. 101011 C. 101101 D. 110101
この問題へのリンク答えと解説
正解: C 【A(不正解)】 ? 各けたの重みは左から 32・16・8・4・2・1 です。 32 + 4 + 1 = 37 を表すので、45 にはならない。 【B(不正解)】 ? 各けたの重みは左から 32・16・8・4・2・1 です。 32 + 8 + 2 + 1 = 43 を表すので、45 にはならない。 【C(正解)】 ? 各けたの重みは左から 32・16・8・4・2・1 です。 45 = 32 + 8 + 4 + 1 なので、32・8・4・1 のけたが 1 になり 101101 となる。 【D(不正解)】 ? 各けたの重みは左から 32・16・8・4・2・1 です。 32 + 16 + 4 + 1 = 53 を表すので、45 にはならない。
工場のセンサー値を、8 ビットの符号なし整数(負の数を扱わない形)で記録する。表せる値の範囲はどれか?
A. 0 〜 255 B. 0 〜 127 C. 0 〜 256 D. 1 〜 256
この問題へのリンク答えと解説
正解: A 【A(正解)】 ? 0 から数え始めたときの範囲です。 8 ビットは 2 の 8 乗 = 256 通りの並びを作れる。0 から始めると最大は 256 − 1 = 255 になる。 【B(不正解)】 ? 7 ビットで表せる範囲と同じ幅です。 0〜127 は 2 の 7 乗 = 128 通りで、7 ビット分の範囲にとどまる。 【C(不正解)】 ? 最大値が通りの数そのものになっている範囲です。 0〜256 は 257 通りになり、8 ビットの 256 通りを 1 つ超える。 【D(不正解)】 ? 1 から数え始めたときの範囲です。 通りの数は 256 だが、符号なし整数は 0 から表すので最大は 255 になる。
社内の文書検索で「生成 AI」を含み、かつ「議事録」を含まない文書だけを探したい。使う検索条件はどれか?
A. 「生成 AI」 OR 「議事録」 B. 「生成 AI」 AND 「議事録」 C. NOT 「生成 AI」 OR 「議事録」 D. 「生成 AI」 AND NOT 「議事録」
この問題へのリンク答えと解説
正解: D 【A(不正解)】 ? OR は、どちらか一方でも当てはまれば対象にする演算です。 議事録だけを含む文書まで拾ってしまい、条件より広くなる。 【B(不正解)】 ? AND は、両方に当てはまるものを対象にする演算です。 両方を含む文書だけが出るので、求める結果とは逆の部分になる。 【C(不正解)】 ? NOT は、当てはまらないものを対象にする演算です。 生成 AI を含まない文書を広く拾うため、目的と合わない。 【D(正解)】 ? AND と NOT を組み合わせた条件です。 「生成 AI を含む」と「議事録を含まない」の両方を満たす文書だけが残る。論理積と否定の組合せである。
研修 A の受講者は 30 人、研修 B は 25 人、両方を受けた人は 10 人だった。どちらか一方だけを受けた人数は何人か?
A. 10 人 B. 35 人 C. 45 人 D. 55 人
この問題へのリンク答えと解説
正解: B 【A(不正解)】 ? 両方の円が重なる部分の人数です。 10 人は両方を受けた人の数で、片方だけの人数ではない。 【B(正解)】 ? 重なりを両方の円から取り除いた人数です。 A だけ 30 − 10 = 20 人、B だけ 25 − 10 = 15 人で、20 + 15 = 35 人。ベン図の重ならない部分で、排他的論理和にあたる。 【C(不正解)】 ? 少なくとも一方を受けた人数です。 30 + 25 − 10 = 45 人は、A と B のどちらかを受けた人全体(OR)の数である。 【D(不正解)】 ? 2 つの人数をそのまま足した数です。 30 + 25 = 55 人は、両方を受けた 10 人を 2 回数えている。
応用数学(確率・統計など)
5 店舗の 1 日の問い合わせ件数は 3、5、8、10、24 件だった。極端な値の影響を受けにくい代表値と、その値はどれか?
A. 平均値で 10 件 B. 中央値で 8 件 C. 最頻値で 3 件 D. 中央値で 10 件
この問題へのリンク答えと解説
正解: B 【A(不正解)】 ? 全部を足して個数で割った値です。 平均値は (3 + 5 + 8 + 10 + 24) ÷ 5 = 10 件だが、24 件という大きな値に引っ張られやすい。 【B(正解)】 ? 小さい順に並べて真ん中に来る値です。 5 個を小さい順に並べると 3 番目は 8 件。中央値は極端な値の影響を受けにくい。 【C(不正解)】 ? 最も多く現れる値です。 どの値も 1 回ずつしか出ないので、このデータでは最頻値が決まらない。 【D(不正解)】 ? 中央値を 10 件とみなした組合せです。 10 件は小さい順で 4 番目の値で、真ん中(3 番目)ではない。
A さんと B さんを含む 5 人のチームから、くじで当番を 2 人選ぶ。A さんと B さんの 2 人が選ばれる確率はどれか?
