図解即戦力　アルゴリズムのしくみと考え方がこれ1冊でしっかりわかる教科書

●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）