| name | computer-science-fundamentals |
| description | コンピュータサイエンスの基礎知識を網羅的にカバー。ハードウェアの仕組みからデータ表現、アルゴリズム、データ構造、計算理論、プログラミングパラダイム、ソフトウェアエンジニアリング基礎まで、エンジニアに必要な全てのCS基礎知識を体系的に解説。 |
コンピュータサイエンス基礎
目次
- 概要
- いつ使うか
- 学習ロードマップ
- セクション一覧
- ベストプラクティス
- 詳細ドキュメント
概要
このSkillは、コンピュータサイエンスの基礎知識を包括的にカバーする。フレームワークやライブラリは5年で変わるが、ここで扱うCS基礎は50年以上変わらない普遍的な知識であり、エンジニアとしての基礎体力そのものである。
カバー範囲
- ハードウェアの仕組み（CPU、メモリ、ストレージ、GPU、I/O）
- データ表現（2進数、文字コード、整数、浮動小数点、圧縮）
- アルゴリズム（計算量解析、ソート、探索、再帰、DP、グラフ）
- データ構造（配列、リスト、スタック、キュー、ハッシュ、木、グラフ）
- 計算理論（オートマトン、形式言語、チューリングマシン、計算可能性、P vs NP）
- プログラミングパラダイム（命令型、関数型、OOP、論理型、マルチパラダイム）
- ソフトウェアエンジニアリング基礎（開発手法、バージョン管理、テスト、デバッグ）
- 発展トピック（分散システム、並行処理、セキュリティ、AI/ML入門）
前提知識
- 不要。本Skillはゼロからコンピュータサイエンスを学ぶための入口として設計されている。
- プログラミング経験があるとより理解が深まるが、必須ではない。
対象読者
- 初心者: プログラミングを始めたばかりで、CS基礎を体系的に学びたい人
- 中級者: 実務経験はあるが、CS基礎に不安がある人、転職面接に備えたい人
- 上級者: 知識の棚卸し、深い理論的理解の獲得、チーム教育の参考にしたい人
いつ使うか
自動的に参照されるケース
- パフォーマンス問題の調査（計算量、メモリ使用量の分析）
- データ構造の選択（配列 vs ハッシュ vs 木の判断）
- アルゴリズムの設計と最適化
- 低レベルの問題（文字化け、浮動小数点誤差、整数オーバーフロー）
- システム設計の議論（CAP定理、一貫性モデル）
手動で参照すべきケース
- CS基礎の体系的な学習を開始するとき
- 技術面接の準備
- チームメンバーへの教育・メンタリング
- 特定のCS概念の深い理解が必要なとき
学習ロードマップ
Phase 1: 基礎の基礎（1-2ヶ月）
00-introduction → 01-hardware-basics → 02-data-representation
「コンピュータが物理的にどう動くか」を理解する
Phase 2: アルゴリズムとデータ構造（2-3ヶ月）
03-algorithms-basics → 04-data-structures
「問題を効率的に解く方法」を身につける
Phase 3: 理論と応用（2-3ヶ月）
05-computation-theory → 06-programming-paradigms → 07-software-engineering-basics → 08-advanced-topics
「なぜそうなのか」を理論的に理解し、実務に応用する
セクション一覧
00 - Introduction（導入）
コンピュータサイエンスとは何か、その全体像を俯瞰する導入セクション。CSの歴史を紐解きながら、なぜエンジニアにCSの知識が不可欠なのかを具体例を交えて解説する。さらに、読者のレベルと目標に応じた最適な学習パスを提示し、本Skill全体の見通しを立てる。
CSは単なる「プログラミング」ではない。計算可能性、効率性、正確性を数学的に扱う学問であり、その基礎はハードウェアからソフトウェア、理論から応用まで広範囲にわたる。本セクションではその全体像を把握し、以降のセクションへの道標を提供する。
01 - Hardware Basics（ハードウェアの基礎）
ソフトウェアは最終的にハードウェア上で動く。CPUが命令をどう実行し、メモリがどう階層化され、ストレージがどうデータを永続化するかを理解することは、パフォーマンスを意識したプログラミングの第一歩である。
CPUのパイプライン処理を理解すれば分岐予測ミスのコストが分かり、メモリ階層を知ればキャッシュフレンドリーなコードが書ける。GPUの仕組みを知ればAI学習の高速化が理解でき、I/Oの仕組みを知ればio_uringやDPDKの意義が分かる。このセクションはプログラマーの視点でハードウェアを解説し、実務に直結する知識を提供する。
02 - Data Representation（データ表現）
コンピュータ内部では全てのデータが0と1で表現される。テキスト、数値、画像、音声 — 全てはビット列の解釈の仕方が異なるだけである。このセクションではデータ表現の全てを解説する。
0.1 + 0.2 ≠ 0.3 の理由、文字化けの原因、整数オーバーフローによる事故事例（Ariane 5ロケット爆発）など、データ表現の理解不足が引き起こす実務上の問題は多い。IEEE 754の仕組みをビットレベルで理解し、UTF-8のバイト構造を把握することで、これらの問題を根本から理解し予防できる。
03 - Algorithms Basics（アルゴリズムの基礎）
| # | ファイル | 内容 |
|---|
| 00 | what-is-algorithm.md | アルゴリズムとは — 定義、表現方法、設計手法概観 |
| 01 | complexity-analysis.md | 計算量解析 — Big-O、Big-Ω、Big-Θ、償却計算量 |
| 02 | sorting-algorithms.md | ソートアルゴリズム — バブル〜TimSort、比較ソートの下界 |