A. 1/20 B. 2/5 C. 1/5 D. 1/10
この問題へのリンク答えと解説
正解: D 【A(不正解)】 ? 選ぶ順番を区別して数えたときの考え方です。 順番を区別すると 5 × 4 = 20 通りだが、その場合は A→B と B→A の 2 通りが当たりになり 2/20 = 1/10 となる。 【B(不正解)】 ? A さん 1 人が選ばれる確率です。 A さんを含む組は 4 通りなので 4/10 = 2/5 だが、B さんも選ばれる条件が抜けている。 【C(不正解)】 ? 1 人だけを選ぶときの考え方に近い値です。 1/5 は 5 人から 1 人を選ぶときに特定の人が選ばれる確率で、2 人選ぶ今回の条件とは合わない。 【D(正解)】 ? 順番を区別しない選び方の数をもとにした値です。 選び方は組合せで 5 × 4 ÷ 2 = 10 通り。そのうち A と B の組は 1 通りなので 1/10。
店舗ごとの広告費と売上を散布図にしたら、点が右上がりの直線の近くに集まった。相関係数はどうなると考えられるか?
A. 1 に近い値 B. 0 に近い値 C. −1 に近い値 D. 100 前後の値
この問題へのリンク答えと解説
正解: A 【A(正解)】 ? 一方が増えると他方も増える関係を表します。 相関係数は −1 から 1 の範囲をとり、右上がりで直線に近いほど 1 に近づく(正の相関)。 【B(不正解)】 ? 2 つの量にはっきりした直線的な関係がないことを表します。 点が直線の近くに集まっているので関係は強く、0 付近にはならない。 【C(不正解)】 ? 一方が増えると他方が減る関係を表します。 −1 に近いのは右下がりの強い関係(負の相関)のときである。 【D(不正解)】 ? 百分率と同じくらいの大きさの値です。 相関係数は −1 以上 1 以下の値で、100 にはならない。
次のデータのうち、0 が「何もない」ことを表し、「2 倍」などの比較に意味がある尺度(比例尺度)にあたるものはどれか?
A. 会員番号 B. 満足度(1〜5 の 5 段階) C. 月間の売上金額 D. 気温(摂氏)
この問題へのリンク答えと解説
正解: C 【A(不正解)】 ? 区別のために付けた番号です。 番号は区別するための名前のようなもの(名義尺度)で、大小や比に意味はない。 【B(不正解)】 ? 順番には意味がある評価です。 順序尺度で、段階の間の幅が等しいとは限らず、「2 倍満足」とはいえない。 【C(正解)】 ? 金額の大きさを表す値です。 0 円は売上がないことを表し、200 万円は 100 万円の 2 倍といえるので比例尺度である。 【D(不正解)】 ? 差には意味がある目盛りです。 間隔尺度で、0 ℃は「温度がない」ことではないため、20 ℃は 10 ℃の 2 倍の暑さとはいえない。
情報量・デジタル化・文字の表現
500 M バイトのファイルを、100 M ビット/秒の回線で送る。他の条件を無視すると、かかる時間は何秒か?(1 バイトは 8 ビット)
A. 5 秒 B. 400 秒 C. 50 秒 D. 40 秒
この問題へのリンク答えと解説
正解: D 【A(不正解)】 ? バイトとビットの単位をそろえずに割った値です。 500 ÷ 100 = 5 は、バイトをビットに直していない。 【B(不正解)】 ? 回線の速さを 10 M ビット/秒として割った値です。 4,000 M ビットを 10 M ビット/秒で割った値で、回線の速さが 1/10 になっている。 【C(不正解)】 ? 1 バイトを 10 ビットとして計算した値です。 8 ではなく 10 を掛けた計算で、1 バイト = 8 ビットに合わない。 【D(正解)】 ? 単位をビットにそろえて計算した値です。 500 M バイト × 8 = 4,000 M ビット。4,000 ÷ 100 = 40 秒となる。
音声をデジタル化するとき、波の高さを一定の時間間隔で取り出す工程を何というか?
A. 量子化 B. 標本化 C. 符号化 D. 圧縮
この問題へのリンク答えと解説
正解: B 【A(不正解)】 ? 取り出した値を決められた段階の数値に置き換える工程です。 量子化は取り出した後の値を段階に丸める工程で、取り出す工程そのものではない。 【B(正解)】 ? 時間で区切って値を取り出す工程です。 一定の時間間隔で値を取り出すのは標本化で、A/D 変換の最初の工程である。 【C(不正解)】 ? 段階に置き換えた値を 0 と 1 の並びにする工程です。 符号化は最後に 2 進数のデータにする工程である。 【D(不正解)】 ? データの量を小さくする処理です。 圧縮はデジタル化した後にデータ量を減らす処理で、A/D 変換の工程ではない。
会議の音声を、標本化の周波数 8 kHz(1 秒に 8,000 回)、量子化 8 ビットで録音する。圧縮しないとき、1 分間のデータ量はどれか?
A. 8 k バイト B. 64 k バイト C. 480 k バイト D. 3,840 k バイト
この問題へのリンク答えと解説
正解: C 【A(不正解)】 ? 1 秒分のデータ量です。 8,000 回 × 8 ビット = 64,000 ビット = 8,000 バイトは 1 秒分で、1 分間ではない。 【B(不正解)】 ? 1 秒分のビット数をそのままバイトとした値です。 64,000 は 1 秒分のビット数で、バイトに直すと 8,000 バイトになる。 【C(正解)】 ? 1 秒分のバイト数に 60 を掛けた値です。 1 秒で 8,000 回 × 8 ビット ÷ 8 = 8,000 バイト。60 秒で 8,000 × 60 = 480,000 バイト = 480 k バイト。 【D(不正解)】 ? ビットのまま 60 秒分を数えた値です。 64,000 ビット × 60 = 3,840,000 ビットで、単位はビットのまま。バイトに直すと 480 k バイトになる。
海外拠点を含む顧客名簿で、日本語・中国語・アラビア語の名前を 1 つのシステムでそろえて扱いたい。適した文字コードはどれか?
