こんにちは、これが404本目の記事となったすうじょうです。今日はこのシリーズの続編です。ここでは、私が大学で学んだ専門の情報系の内容について簡単に説明しています。今後、この内容についてさらに深堀りして、感想シリーズを書いたり、解説記事を書くかもしれません。本シリーズの範囲からは数学系の科目は除いています。前回の内容は以下の記事です。

情報系の基礎知識科目その5

今回は前回までに話していない基礎？科目について、紹介していきます。

上におおまかにタイトルのみ書きましたが、その内容について、軽く説明をしていきます。といっても一部が専門用語の羅列になると思います。詳しく知りたい方は、ネットや書籍で調べてください。

まず、人工知能システムとその技術では、機械翻訳システム、チェスをプレイするAIなどの人工知能システムに用いられている人工知能技術について学びました。関連用語として、ブートストラップ、確率文脈自由文法、ミニマックス法、アルファベータ法、証明数探索など（ここは分かる人向けです）があります。

統計解析では、機械学習手法である分類・回帰問題の理論について学びました。関連用語として、最小二乗法、多項式回帰、最尤推定法、MAP推定、リッジ回帰、交差検証、ロジスティック回帰、混同行列、主成分分析、フィッシャーの線形判別分析など（ここは分かる人向けです）があります。

データ圧縮では、様々なデータ圧縮の理論とアルゴリズムを学びました。関連用語として、ランレングス圧縮、ハフマン符号、LZ77、LZ78、RePair、BPE、簡潔データ構造、BWTなど（ここは分かる人向けです）があります。

コンピュータビジョンでは、画像処理の理論について学びました。関連用語として、空間フィルタリング、周波数フィルタリング、アフィン変換、カメラキャリブレーション、インバースレンダリングなど（ここは分かる人向けです）があります。

コンピュータグラフィックスでは、CGの理論とC言語+OpenGL+GLUTを用いたプログラミングを学びました。関連用語として、ビューイングパイプライン、陰面消去、シェーディング、ベジェ曲線など（ここは分かる人向けです）があります。

最後に、深層学習では、深層学習の理論や手法について、近年の動向を踏まえたうえで学びました。関連用語として、フィードフォワードニューラルネットワーク、CNN、Transformer、GAN、物体検出、セマンティックセグメンテーション、事前学習モデル、陰的正則化など（ここは分かる人向けです）があります。

今回はシリーズの8回目として、情報系の基礎知識科目の一部について書きました。今回は、理論的な科目が多いと思います。では。