3. 情報に関する理論

「情報に関する理論」における目標

情報理論,符号理論の考え方,仕組みを修得し,応用する。

コードによる文字の表現を修得し,応用する。

述語論理,形式言語,オートマトンなど,情報に関する理論の考え方,仕組みを修得し,応用する。

正当性理論の考え方,仕組みを修得し,応用する。

AI(人工知能)の考え方,仕組み,代表的なモデルを修得し,応用する。

コンパイラ理論,プログラム言語論や意味論の考え方,仕組みを修得し,応用する。

3.1. 情報理論

情報量の概念,事象の生起確率と情報量との関係を理解する。

3.2. 符号理論

アナログとデジタルの特徴,量子化,標本化,A/D 変換などの符号化,符号化の目的,情報伝送における信頼性,効率性,安全性の向上などの効果を理解する。

用語例

通信路符号化(誤り検出訂正),ハフマン符号,情報源符号化(データ圧縮)

3.3. 文字の表現

代表的な文字コードを理解する。

用語例

ASCII コード,EUC(Extended UNIX Code:拡張UNIX コード),JIS コード,シフトJIS コード,Unicode,UCS

3.4. 述語論理

述語論理の考え方,演繹推論と帰納推論の違いを理解する。

用語例

関係データベース

3.5. 形式言語

形式言語とは何か,言語の定義,演算,種類,文法を理解する。また,BNF,構文図式などの表記法,正規表現,文脈自由文法を理解する。

用語例

逆ポーランド表記法

3.6. オートマトン

有限オートマトンの概念,形式言語との関係,チューリング機械との関係,状態遷移表,状態遷移図を理解する。

用語例

プッシュダウンオートマトン

3.7. 正当性理論

プログラムの正当性理論とは何か,部分正当性,全正当性の基本的な考え方,仕組みを理解する。

用語例

停止問題

3.8. 計算量

計算量の理論の考え方を理解する。

用語例

時間計算量,領域計算量,オーダー記号,P(Polynomial)問題,NP(Nondeterministic Polynomial)問題,NP 完全問題

3.9. 人工知能(AI)に関する技術 ※Ver.6.3

人工知能の基本的な考え方,仕組み,代表的なモデルを理解する。※Ver.6.3

用語例

知識工学,学習理論,機械学習(教師あり学習,教師なし学習,強化学習ほか),汎化,ニューラルネットワーク(CNN,RNN ほか),ディープラーニング(深層学習),エキスパートシステム,解析型問題,合成型問題,知識ベース,推論エンジン ※Ver.6.3

3.9.1. AI の基本的な考え方(準備中)

AIの基本的な考え方を理解する。

用語例

知識工学,学習理論,汎化,エキスパートシステム,解析型問題,合成型問題,知識ベース,推論エンジン

3.9.2. 機械学習(準備中)

機械学習の基本的な仕組み,代表的な手法,及び機械学習のモデルの精度を高めるための代表的な手法,並びにモデルの精度を評価するための代表的な手法を理解する。

用語例

教師あり学習(回帰,分類など),教師なし学習(クラスタリング,次元削減など),半教師あり学習,強化学習,線形回帰,ロジスティック回帰,決定木,ランダムフォレスト,サポートベクトルマシン(SVM),主成分分析,k-means 法,Q学習,方策勾配法,価値反復法,ハイパーパラメータ,ランダムサーチ,グリッドサーチ,学習率,学習(訓練)データ,検証データ,テストデータ,凡化性能,凡化誤差,訓練誤差,過学習,バイアスとバリアンスのトレードオフ,AI のロバ
スト性,正則化,アンサンブル学習,交差検証,ホールドアウト検証,正解率(Accuracy),適合率(Precision),再現率(Recall),F 値,ROC 曲線,PR 曲線,AUC(Area Under the Curve)

3.9.3. ディープラーニング(深層学習)(準備中)

ディープラーニングの基本的な仕組み,ディープラーニングの精度を高めるための代表
的な手法を理解する。

用語例

ニューラルネットワーク,多層パーセプトロン,バックプロパゲーション(誤差逆伝播法),勾配消失問題,活性化関数(ReLU 関数,ソフトマックス関数,tanh関数など),ドロップアウト,事前学習,ファインチューニング,転移学習,バッチ学習,ミニバッチ学習,オンライン学習

3.9.4. 自然言語処理,音声・画像・動画の認識・合成・生成などへの応用(準備中)

ディープラーニングの手法を,自然言語処理,音声・画像処理などの分野に応用するための考え方,仕組みを理解する。

用語例

畳み込みニューラルネットワーク(CNN),リカレントニューラルネットワーク(RNN),LSTM(Long Short Term Memory),生成モデル,オートエンコーダ,敵対的生成ネットワーク(GAN),深層強化学習,基盤モデル,拡散モデル,言語モデル,大規模言語モデル(LLM),Transformer,自己注意(Self-Attention)機構,自己教師あり学習,アラインメント,人間のフィードバックによる強化学習(RLHF),ゼロショット学習,フューショット学習,インストラクションチューニング,プロンプトエンジニアリング,モデル圧縮(蒸留,量子化,プルーニング)

3.10. コンパイラ理論

コンパイラの役割,コンパイルの過程,字句解析,構文解析,意味解析,コード生成,最適化の基本的な考え方,仕組みを理解する。

用語例

文脈自由文法,中間言語,目的プログラム,形式言語,オートマトン

3.11. プログラミング言語論・意味論

プログラム言語は,処理対象を表現するために構文と意味があること,各言語で構文と意味がどのように定義されるか,データ構造とアルゴリズムがどのように表現されるか,構造化と抽象化がどのように定義されるかなど,基本的な考え方,仕組みを理解する。

用語例

手続型言語,関数型言語,論理型言語,オブジェクト指向言語

3.12. 知識工学

3.13. 学習理論

 

タイトルとURLをコピーしました