| 03 | searching-algorithms.md | 探索アルゴリズム — 線形、二分、ハッシュ、文字列探索 |
| 04 | recursion-and-divide.md | 再帰と分割統治 — コールスタック、Master Theorem |
| 05 | greedy-algorithms.md | 貪欲法 — 活動選択、ハフマン、ダイクストラ |
| 06 | dynamic-programming.md | 動的計画法 — ナップサック、LCS、編集距離 |
| 07 | graph-algorithms.md | グラフアルゴリズム — BFS/DFS、最短経路、MST、トポロジカルソート |
アルゴリズムはCSの心臓部である。O(n)とO(n²)の違いは、データが100万件になると「1秒 vs 11.5日」の差になる。この差を理解し、適切なアルゴリズムを選択できるかどうかが、エンジニアの実力を分ける。
ソート、探索、再帰、動的計画法、グラフアルゴリズムという5大テーマを、理論（計算量証明）と実践（動作するコード）の両面から解説する。各アルゴリズムは「なぜこの方法が効率的なのか」を内部的に解説し、単なる暗記ではなく深い理解を促す。
04 - Data Structures（データ構造）
| # | ファイル | 内容 |
|---|
| 00 | arrays-and-lists.md | 配列と連結リスト — 動的配列、スキップリスト |
| 01 | stacks-and-queues.md | スタックとキュー — LIFO/FIFO、Deque、優先度キュー |
| 02 | hash-tables.md | ハッシュテーブル — 衝突解決、ブルームフィルタ、一貫性ハッシュ |
| 03 | trees-basics.md | 木構造の基礎 — 二分探索木、走査、トライ木 |
| 04 | balanced-trees.md | 平衡木 — AVL木、赤黒木、B木、B+木 |
| 05 | heaps-and-priority.md | ヒープと優先度キュー — 二分ヒープ、フィボナッチヒープ |
| 06 | graphs.md | グラフ — 隣接行列/リスト、Union-Find |
| 07 | advanced-structures.md | 発展的データ構造 — ブルームフィルタ、LRUキャッシュ、ロープ |
「適切なデータ構造を選ぶ」ことは、プログラミングにおける最も重要な判断の一つである。配列、ハッシュテーブル、木、グラフ — それぞれに得意・不得意があり、問題に応じた最適な選択ができるかどうかでコードの品質が決まる。
各データ構造について、内部実装の仕組み、計算量、メモリ使用量、キャッシュ効率まで深く解説する。さらに、各プログラミング言語（Python、JavaScript、Java、Rust）での標準ライブラリの実装も比較し、実務ですぐに使える知識を提供する。
05 - Computation Theory（計算理論）
| # | ファイル | 内容 |
|---|
| 00 | automata-theory.md | オートマトン理論 — DFA/NFA、正規表現エンジン |
| 01 | formal-languages.md | 形式言語 — チョムスキー階層、BNF、構文解析 |
| 02 | turing-machines.md | チューリングマシン — 計算の数学的定義 |
| 03 | computability.md | 計算可能性 — 停止問題、決定不能性 |
| 04 | complexity-classes.md | 計算量クラス — P、NP、NP完全、P vs NP問題 |
| 05 | information-theory.md | 情報理論 — エントロピー、シャノンの定理 |
計算理論はCSの最も深い層であり、「何が計算可能で、何が不可能か」を数学的に明らかにする。正規表現がなぜ再帰的なパターンにマッチできないのか、完璧なバグ検出ツールがなぜ作れないのか — これらの「不可能」を理解することは、エンジニアの思考の深さを決定的に変える。
06 - Programming Paradigms（プログラミングパラダイム）
| # | ファイル | 内容 |
|---|
| 00 | imperative.md | 命令型プログラミング — 手続き型、構造化、C言語 |
| 01 | functional.md | 関数型プログラミング — 純粋関数、不変性、モナド |
| 02 | object-oriented.md | オブジェクト指向 — SOLID、デザインパターン |
| 03 | logic.md | 論理型プログラミング — Prolog、宣言的プログラミング |
| 04 | multi-paradigm.md | マルチパラダイム — Rust、Kotlin、TypeScript |
07 - Software Engineering Basics（ソフトウェアエンジニアリング基礎）
| # | ファイル | 内容 |
|---|
| 00 | development-lifecycle.md | 開発ライフサイクル — ウォーターフォール、アジャイル、DevOps |
| 01 | version-control.md | バージョン管理 — Gitの内部構造、ブランチ戦略 |
| 02 | testing-fundamentals.md | テスト基礎 — テストピラミッド、TDD、BDD |
| 03 | debugging-techniques.md | デバッグ技法 — 科学的デバッグ、プロファイリング |
| 04 | documentation-practices.md | ドキュメンテーション — Docs as Code、ADR |
08 - Advanced Topics（発展トピック）
