目次

1章　アルゴリズムとは

• 01　アルゴリズムの基本構造と表現方法～フローチャート・擬似言語・プログラム言語
• 02　フローチャートの理解①～変数と順次処理
• 03　フローチャートの理解②～選択処理（種類と構造）
• 04　フローチャートの理解③～前判定繰返し処理と後判定繰返し処理
• 05　フローチャートの理解④～繰返し記号を使った繰返し処理
• 06　擬似言語の理解①～表記ルール（データ型と変数）
• 07　擬似言語の理解②～条件数に応じて記述方法が変わる選択処理
• 08　擬似言語の理解③～前判定繰返し処理と後判定繰返し処理
• 09　擬似言語の理解④～制御記述を使った繰返し処理

2章　データ構造

• 10　データ構造～複数データを格納する仕組みとその種類
• 11　配列～複数データを順番に格納する仕組み
• 12　リスト～ポインタを使ったデータ格納の仕組み
• 13　キュー～最初の格納データから順番に取り出すデータ構造
• 14　スタック～最後の格納データから順番に取り出すデータ構造
• 15　木構造～階層をたどってアクセスするデータ構造

3章　アルゴリズムの基本要素

• 16　演算～演算の種類と演算子
• 17　関数の基礎～関数の役割と仕組み
• 18　関数の種類～引数と戻り値の使い方
• 19　擬似言語における関数～関数の宣言と記述方法

4章　再帰

• 20　再帰～自分自身を呼び出す手法
• 21　事例で学ぶ再帰①～階乗の計算
• 22　事例で学ぶ再帰②～ユークリッドの互除法

5章　探索

• 23　線形探索法～先頭から順にデータを探索
• 24　2分探索法～データを半分に絞り込んで探索
• 25　ハッシュ表探索法～ハッシュ関数を使って探索

6章　整列（ソート）

• 26　バブルソート～隣り合うデータを比較・交換して整列
• 27　選択ソート～データの最小値を先頭データと交換して整列
• 28　挿入ソート～整列済み／未整列にデータを分けて整列
• 29　マージソート～分割と統合で全体を整列
• 30　ヒープソート～ヒープを使って最大要素を取り出しながら整列
• 31　クイックソート～分割を繰り返して高速に整列

7章　グラフ

• 32　グラフのアルゴリズム～点と線で表す構造
• 33　幅優先探索～キューを使って最短経路を探索
• 34　深さ優先探索～スタックのデータ構造で奥深くすべてを探索
• 35　ダイクストラ法～辺のコストが0以上で使える最短経路探索
• 36　ベルマンフォード法～辺のコストが負でも使える最短経路探索

8章　基数変換

• 37　基数～2進数・10進数・16進数の基本
• 38　基数変換①～n進数を10進数に変換
• 39　基数変換②～10進数の整数をn進数に変換
• 40　基数変換③～10進数の小数をn進数に変換

9章　暗号化と認証

• 41　暗号化～第三者の解読を防ぐ仕組み
• 42　共通鍵暗号方式～暗号化と復号に同じ鍵を使う方式
• 43　公開鍵暗号方式～暗号化と復号で違う鍵を使う方式
• 44　ハイブリッド暗号方式～共通鍵暗号方式と公開鍵暗号方式の組み合わせ
• 45　デジタル署名～公開鍵暗号方式とハッシュ関数の組み合わせ

10章　AI

• 46　AIのアルゴリズム～実装技術と機能による分類
• 47　機械学習の仕組み～教師あり学習、教師なし学習、強化学習
• 48　線形回帰（教師あり学習①）～過去のデータをもとに数値を予測
• 49　ロジスティック回帰（教師あり学習②）～確率としきい値をもとに2値に分類
• 50　そのほかの教師あり学習～決定木、ランダムフォレスト、サポートベクターマシン（SVM）、k近傍法（k-NN）
• 51　k-means（教師なし学習①）～似たデータをk個のグループに分類
• 52　主成分分析（教師なし学習②）～重要な特徴を少ない指標に要約
• 53　Q学習（強化学習）～試行錯誤を通じて行動を学習
• 54　ディープラーニング①～ニューラルネットワークの仕組み
• 55　ディープラーニング②～畳み込みニューラルネットワーク（CNN）
• 56　ディープラーニング③～再帰型ニューラルネットワーク（RNN）
• 57　ディープラーニング④～敵対的生成ネットワーク（GAN）