1. 出典: 平成21年度 秋期 ITパスポート試験 問60
「甘味」「うま味」「塩味」「酸味」「苦味」の5種類の味覚を、6ビット（2進数で6けた）の数値で符号化する。これらを組み合わせた複合味を、数値の加減算で表現できるようにしたい。例えば、「甘味」と「酸味」を組み合わせた「甘酸っぱい」という複合味の符号を、それぞれの数値を加算して表現するとともに、逆に「甘酸っぱい」から「甘味」成分を取り除いた「酸味」を減算で表現できるようにしたい。味覚の符号として、適切なものはどれか。
ア [表] 味覚符号表（行ア）:
| | 甘味 | うま味 | 塩味 | 酸味 | 苦味 |
| ア | 000000 | 000001 | 000010 | 000011 | 000100 | イ [表] 味覚符号表（行イ）:
| | 甘味 | うま味 | 塩味 | 酸味 | 苦味 |
| イ | 000001 | 000010 | 000011 | 000100 | 000101 | ウ [表] 味覚符号表（行ウ）:
| | 甘味 | うま味 | 塩味 | 酸味 | 苦味 |
| ウ | 000001 | 000010 | 000100 | 001000 | 010000 | エ [表] 味覚符号表（行エ）:
| | 甘味 | うま味 | 塩味 | 酸味 | 苦味 |
| エ | 000001 | 000011 | 000111 | 001111 | 011111 | 解答を表示 符号化
2. 出典: 平成21年度 秋期 ITパスポート試験 問97
I社は，月末に図1の各表のデータをバックアップしている。取引先担当者表が次のような構成となっているとき，取引先担当者表を記録するには，少なくとも何kバイトの領域を確保する必要があるか。ここで，バックアップでは，データの圧縮は行わないものとする。
〔取引先担当者表の構成〕
・件数：10,000件
・取引先コード，電話番号：それぞれJISの1バイトコードで10文字
・部署名：JISの2バイトコードで20文字
・所在地：JISの2バイトコードで40文字
・名前，役職：それぞれJISの2バイトコードで10文字
解答を表示 バイト · 情報量 · JISコード
3. 出典: 平成21年度 春期 ITパスポート試験 問66
アナログ音声信号をディジタル化する場合, 元のアナログ信号の波形に, より近い波形を復元できる組合せはどれか。
ア [表] サンプリング周期: 長い / 量子化の段階数: 多い イ [表] サンプリング周期: 長い / 量子化の段階数: 少ない ウ [表] サンプリング周期: 短い / 量子化の段階数: 多い エ [表] サンプリング周期: 短い / 量子化の段階数: 少ない 解答を表示 標本化 · 量子化 · A/D変換 · 符号化 · デジタル化
4. 出典: 平成22年度 秋期 ITパスポート試験 問83
片面 1 層記録の DVD-R は約 4.7G バイトの記憶容量をもつ。1 ページ当たり日本語 700 文字が印刷されている本の場合, 約何万ページ分をこの DVD-R に保存できるか。ここで, 日本語 1 文字を表現するのに 2 バイトが必要であるとし, 文字情報だけを記録するものとする。また, 1G バイトは 10 億バイトとする。
解答を表示 バイト · 情報量
5. 出典: 平成22年度 春期 ITパスポート試験 問60
ある音をコンピュータのファイルにデータとして記録するとき, 符号化ビット数を 8 ビットとしている。符号化ビット数を 16 ビットに変更し, 同じ音を同じサンプリング周波数で記録したときの説明として, 適切なものはどれか。
ア 音の振幅をより細かく記録できる。 イ 記録時間が同じ場合,データ量は少なくなる。 ウ 記録したデータの加工に必要な CPU の負担は減る。 エ 記録できる周波数の上限が高くなる。 解答を表示 量子化 · 符号化 · 標本化
6. 出典: 平成22年度 春期 ITパスポート試験 問88
音声信号をディジタル化する。図の時刻 1 から時刻 5 のタイミングで標本化を行い，4 段階に量子化（標本点に最も近い段階を選択）を行った。その後 2 ビットで符号化を行った。結果は「11 01 00 10 11」であった。同じ手法でディジタル化を行うと「01 00 10 11 01」となる音声信号を示す図はどれか。
（図）縦軸は「振幅」で，下から順に 00，01，10，11 の 4 段階。横軸は「時刻」で 1 から 5。波形は時刻 1 付近で振幅 11 の山となり，時刻 3 付近で振幅 00 の谷まで下がり，時刻 5 付近で再び振幅 11 へ上昇する曲線（標本化結果 11 01 00 10 11 に対応）。