A. Unicode B. JIS コード C. シフト JIS コード D. 2 進数
この問題へのリンク答えと解説
正解: A 【A(正解)】 ? 世界の文字に 1 つずつ番号を割り当てる文字コードです。 Unicodeは、機器・プログラム・言語に関係なく、文字ごとに固有の番号を与える。多言語をまとめて扱える。 【B(不正解)】 ? 日本の規格で定められた、日本語向けの文字コードです。 JIS コードも日本語の文字を中心とした文字コードで、多言語の一元管理には向かない。 【C(不正解)】 ? 日本のパソコンで広く使われてきた、日本語向けの文字コードです。 シフト JIS コードは日本語向けで、アラビア語などの多言語をまとめて扱う用途には向かない。 【D(不正解)】 ? 数の表し方の一つで、文字コードの名前ではありません。 コンピュータは文字を数値で表すが、2 進数自体は文字と番号の対応を決める文字コードではない。
出典: IT パスポート試験 シラバス Ver.6.5(IPA)/What is Unicode?(Unicode Consortium)
次の推論のうち、演繹推論にあたるものはどれか?
A. 過去 3 年、梅雨に傘の売上が増えた。だから今年も増えるだろう B. 試作品の評判がよかった。だから量産品もきっと売れるだろう C. A 店と B 店で値下げ後に客数が増えた。値下げすれば客は増える D. 全社員は研修を受ける。佐藤さんは社員だ。よって佐藤さんも受ける
この問題へのリンク答えと解説
正解: D 【A(不正解)】 ? 過去 3 年の出来事から今年を見込む考え方です。 複数の事例から一般的な結論を導くのは帰納推論である。 【B(不正解)】 ? 試作品の結果を量産品に当てはめる考え方です。 一部の結果から全体を推し量る考え方で、一般的な前提から導く演繹推論ではない。 【C(不正解)】 ? 2 店で起きたことを決まりとしてまとめる考え方です。 2 店の事例から一般的な法則を導いており、帰納推論である。 【D(正解)】 ? 全員に当てはまる決まりを 1 人に当てはめる考え方です。 「全社員は受ける」という一般的な前提を、佐藤さんという個別の例に当てはめて結論を出しており、演繹推論である。
AI の技術
製品の画像に「良品」「不良品」の印を付けたデータを大量に用意し、AI に見分け方を学ばせる。この学習方法はどれか?
A. 強化学習 B. 教師なし学習 C. 教師あり学習 D. ルールベース
この問題へのリンク答えと解説
正解: C 【A(不正解)】 ? 試行錯誤で得られる報酬をもとに行動を学ぶ方法です。 強化学習は報酬をもとに行動を改善する方法で、印付きの画像で学ぶ方法ではない。 【B(不正解)】 ? 答えのラベルがないデータから、まとまりや特徴を見つける方法です。 教師なし学習は正解の印を使わないので、この場面には当てはまらない。 【C(正解)】 ? 答えのラベルが付いたデータで学ぶ方法です。 「良品」「不良品」という正解(ラベル)付きのデータで学ぶので教師あり学習である。 【D(不正解)】 ? 人が決めた規則に従って判断する方式です。 ルールベースは人が規則を書く方式で、データから学ぶ機械学習ではない。
倉庫のロボットに、荷物を早く運べたら点数を与え、試行錯誤を通じて点数が多くなる動き方を身につけさせたい。使う方法はどれか?
A. 強化学習 B. 教師なし学習 C. 転移学習 D. ルールベース
この問題へのリンク答えと解説
正解: A 【A(正解)】 ? 行動の結果に応じた報酬をもとに学ぶ方法です。 試行錯誤しながら報酬が多くなる行動を学ぶのは強化学習である。 【B(不正解)】 ? 答えのラベルがないデータから、まとまりを見つける方法です。 データのまとまりを見つける方法で、点数(報酬)をもとに行動を改善する仕組みではない。 【C(不正解)】 ? 別の目的で学んだモデルを新しい目的に生かす方法です。 転移学習は学習済みの知識の流用で、試行錯誤と報酬で学ぶ方法ではない。 【D(不正解)】 ? 人が決めた規則に従って動かす方式です。 人が規則を書く方式なので、ロボットが試行錯誤で自ら学ぶことにはならない。
需要予測の AI が、学習に使ったデータでは高い精度なのに、新しい月のデータでは精度が大きく下がった。この状態を何というか?