| # | ファイル | 内容 |
|---|
| 00 | distributed-systems-intro.md | 分散システム入門 — CAP定理、Raft、マイクロサービス |
| 01 | concurrency-intro.md | 並行処理入門 — スレッド、デッドロック、async/await |
| 02 | security-intro.md | セキュリティ入門 — 暗号、TLS、OWASP Top 10 |
| 03 | ai-ml-intro.md | AI/ML入門 — 機械学習分類、ニューラルネット、LLM |
ベストプラクティス
CS学習
- 理論と実践を交互に — 理論を学んだら必ずコードで確認する
- 計算量を常に意識 — 全てのコードに対して「O(?)」を考える習慣を持つ
- 「なぜ」を追求する — 手法だけでなく、なぜその手法が正しいかを理解する
- 手を動かす — 主要なデータ構造とアルゴリズムは一度は自分で実装する
- 実務と結びつける — 学んだ概念が実際のプロダクトでどう使われているか考える
- 段階的に深める — 最初は概要を掴み、必要に応じて深い理論に踏み込む
- 複数の言語で実装 — 同じアルゴリズムをPython、C、Rustで書くと理解が深まる
- 可視化する — データ構造やアルゴリズムの動作を図に描いて理解する
- 教える — 学んだことを他者に説明できるレベルを目指す
- 継続する — CS基礎は一度学べば終わりではなく、深さは無限
アンチパターン
- 「CSは数学だから無理」 — CS基礎の大半は高校数学レベルで理解できる
- 「プログラミングができればCSは不要」 — スケールしないコードを書く原因
- 「最新技術だけ追えばいい」 — 基礎なき応用は砂上の楼閣
- 「教科書を最初から全部読む」 — 必要な箇所から実践的に学ぶべき
- 「LeetCodeだけやればいい」 — パターン暗記ではなく本質的理解が重要
- 「アルゴリズムは実務で使わない」 — 意識せずに使っているだけ
- 「理論は不要」 — 理論を知らないと不可能な問題に挑んで時間を無駄にする
- 「一度学べば忘れない」 — 定期的な復習と実践が必要
- 「完璧に理解してから次へ」 — 80%理解で次に進み、後から深める
- 「暗記で乗り切る」 — 原理を理解すれば暗記は不要になる
詳細ドキュメント
| ディレクトリ | 内容 | ファイル数 |
|---|
docs/00-introduction/ | 導入、歴史、学習パス | 4 |
docs/01-hardware-basics/ | ハードウェアの仕組み | 8 |
docs/02-data-representation/ | データの内部表現 | 7 |
docs/03-algorithms-basics/ | アルゴリズムの基礎 | 8 |
docs/04-data-structures/ | データ構造 | 8 |
docs/05-computation-theory/ | 計算理論 | 6 |
docs/06-programming-paradigms/ | プログラミングパラダイム | 5 |
docs/07-software-engineering-basics/ | SE基礎 | 5 |
docs/08-advanced-topics/ | 発展トピック | 4 |
| 合計 | | 55 |
関連Skills
参考文献
- Cormen, T. H. et al. "Introduction to Algorithms" (CLRS). MIT Press, 4th Edition, 2022.
- Bryant, R. E. & O'Hallaron, D. R. "Computer Systems: A Programmer's Perspective" (CS:APP). Pearson, 3rd Edition, 2015.
- Patterson, D. A. & Hennessy, J. L. "Computer Organization and Design" (COD). Morgan Kaufmann, 6th Edition, 2020.
- Sipser, M. "Introduction to the Theory of Computation". Cengage, 3rd Edition, 2012.
- Abelson, H. & Sussman, G. J. "Structure and Interpretation of Computer Programs" (SICP). MIT Press, 2nd Edition, 1996.
- Tanenbaum, A. S. "Modern Operating Systems". Pearson, 4th Edition, 2014.
- Knuth, D. E. "The Art of Computer Programming". Addison-Wesley, Volumes 1-4A.
- Shannon, C. E. "A Mathematical Theory of Communication". Bell System Technical Journal, 1948.
- Turing, A. M. "On Computable Numbers, with an Application to the Entscheidungsproblem". 1936.
- ACM/IEEE. "Computing Curricula 2020". ACM, 2020.
- MIT OpenCourseWare. "6.006 Introduction to Algorithms". https://ocw.mit.edu/
- Stanford CS Library. https://cs.stanford.edu/