ア 「図ア」低い振幅から始まり緩やかに上昇する波形 イ 「図イ」途中から急激に上昇する波形 ウ 「図ウ」中間振幅から始まり大きく変動する波形 エ 「図エ」不規則に変動する波形 解答を表示 標本化 · 量子化 · 符号化 · A/D変換
7. 出典: 平成23年度 秋期 ITパスポート試験 問78
データ量の大小関係のうち, 正しいものはどれか。
ア 1kバイト < 1Mバイト < 1Gバイト < 1Tバイト イ 1kバイト < 1Mバイト < 1Tバイト < 1Gバイト ウ 1kバイト < 1Tバイト < 1Mバイト < 1Gバイト エ 1Tバイト < 1kバイト < 1Mバイト < 1Gバイト 解答を表示 バイト · 情報量
8. 出典: 平成24年度 秋期 ITパスポート試験 問72
図に示すように、文字列の各文字を置換表に従って置き換える処理を考える。このような置換えを行った結果が「0110001010」であったとき、置換え前の文字列はどれか。
文字の置換表
| 文字 | 置換え後の2進表示 |
|---|---|
| A | 0 |
| B | 10 |
| C | 11 |
置換例
| 文字 | A | B | A | B | C | A | B | A |
|---|---|---|---|---|---|---|---|---|
| 置換表で置き換えた結果 | 0 | 10 | 0 | 10 | 11 | 0 | 10 | 0 |
置き換えた最終結果 010010110100
ア ABBAAABB イ ACAAABB ウ ACABB エ CAAABB 解答を表示 符号化 · ビット
9. 出典: 平成24年度 秋期 ITパスポート試験 問93
次に示す画像データの表現方法は，画像データを文字データに変換するものである。図2の画像データの中の 9〜12 ビット（2行目の先頭4ビット）のビット列は，どの文字として表現されるか。
〔画像データの表現方法〕
(1) 画像データのビット列を4ビットずつ取り出し，それぞれの先頭に4ビットの値 "0100" を補い，8ビットで表現する。
(2) (1)で求めた各8ビットの値を JIS X 0201 の文字コードに対応する文字で表現する。01000000, 01000001, 01000010, …, 01001111 の8ビットの値は，JIS X 0201 の文字コード体系では，文字@, A, B, …, O に対応する。
解答を表示 符号化 · デジタル化 · JISコード
10. 出典: 平成25年度 秋期 ITパスポート試験 問76
2バイトで1文字を表すとき, 何種類の文字まで表せるか。
ア 32,000 イ 32,768 ウ 64,000 エ 65,536 解答を表示 バイト · ビット · 情報量
11. 出典: 平成25年度 春期 ITパスポート試験 問78
世界の主要な言語で使われている文字を一つの文字コード体系で取り扱うための 規格はどれか。
ア ASCII イ EUC ウ SJIS (シフト JIS) エ Unicode 解答を表示 Unicode · シフトJISコード · JISコード
12. 出典: 平成30年度 春期 ITパスポート試験 問75
A〜Z の26種類の文字を表現する文字コードに最小限必要なビット数は幾つか。
解答を表示 ビット · 情報量 · 符号化
13. 出典: 平成31年度 春期 ITパスポート試験 問66
値の小さな数や大きな数を分かりやすく表現するために, 接頭語が用いられる。例えば, 10⁻³と10³を表すのに, それぞれ "m" と "k" が用いられる。10⁻⁹と10⁹を表すのに用いられる接頭語はどれか。
解答を表示 14. 出典: 令和元年度 秋期 ITパスポート試験 問21
ディープラーニングに関する記述として, 最も適切なものはどれか。
ア 営業, マーケティング, アフタサービスなどの顧客に関わる部門間で情報や業務の流れを統合する仕組み イ コンピュータなどのディジタル機器, 通信ネットワークを利用して実施される教育, 学習, 研修の形態 ウ 組織内の各個人がもつ知識やノウハウを組織全体で共有し, 有効活用する仕組み エ 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 解答を表示 ディープラーニング · ニューラルネットワーク · 特徴量