A. 事前学習 B. 過学習 C. 転移学習 D. ファインチューニング
この問題へのリンク答えと解説
正解: B 【A(不正解)】 ? 大量のデータで、まず汎用的な知識を身につける段階です。 事前学習はモデルづくりの最初の段階の名前で、精度が下がる状態を指す言葉ではない。 【B(正解)】 ? 学習データに合わせすぎた状態を表す言葉です。 学習データに合わせすぎて、未知のデータでは当たらなくなる状態を過学習という。 【C(不正解)】 ? 学んだ知識を別の課題に生かすことです。 知識を別の課題に生かす方法で、新しいデータで精度が落ちる状態を指すものではない。 【D(不正解)】 ? 学習済みのモデルを、特定の目的のデータで追加学習することです。 ファインチューニングは調整の手段で、この状態を表す言葉ではない。
汎用の大規模言語モデルを、自社の問い合わせ履歴で追加の学習をして、自社向けの回答が得意なモデルにしたい。この方法はどれか?
A. ルールベースへの置き換え B. 教師なし学習によるグループ分け C. ファインチューニング D. 最初からの事前学習のやり直し
この問題へのリンク答えと解説
正解: C 【A(不正解)】 ? 人が決めた規則で回答する方式に変えることです。 学習済みモデルを生かす方法ではなく、規則を人がすべて書く必要がある。 【B(不正解)】 ? 答えのラベルがないデータからまとまりを見つける方法です。 問い合わせを似たものごとに分けることはできるが、モデルを自社向けの回答に調整する方法ではない。 【C(正解)】 ? 学習済みモデルを目的に合わせて微調整する方法です。 事前学習済みのモデルを自社データで追加学習して特化させるのはファインチューニングである。 【D(不正解)】 ? 大量のデータで、モデルを一から学習させることです。 汎用モデルを生かさず一から学習し直すことになり、追加の学習で特化させる方法ではない。
実在しない人物の顔画像を作る AI で、画像を作る側と本物かどうかを見分ける側を競わせて精度を高める仕組みはどれか?
A. GAN B. RNN C. CNN D. ルールベース
この問題へのリンク答えと解説
正解: A 【A(正解)】 ? 2 つのネットワークを競わせる仕組みです。 GAN(敵対的生成ネットワーク)は、生成する側と識別する側を競わせて、本物らしいデータを作る。 【B(不正解)】 ? 文章や音声など、順番のあるデータを扱うのが得意なネットワークです。 RNNは時系列のデータ向けで、競わせて画像を生成する仕組みではない。 【C(不正解)】 ? 画像の特徴をとらえるのが得意なニューラルネットワークです。 CNNは画像認識などに使われるが、作る側と見分ける側を競わせる仕組みではない。 【D(不正解)】 ? 人が決めた規則で判断する方式です。 人が書いた規則で判断する方式で、学習によって画像を生成する仕組みではない。
社内で大規模言語モデルに会議メモの要約を頼むが、出力がばらつく。プロンプトエンジニアリングの考え方に沿った工夫はどれか?
A. 「いい感じにまとめて」とだけ短く頼む B. 同じ依頼を何度も送り、一番長い回答を使う C. モデルを最初から事前学習し直す D. 役割・目的・出力形式・字数を具体的に書く
この問題へのリンク答えと解説
正解: D 【A(不正解)】 ? 指示の中身を少なくするやり方です。 目的や形式が伝わらないため、出力のばらつきは減りにくい。 【B(不正解)】 ? 回答の長さで選ぶやり方です。 長さは質の目安にならず、指示の書き方を改める工夫にもなっていない。 【C(不正解)】 ? モデルを一から作り直すやり方です。 指示文の工夫ではなく、大きな費用と大量のデータが必要な作業である。 【D(正解)】 ? 指示文の書き方を整えるやり方です。 プロンプト(指示文)に役割や目的、出力の形式などを具体的に書くことで、狙った出力を得やすくなる。
データ構造
文書作成ソフトの「元に戻す」機能は、最後に行った操作から順に取り消していく。操作の履歴をためるのに向くデータ構造はどれか?
A. キュー B. スタック C. 2 分木 D. レコード
この問題へのリンク答えと解説
正解: B 【A(不正解)】 ? 待ち行列とも呼ばれる構造です。 キューは先入れ先出しなので、最初の操作から取り消すことになってしまう。 【B(正解)】 ? 積み重ねた皿にたとえられる構造です。 スタックは後入れ先出し(LIFO)で、最後の操作から順に取り出せる。 【C(不正解)】 ? 1 つの節点が最大 2 つの子を持つ構造です。 2 分木は階層や大小関係を表す構造で、最後の操作から取り出す仕組みとは目的が違う。 【D(不正解)】 ? 関連する複数の項目をひとまとめにしたものです。 1 件分の項目をまとめる単位で、取り出す順番を決める構造ではない。
空のキューに A、B、C の順でデータを入れ、1 つ取り出し、D を入れ、さらに 1 つ取り出した。次に取り出されるデータはどれか?
A. A B. C C. B D. D
この問題へのリンク答えと解説
正解: B 【A(不正解)】 ? 最初に入れたデータです。 A は 1 回目の取り出しで、すでに取り出されている。 【B(正解)】 ? 3 番目に入れたデータです。 キューは先入れ先出し。A、B、C → A を取り出す → B、C、D → B を取り出す → C、D と残るので、次は C。 【C(不正解)】 ? 2 番目に入れたデータです。 B は 2 回目の取り出しで取り出されている。 【D(不正解)】 ? 最後に入れたデータです。 最後に入れた D から取り出すのはスタックの動きで、キューでは最後に取り出される。
組織図のように、1 つの節点の下に枝分かれして要素がつながる構造のうち、各節点の子が最大 2 つのものを何というか?
A. キュー B. リスト C. 配列 D. 2 分木
この問題へのリンク答えと解説
正解: D 【A(不正解)】 ? 入れた順に取り出す構造です。 キューは取り出す順番の決まりを持つ構造で、階層の形ではない。 【B(不正解)】 ? データを順番につないだ構造です。 リストは一列につながる構造で、枝分かれはしない。 【C(不正解)】 ? 同じ型のデータを番号付きで並べた構造です。 配列は要素番号で読み書きする構造で、枝分かれの形ではない。 【D(正解)】 ? 子の数に上限がある木の形の構造です。 各節点が持つ子を最大 2 つに限った木構造を2 分木という。
アルゴリズムとプログラミング
次の擬似言語のプログラムを実行した後の x の値はどれか? 整数型: x ← 0 整数型: i for (i を 1 から 4 まで 1 ずつ増やす) x ← x + i endfor
A. 10 B. 6 C. 4 D. 15
この問題へのリンク答えと解説
正解: A 【A(正解)】 ? 1 から 4 までを順に足した合計です。 x は 0 + 1 + 2 + 3 + 4 = 10 になる。 【B(不正解)】 ? 1 から 3 までの合計です。 1 + 2 + 3 = 6 は i = 4 を足す前の値である。 【C(不正解)】 ? 繰返しの回数と同じ値です。 4 は繰り返した回数で、x には 1〜4 の和が入る。 【D(不正解)】 ? 1 から 5 までの合計です。 1 + 2 + 3 + 4 + 5 = 15 で、i は 4 までなので 5 は足さない。
出典: 試験で使用する情報技術に関する用語・プログラム言語など Ver.5.1 別紙1 擬似言語の記述形式(IT パスポート試験用)(IPA)/IT パスポート試験 シラバス Ver.6.5(IPA)
次の擬似言語のプログラムを実行した後の r の値はどれか? 整数型: score ← 85 文字型: r if (score ≧ 60) r ← "良" elseif (score ≧ 80) r ← "優" else r ← "可" endif
A. "優" B. "可" C. "良" D. 値は代入されない
この問題へのリンク答えと解説
正解: C 【A(不正解)】 ? 2 番目の条件式に対応する値です。 85 は 80 以上だが、条件式は上から評価され、最初に真になった 60 以上の処理だけを実行する。 【B(不正解)】 ? どの条件式も真にならないときの値です。 85 ≧ 60 が真なので、else の処理は実行されない。 【C(正解)】 ? 最初の条件式に対応する値です。 85 ≧ 60 が最初に真になるので r ← "良" を実行し、以降の条件式は評価しない。 【D(不正解)】 ? どの処理も動かない場合の結果です。 最初の条件式が真なので、r には値が代入される。
出典: 試験で使用する情報技術に関する用語・プログラム言語など Ver.5.1 別紙1 擬似言語の記述形式(IT パスポート試験用)(IPA)
次の擬似言語のプログラムを実行した後の x の値はどれか? 整数型: x ← 0 整数型: n ← 1 while (n ≦ 10) if (n mod 3 = 0) x ← x + n endif n ← n + 1 endwhile
A. 3 B. 9 C. 55 D. 18
この問題へのリンク答えと解説
正解: D 【A(不正解)】 ? 条件に合う n の個数です。 3 で割り切れる n は 3・6・9 の 3 個だが、x には個数ではなく n の値を足す。 【B(不正解)】 ? 条件に合う最後の n の値です。 x には 3・6・9 を順に足していくので、最後の値だけにはならない。 【C(不正解)】 ? 1 から 10 までをすべて足した合計です。 1〜10 の合計は 55 だが、if の条件で 3 で割り切れる n だけを足す。 【D(正解)】 ? 3 で割り切れる n を足した合計です。 mod は割った余り。n mod 3 = 0 になる n は 3・6・9 で、x = 3 + 6 + 9 = 18。
出典: 試験で使用する情報技術に関する用語・プログラム言語など Ver.5.1 別紙1 擬似言語の記述形式(IT パスポート試験用)(IPA)
会員番号の小さい順に並べた 1,000 件の名簿から、2 分探索法で 1 件を探す。比較の回数は最大でおよそ何回か?
A. 約 100 回 B. 約 10 回 C. 約 500 回 D. 約 1,000 回
この問題へのリンク答えと解説
正解: B 【A(不正解)】 ? 範囲が 1/10 ずつ減るような数え方です。 1 回で範囲は半分になるので、100 回もかからない。 【B(正解)】 ? 比べるたびに範囲が半分になるときの回数です。 1 回で範囲が半分になる。2 の 10 乗 = 1,024 ≧ 1,000 なので、最大でおよそ 10 回で見つかる。 【C(不正解)】 ? 端から順に比べたときの平均に近い回数です。 500 回は線形探索法で平均的にかかる回数の目安である。 【D(不正解)】 ? 端から順に全部を比べたときの回数です。 1,000 回は線形探索法の最大の回数で、2 分探索法ではない。
{5, 3, 4, 1} をバブルソートで小さい順に並べる。先頭から隣どうしを比べ、左が大きければ入れ替える 1 回目の処理を終えた後の並びは?