15. 出典: 令和2年度 ITパスポート試験 問4
コンビニエンスストアを全国にチェーン展開するA社では, 過去19年間にわたる各店舗の詳細な販売データが本部に蓄積されている。これらの販売データと, 過去19年間の気象データ, 及び各店舗近隣のイベント情報との関係を分析して, 気象条件, イベント情報と商品の販売量との関連性を把握し, 1週間先までの天気予報とイベント情報から店舗ごとの販売予想をより高い精度で行うシステムを構築したい。このとき活用する技術として, 最も適切なものはどれか。
ア IoT を用いたセンサなどからの自動データ収集技術 イ 仮想空間で現実のような体験を感じることができる仮想現実技術 ウ ディープラーニングなどのAI技術 エ 表計算ソフトを用いて統計分析などを行う技術 解答を表示 ディープラーニング · 機械学習 · 予測
16. 出典: 令和2年度 ITパスポート試験 問19
ディープラーニングを構成する技術の一つであり，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はどれか。
ア コンテンツデリバリネットワーク イ ストレージエリアネットワーク ウ ニューラルネットワーク エ ユビキタスネットワーク 解答を表示 ニューラルネットワーク · ディープラーニング
17. 出典: 令和2年度 ITパスポート試験 問22
AIの活用領域には音声認識,画像認識,自然言語処理などがある。音声認識と自然言語処理の両方が利用されているシステムの事例として,最も適切なものはどれか。
ア ドアをノックする音を検知して, カメラの前に立っている人の上顔を認識し, ドアのロックを解除ずる。 イ 人から話しかけられた天気や交通情報などの質問を解釈して, ふさわしい内容を回答する。 ウ 野外コンサートに来場する人の姿や話し声を検知して, 会場の入り口を通過する人数を記録する。 エ 洋書に記載されている英文をカメラで読み取り, 要約された日本文として編集する。 解答を表示 AIによる認識 · 機械学習 · 生成AI
18. 出典: 令和3年度 ITパスポート試験 問3
人間の脳神経の仕組みをモデルにして、コンピュータプログラムで模したものを表す用語はどれか。
ア ソーシャルネットワーク イ デジタルトランスフォーメーション ウ ニューラルネットワーク エ ブレーンストーミング 解答を表示 ニューラルネットワーク
19. 出典: 令和3年度 ITパスポート試験 問20
画像認識システムにおける機械学習の事例として, 適切なものはどれか。
ア オフィスのドアの解錠に虹彩の画像による認証の仕組みを導入することによって, セキュリティが強化できるようになった。 イ 果物の写真をコンピュータに大量に入力することで, コンピュータ自身が果物の特徴を自動的に抽出することができるようになった。 ウ スマートフォンが他人に利用されるのを防止するために, 指紋の画像認識でロック解除できるようになった。 エ ヘルプデスクの画面に, システムの使い方についての問合せを文字で入力すると, 会話形式で応答を得ることができるようになった。 解答を表示 機械学習 · 特徴量 · 教師なし学習
20. 出典: 令和3年度 ITパスポート試験 問89
情報の表現方法に関する次の記述中の a〜c に入れる字句の組合せはどれか。
情報を, 連続する可変な物理量 (長さ, 角度, 電圧など) で表したものを [ a ] データといい, 離散的な数値で表したものを [ b ] データという。
音楽や楽曲などの配布に利用される CD は, 情報を [ c ] データとして格納する光ディスク媒体の一つである。
ア a=アナログ, b=ディジタル, c=アナログ イ a=アナログ, b=ディジタル, c=ディジタル ウ a=ディジタル, b=アナログ, c=アナログ エ a=ディジタル, b=アナログ, c=ディジタル 解答を表示 デジタル化 · A/D変換
21. 出典: 令和4年度 ITパスポート試験 問24
教師あり学習の事例に関する記述として, 最も適切なものはどれか。
ア 衣料品を販売するサイトで, 利用者が気に入った服の画像を送信すると, 画像の特徴から利用者の好みを自動的に把握し, 好みに合った商品を提案する。 イ 気温, 天候, 積雪, 風などの条件を与えて, あらかじめ準備しておいたルールベースのプログラムによって, ゲレンデの状態がスキーに適しているか判断する。 ウ 麺類の山からアームを使って一人分を取り, 容器に盛り付ける動作の訓練を繰り返したロボットが, 弁当の盛り付けを上手に行う。 エ 録音された乳児の泣き声と, 泣いている原因から成るデータを収集して入力することによって, 乳児が泣いている原因を泣き声から推測する。 解答を表示 教師あり学習