A. {1, 3, 4, 5} B. {3, 5, 4, 1} C. {3, 4, 1, 5} D. {4, 3, 1, 5}
この問題へのリンク答えと解説
正解: C 【A(不正解)】 ? 全体の並べ替えが終わった状態です。 1 回目の処理で決まるのは最後の位置(最大の 5)だけで、全体はまだそろわない。 【B(不正解)】 ? 最初の 1 組だけを入れ替えた状態です。 5 と 3 を入れ替えた後も、5 と 4、5 と 1 の比較が続く。 【C(正解)】 ? 最大の値が最後に移った状態です。 (5,3)→{3,5,4,1}、(5,4)→{3,4,5,1}、(5,1)→{3,4,1,5}。1 回目で最大の 5 が末尾に移る。 【D(不正解)】 ? 入れ替えの順番を取り違えた並びです。 先頭の 5 と 3 を入れ替えると先頭は 3 になるので、この並びにはならない。
プログラム言語
マーケティング部で、販売データの統計解析とグラフ作成を中心に行いたい。統計の計算と図の作成のために作られた言語はどれか?
A. R B. JavaScript C. Java D. HTML
この問題へのリンク答えと解説
正解: A 【A(正解)】 ? S 言語をもとにした、GNU プロジェクトの言語と環境です。 R は統計の計算とグラフ作成のための言語・環境と公式に説明されている。 【B(不正解)】 ? Web ページでよく使われるスクリプト言語です。 Web ページでよく使われるスクリプト言語で、統計の計算とグラフ作成のために作られた言語ではない。 【C(不正解)】 ? バイトコードに変換し、仮想マシン上で動かす言語です。 さまざまな OS で同じプログラムを動かしやすい汎用の言語で、統計専用の言語ではない。 【D(不正解)】 ? Web ページの構造を記述する言語です。 HTMLはマークアップ言語で、計算処理を書くプログラム言語ではない。
出典: IT パスポート試験 シラバス Ver.6.5(IPA)/What is R?(The R Project)/JavaScript(MDN Web Docs)/About the Java Technology(Oracle)
5 人で開発したら、字下げや変数名の付け方が人ごとにばらばらで、読みにくく直しにくくなった。対策として定めるものはどれか?
A. ネストを深くする決まり B. 1 つのモジュールにまとめる決まり C. 変数名を各自で自由に付ける決まり D. 字下げや命名規則のコーディング標準
この問題へのリンク答えと解説
正解: D 【A(不正解)】 ? 処理の入れ子を重ねていく書き方です。 ネスト(入れ子)を深くすると、かえって読みにくくなる。 【B(不正解)】 ? プログラムを分けずに 1 つにまとめることです。 分けずにまとめると見通しが悪くなり、モジュール分割の考え方とも逆になる。 【C(不正解)】 ? 名前の付け方を人に任せるやり方です。 命名がそろわない今の問題をそのまま残すことになる。 【D(正解)】 ? プログラムの書き方について組織で決めた約束ごとです。 コーディング標準で字下げや命名規則をそろえると、読みやすく保守しやすいプログラムになる。
出典: IT パスポート試験 シラバス Ver.6.5(IPA)/Python チュートリアル 3. 形式ばらない Python の紹介
自社の配送アプリに、気象会社がインターネットで公開している天気予報のデータを取り込み、毎朝の配送計画に使いたい。使う仕組みはどれか?
A. サブルーチン B. ライブラリ C. WebAPI D. ノーコード
この問題へのリンク答えと解説
正解: C 【A(不正解)】 ? プログラムの中で、まとまった処理を切り出した部分です。 自分のプログラムの中の部品で、他社のサービスからデータを受け取る仕組みではない。 【B(不正解)】 ? よく使う処理をまとめ、プログラムに組み込んで使う部品です。 ライブラリは自分のプログラムに組み込む部品で、他社が提供する最新のデータそのものは得られない。 【C(正解)】 ? Web を通じて、他のサービスの機能やデータを呼び出す仕組みです。 WebAPIを呼び出すと、気象会社のサービスから天気予報のデータを通信で受け取れる。 【D(不正解)】 ? コードを書かずに、画面の操作でアプリを作るやり方です。 ノーコードは開発のやり方で、他社のデータを受け取る仕組みそのものではない。
その他の言語(マークアップ言語・JSON)
取引先のシステムとJSONで受注データをやり取りする。JSON の決まりに沿った書き方はどれか?
A. {"name": "佐藤", "qty": 3} B. {'name': '佐藤', 'qty': 3} C. {name: "佐藤", "qty": 3} D. {"name": "佐藤", "paid": True}
この問題へのリンク答えと解説
正解: A 【A(正解)】 ? 名前と文字列を二重引用符で囲んだ書き方です。 キーも文字列の値も二重引用符で囲み、数値はそのまま書いている。JSON の決まりに合う。 【B(不正解)】 ? 一重引用符を使った書き方です。 JSON の文字列は二重引用符で囲む決まりで、一重引用符は使えない。 【C(不正解)】 ? 名前の部分を引用符で囲んでいない書き方です。 JSON では名前(キー)も文字列なので、二重引用符で囲む必要がある。 【D(不正解)】 ? 真偽の値を大文字で始めた書き方です。 JSON の true・false・null は小文字で書く決まりで、True は使えない。
出典: RFC 8259 The JavaScript Object Notation (JSON) Data Interchange Format/IT パスポート試験 シラバス Ver.6.5(IPA)
取引先と、品番・数量・納期などの項目名を独自のタグで決めて、データ交換の形式をそろえたい。向いている言語はどれか?
A. HTML B. XML C. CSS D. R
この問題へのリンク答えと解説
正解: B 【A(不正解)】 ? Web ページの構造を表すための言語です。 HTMLは Web ページの文書構造を表すための言語で、取引データの項目名を自由に定めて交換する用途には向かない。 【B(正解)】 ? W3C が勧告した、拡張可能なマークアップ言語です。 XMLは独自のタグでデータの意味を表せるマークアップ言語で、データ交換に向く。 【C(不正解)】 ? Web ページの見た目を指定する言語です。 CSSは色や配置などの見た目を決めるもので、データの項目を表す言語ではない。 【D(不正解)】 ? 統計の計算とグラフ作成のための言語です。 統計解析のための言語で、タグでデータを表すマークアップ言語ではない。
出典: Extensible Markup Language (XML) 1.0(W3C 勧告)/HTML Living Standard 1 Introduction(WHATWG)/IT パスポート試験 シラバス Ver.6.5(IPA)
Web ページの見出しを <h1>お知らせ</h1> と書いた。このうち </h1> を何というか?
A. 開始タグ B. 属性 C. 終了タグ D. 文字コードの指定
この問題へのリンク答えと解説
正解: C 【A(不正解)】 ? 要素の始まりを示す部分です。 開始タグは <h1> のほうで、斜線が付かない。 【B(不正解)】 ? タグの中に書き足す追加の情報です。 属性は開始タグの中に書き足す情報で、</h1> のように単独で書くものではない。 【C(正解)】 ? 要素の終わりを示す部分です。 斜線の付いた </h1> は要素の終わりを示す終了タグで、開始タグとの間に内容を書く。 【D(不正解)】 ? 文字をどの番号で表すかを示す情報です。 文字コードの指定は別の書き方で行うもので、</h1> は見出しの終わりを示す。
出典: HTML Living Standard 1 Introduction(WHATWG)/IT パスポート試験 シラバス Ver.6.5(IPA)
この分野に出てくる用語(68 語)
2 進数:0 と 1 の 2 種類の数字だけを使って数を表す方法。コンピュータの内部はこの形で数を扱う。
2 分探索法:整列済みのデータの中央の値と比べ、探す範囲を半分ずつに絞り込んでいく探索方法。
2 分木:木構造のうち、各節点が持つ子が最大 2 つのもの。
A/D 変換:音や光などのアナログ信号を、標本化・量子化・符号化の手順でデジタルデータに変えること。
API:あるソフトウェアの機能やデータを、別のソフトウェアから呼び出して利用するための接続仕様。
CNN:畳み込みニューラルネットワーク。画像の特徴をとらえるのが得意で、画像認識などに使われる。
CSS:Web ページの文字の色や大きさ、配置などの見た目(スタイル)を指定するための言語。スタイルシート。
GAN:敵対的生成ネットワーク。データを作る側と本物かを見分ける側を競わせ、本物らしいデータを生成する。
HTML:Web ページを作るためのマークアップ言語。タグを使って文書の構造を記述する。
JIS コード:日本産業規格(JIS)で定められた、日本語の文字を扱うための文字コード。
JSON:JavaScript の書き方をもとにした、データを表すための軽量な形式。異なる言語のプログラム間のデータのやり取りに使われる。
RNN:リカレントニューラルネットワーク。文章や音声など、順番のあるデータ(時系列データ)を扱うのが得意。
SGML:マークアップ言語の元になった規格。XML は SGML の一部を取り出して作られた。
Unicode:世界中の文字を一つの体系で扱えるようにした文字コードの規格。
WebAPI:Web の通信を使って、他のサービスの機能やデータを呼び出せるようにした API。
XML:利用者が独自にタグを定義できるマークアップ言語。データの表現や交換に使われる。
キュー:最初に入れたデータを最初に取り出す(先入れ先出し・FIFO)データ構造。待ち行列。
クイックソート:基準の値を決めて、それより小さいグループと大きいグループに分けることを繰り返す整列の方法。
コーディング標準:字下げや命名規則など、プログラムの書き方についてチームで決める約束。読みやすさや保守のしやすさを高める。
シフト JIS コード:日本語の文字を扱うための文字コードの一つ。日本のパソコンで広く使われてきた。
スタック:最後に入れたデータを最初に取り出す(後入れ先出し・LIFO)データ構造。
タグ:マークアップ言語で、< と > で囲んで文書の構造や意味を示す記号。開始タグと終了タグで内容を挟む。
ディープラーニング:多くの層を重ねたニューラルネットワークを使って、データの特徴を自動的に学習する機械学習の手法。深層学習。
ニューラルネットワーク:人の脳の神経細胞のつながりをまねた計算の仕組み。入力から出力までを層を重ねて計算する。
ノーコード:プログラムを書かずに、画面上の操作だけでアプリを作る開発のやり方。
バイト:情報量の単位。1 バイトは 8 ビット。
バブルソート:隣り合うデータを比べて、順番が逆なら入れ替えることを繰り返す整列の方法。