22. 出典: 令和4年度 ITパスポート試験 問57
推論に関する次の記述中の a，b に入れる字句の適切な組合せはどれか。
[ a ] は，個々の事例を基にして，事例に共通する規則を得る方法であり，得られた規則は [ b ] 。
ア [表] a: 演繹推論 / b: 成立しないことがある イ [表] a: 演繹推論 / b: 常に成立する ウ [表] a: 帰納推論 / b: 成立しないことがある エ [表] a: 帰納推論 / b: 常に成立する 解答を表示 演繹推論 · 帰納推論
23. 出典: 令和4年度 ITパスポート試験 問67
ディープラーニングに関する記述として, 最も適切なものはどれか。
ア インターネット上に提示された教材を使って, 距離や時間の制約を受けることなく, 習熟度に応じて学習をする方法である。 イ コンピュータが大量のデータを分析し, ニューラルネットワークを用いて自ら規則性を見つけ出し, 推論や判断を行う。 ウ 体系的に分類された特定分野の専門的な知識から, 適切な回答を提供する。 エ 一人一人の習熟度, 理解に応じて, 問題の難易度や必要とする知識, スキルを推定する。 解答を表示 ディープラーニング · ニューラルネットワーク · 機械学習
24. 出典: 令和5年度 ITパスポート試験 問74
ニューラルネットワークに関する記述として, 最も適切なものはどれか。
ア PC, 携帯電話, 情報家電などの様々な情報機器が, 社会の至る所に存在し, いつでもどこでもネットワークに接続できる環境 イ 国立情報学研究所が運用している, 大学や研究機関などを結ぶ学術研究用途のネットワーク ウ 全国の自治体が, 氏名, 生年月日, 性別, 住所などの情報を居住地以外の自治体から引き出せるようにネットワーク化したシステム エ ディープラーニングなどで用いられる, 脳神経系の仕組みをコンピュータで模したモデル 解答を表示 ニューラルネットワーク · ディープラーニング
25. 出典: 令和5年度 ITパスポート試験 問76
品質管理担当者が行っている検査を自動化することを考えた。10,000枚の製品画像と，それに対する品質管理担当者による不良品かどうかの判定結果を学習データとして与えることによって，製品が不良品かどうかを判定する機械学習モデルを構築した。100枚の製品画像に対してテストを行った結果は表のとおりである。品質管理担当者が不良品と判定した製品画像数に占める，機械学習モデルの判定が不良品と判定した製品画像数の割合を再現率としたとき，このテストにおける再現率は幾らか。
単位 枚
| | | 機械学習モデルによる判定: 不良品 | 機械学習モデルによる判定: 良品 |
| --- | --- | --- | --- |
| 品質管理担当者による判定 | 不良品 | 5 | 5 |
| 品質管理担当者による判定 | 良品 | 15 | 75 |
解答を表示 機械学習 · 教師あり学習
26. 出典: 令和5年度 ITパスポート試験 問91
AIに利用されるニューラルネットワークにおける活性化関数に関する記述として, 適切なものはどれか。
ア ニューラルネットワークから得られた結果を基に計算し, 結果の信頼度を出力する。 イ 入力層と出力層のニューロンの数を基に計算し, 中間層に必要なニューロンの数を出力する。 ウ ニューロンの接続構成を基に計算し, 最適なニューロンの数を出力する。 エ 一つのニューロンにおいて, 入力された値を基に計算し, 次のニューロンに渡す値を出力する。 解答を表示 活性関数 · ニューラルネットワーク
27. 出典: 令和5年度 ITパスポート試験 問96
CPU のクロック周波数や通信速度などを表すときに用いられる国際単位系 (SI) 接頭語に関する記述のうち, 適切なものはどれか。
ア Gの10の6乗倍は，Tである。 イ Mの10の3乗倍は，Gである。 ウ Mの10の6乗倍は，Gである。 エ Tの10の3乗倍は，Gである。 解答を表示 情報量 · ビット · バイト
28. 出典: 令和6年度 ITパスポート試験 問65
AIにおける機械学習の学習方法に関する次の記述中のa〜cに入れる字句の適切な組合せはどれか。