ビット:コンピュータが扱う情報量の最小単位。0 か 1 のどちらかを表す。
ファインチューニング:事前に学習したモデルを、特定の目的に合うよう追加のデータで再学習して調整すること。
プロンプトエンジニアリング:生成 AI から望ましい出力を得るために、AI への指示文(プロンプト)を工夫して作る技術。
ベン図:集合を円などの図形で表し、集合どうしの関係(共通部分や和など)を目で見て分かるようにした図。
ライブラリ:よく使う処理を部品としてまとめたもの。自分のプログラムに組み込んで使うと、効率よく開発できる。
リスト:データを順番につないだデータ構造。つなぎ方を変えることで、途中への追加や削除がしやすい。
ルールベース:人が決めた規則(ルール)を組み合わせて判断する AI の方式。データから学ぶ機械学習とは異なる。
ローコード:画面上の操作を中心に、必要なところだけ少しのプログラムを書いてアプリを作る開発のやり方。
演繹推論:一般的な前提(ルール)から、個別の事例についての結論を導く推論の方法。
過学習:学習に使ったデータには高い精度で当てはまるが、新しいデータに対しては精度が下がってしまう状態。
機械学習:コンピュータが大量のデータから規則性やパターンを学習し、予測や判断を行えるようにする AI の技術。
帰納推論:いくつかの個別の事例から、一般的なルールや傾向を導く推論の方法。
擬似言語:アルゴリズムを表すための、擬似的なプログラム言語。IPA が試験で使う記述形式を公表している。
強化学習:試行錯誤を繰り返し、得られる報酬が最も大きくなる行動を学習する機械学習の方法。
教師あり学習:正解(ラベル)が付いたデータを使って学習し、新しいデータの正解を予測する機械学習の方法。
教師なし学習:正解の付いていないデータから、データの構造やグループ分けを見つけ出す機械学習の方法。
最頻値:データの中で最も多く現れる値。モード。
散布図:2 つの量を縦軸と横軸にとって点を打ち、2 つの量の関係(相関)を見る図。
事前学習:大量のデータでモデルに汎用的な知識を先に学ばせておくこと。後の追加学習の土台になる。
尺度:データの値が持つ意味の強さによる分類。名義尺度・順序尺度・間隔尺度・比例尺度がある。
順列:いくつかのものの中から、決まった個数を選んで順番に並べる並べ方。n 個から r 個を並べる数を nPr と書く。
真理値表:論理演算で、入力の真偽のすべての組合せと、そのときの結果を一覧にした表。
線形探索法:データを先頭から順に 1 件ずつ比べて、目的のデータを探す方法。並べ替えていないデータにも使える。
選択ソート:並べ替えていない部分から最小(または最大)の値を選び、端から順に確定させていく整列の方法。
組合せ:いくつかのものの中から、順番を区別せずに決まった個数を選ぶ選び方。n 個から r 個を選ぶ数を nCr と書く。
相関係数:2 つの量の間にある直線的な関係の強さを、-1 から 1 までの値で表したもの。
大規模言語モデル:膨大な量の文章データで学習し、人間のように自然な文章を理解・生成できる AI のモデル。LLM。
中央値:データを小さい順に並べたときに、ちょうど真ん中に来る値。メジアン。
転移学習:ある課題で学習したモデルの知識を、別の課題に生かして学習すること。
排他的論理和:2 つの条件のうち、どちらか一方だけが真のときに真となる論理演算。XOR。
配列:同じ型のデータを並べ、要素番号を指定して読み書きできるようにしたデータ構造。
否定:条件の真と偽を反対にする論理演算。NOT。
標準偏差:データが平均値の周りにどれくらい散らばっているかを表す値。分散の正の平方根。
標本化:アナログ信号を一定の時間間隔で区切って、その時点の値を取り出すこと。A/D 変換の手順の一つ。
符号化:量子化した値を、0 と 1 の並び(2 進数のデータ)に置き換えること。A/D 変換の最後の手順。
平均値:データの値をすべて足し、データの個数で割った値。代表値の一つで、極端な値の影響を受けやすい。
木構造:1 つの根から枝分かれして要素がつながる、階層の形をしたデータ構造。
流れ図:処理の手順を、決められた記号と矢印で図に表したもの。フローチャート。
量子化:標本化で取り出した値を、決められた段階の数値に置き換えること。A/D 変換の手順の一つ。
論理積:2 つの条件の両方が真のときだけ真になる論理演算。AND。
論理和:2 つの条件の少なくとも一方が真のときに真になる論理演算。OR。
独学の次に、講座で体系立てて学びたい人へ
この問題集は独学用です。IT の基礎から講師つきで体系立てて学びたい人には、資格や IT の講座がそろうスクールも選択肢になります。
本ページは広告・アフィリエイトプログラムを利用しており、リンク経由でのお申し込み・購入により当サイトに収益が発生することがあります。ただし、ランキング・評価・掲載内容は広告費や報酬の有無に関わらず編集部の独自基準で決定しており、広告主からの指示により内容を変更することはありません。
IT・Webデザイン・資格まで幅広い講座。生成AI/DX講座はリスキリング補助金の対象
まずは無料ではじめられます。リンク先は公式サイトです。
このサービスの解説記事を読む →