教師あり学習は，正解を付けた学習データを入力することによって，[ a ]と呼ばれる手法で未知のデータを複数のクラスに分けたり，[ b ]と呼ばれる手法でデータの関係性を見つけたりすることができるようになる学習方法である。教師なし学習は，正解を付けない学習データを入力することによって，[ c ]と呼ばれる手法などで次第にデータを正しくグループ分けできるようになる学習方法である。
ア a:回帰 b:分類 c:クラスタリング イ a:クラスタリング b:分類 c:回帰 ウ a:分類 b:回帰 c:クラスタリング エ a:分類 b:クラスタリング c:回帰 解答を表示 教師あり学習 · 教師なし学習 · 機械学習
29. 出典: 令和6年度 ITパスポート試験 問95
AI の関連技術であるディープラーニングに用いられる技術として, 最も適切なものはどれか。
ア ソーシャルネットワーク イ ニューラルネットワーク ウ フィージビリティスタディ エ フォールトトレラント 解答を表示 ディープラーニング · ニューラルネットワーク
30. 出典: 令和7年度 ITパスポート試験 問80
AI において, 広範囲かつ大量のデータで訓練されたものであり, ファインチューニングなどによって文章生成 AI のような様々な用途に適応できる特徴をもつものを何というか。
ア アノテーション イ エキスパートシステム ウ 基盤モデル エ 畳み込みニューラルネットワーク 解答を表示 事前学習 · ファインチューニング · LLM · 大規模言語モデル · 生成AI
31. 出典: 令和7年度 ITパスポート試験 問86
動物が写っている大量の画像から犬や猫などの特徴を自動的に抽出して, 動物の種類を識別できるようにする AI の技術はどれか。
ア e-ラーニング イ アクティブラーニング ウ アダプティブラーニング エ ディープラーニング 解答を表示 ディープラーニング · 特徴量 · 機械学習
32. 出典: 令和8年度 ITパスポート試験 問16
教師あり学習において, 正解となる情報を付与する作業を表す用語として, 最も適切なものはどれか。
ア アノテーション イ エンコード ウ データクレンジング エ フィルタリング 解答を表示 教師あり学習 · 機械学習
33. 出典: 令和8年度 ITパスポート試験 問82
ニューラルネットワークの学習に用いられるバックプロパゲーションで行われていることはどれか。
ア 各ノードの重みを調整して, 誤差を小さくする。 「 イ 各ノードの重みを調整して, 最適な活性化関数を選択する。 ウ ノードの数を変更して, 誤差を小さくする。 エ ノードの数を変更して, 処理速度を高める。ー 39 一 “ 解答を表示 バックプロパゲーション · ニューラルネットワーク · 活性関数
34. 出典: 令和8年度 ITパスポート試験 問84
ある推論システムは，演繹推論，帰納推論，仮説形成などの推論が実行できる。この推論システムへの入力と得られた出力に関する記述のうち，演繹推論を実行した例として，適切なものはどれか。
ア "HDD とSSD は記憶装置である"と入力した後に，"HDD の台数を増やすと記憶容量が増える"と入力した。出力は，"SSD の台数を増やすと記憶容量が増える"となった。 イ "HDD は台数を増やすと記憶容量が増える"と入力した後に，"記憶装置は台数を増やすと記憶容量が増える"と入力した。出力は，"HDD は記憶装置である"となった。 ウ "記憶装置である HDD は記憶容量をもつ"と入力し，同時に"記憶装置であるSSD は記憶容量をもつ"と入力した。出力は，"全ての記憶装置は記憶容量をもつ"となった。 エ "全ての記憶装置は記憶容量をもつ"と入力した後に，"HDD は記憶装置である"と入力した。出力は，"HDD は記憶容量をもつ"となった。 解答を表示 演繹推論 · 帰納推論 · 述語論理
35. 出典: 令和8年度 ITパスポート試験 問98
AI におけるプロンプトエンジニアリングの説明として, 適切なものはどれか。
ア AIが, 多数の事象やデータから普遍的なルールや知識を獲得すること イ AI に対する質問や指示などが入力できる状態であることを, 画面上に記号や文字列で示すこと ウ 意図した回答を得るために AI に対する質問や指示の内容, 情報の提供, 出力形式の指定などを工夫すること エ 神経細胞が作るネットワークをコンピュータで模した, AI で用いられる計算モデルのこと 解答を表示 プロンプトエンジニアリング · LLM · 大規模言語モデル
