石川冬樹の作品一覧
「石川冬樹」の「アジャイルイントロダクション Agile開発の光と影」「機械学習工学」ほか、ユーザーレビューをお届けします！
- 作者をフォローする
- フォローすると、この作者の新刊が配信された際に、お知らせします。
作品一覧
-
アジャイルイントロダクション Agile開発の光と影
ビジネス・実用
4.01巻3,850円 (税込)※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 アジャイル導入のメリット最大化へ！ ソフトウェア工学分野の“大御所”バートランド・メイヤー博士の手による、アジャイル入門書にして具体的な開発手法にまで言及した一冊。アジャイルのプラス面だけでなく、マイナス面にも切り込んで紹介している点が本書の特徴である。 アジャイルができること・できないこと、世間一般のアジャイルへの誤解などを明らかにすることで、アジャイル導入のメリットの最大化を目指す。各章ともコンパクトにまとめられており、初学者でも無理なく読み進められる一方、開発現場で頻出する諸問題にも詳しいため、現場レベルでも役立つ。 -
機械学習工学
ビジネス・実用
-1巻3,300円 (税込)★機械学習を「工学」として熟成していくために★ 【推薦の言葉】 AIブームの3回目は、機械学習技術が牽引してきた。業務や生活の 中で使われるようになるにつれて、現場や社会における課題に直面 している。機械学習工学を生み出した著者らによる本書は、技術と 現場をつなぎ、普及させていくための羅針盤となる貴重な一冊である。 ――浦本直彦氏(三菱ケミカルグループ、元・人工知能学会会長) 注目の新領域「機械学習工学」の入門書。まずはこの一冊から始めよう！ 機械学習ソフトウェアの開発・テスト・運用の方法論を体系的に俯瞰できる。 開発現場で試行錯誤しているエンジニアはもちろん、エンジニアと協働している人すべてに読んでほしい。 【主な内容】 巻頭言（丸山宏・PFN） 第1部 機械学習工学とは 第1章 機械学習工学（中川裕志・理化学研究所、石川冬樹・国立情報学研究所） 第2部 機械学習システムの開発・運用マネジメント 第2章 機械学習システムの開発とその検証プロジェクト（竹内広宜・武蔵大学） 第3章 機械学習システムの運用（堀内新吾、土橋昌・株式会社エヌ・ティ・ティ・データ） 第3部 機械学習システムの開発技術と倫理 第4章 機械学習デザインパターン（鷲崎弘宜・早稲田大学） 第5章 品質のとらえ方と管理（石川冬樹・国立情報学研究所） 第6章 機械学習モデルの説明法（原聡・大阪大学） 第7章 AI倫理（中川裕志・理化学研究所） 第4部 機械学習と知財・契約 第8章 機械学習と知財・契約（柿沼太一・弁護士法人STORIA） 第5部 機械学習工学の今後 第9章 今後に向けて（石川冬樹・国立情報学研究所） 付録A 模擬裁判の紹介（柿沼太一・弁護士法人STORIA） -
生成AIによるソフトウェア開発 ―設計からテスト，マネジメントまでをすべて変革するLLM活用の実践体系―
ビジネス・実用
4.31巻3,960円 (税込)※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 生成AIおよびエージェントが拓くソフトウェア開発新時代 - 学会監修による全工程網羅の体系、事例、動向 本書は、情報処理学会ソフトウェア工学研究会の監修のもと、生成AI・LLM・エージェントをソフトウェアの設計からテスト、運用・保守にいたる全工程、さらにはマネジメントにまで組み込むための実践的な体系をまとめた一冊です。表面的な技術の流行にとらわれず、事例や研究動向を交えながら、社会や産業における新たな方向性を解説しています。 生成AIは、従来の自動化ツールでは困難だった多様で複雑なタスクを、思考のプロセスをともない、人と自然に対話するように遂行できます。これにより、顧客の声を的確に反映し、価値を継続的に高め、効率的かつ信頼性の高い開発と運用が可能になります。本書を通じて、従来の常識を超えたAI時代の開発のあり方を体得してください。 Chapter 1 生成AIの仕組み Chapter 2 生成AIによるソフトウェアの要求 Chapter 3 生成AIによるソフトウェアの設計 Chapter 4 生成AIによるプログラムの実装 Chapter 5 生成AIによるソフトウェアのテスト Chapter 6 AIエージェントによるソフトウェア開発の自動化 Chapter 7 生成AIの評価 Chapter 8 生成AIを活用したプロセスとマネジメント Chapter 9 生成AIによるソフトウェア産業の将来 -
VDM++による形式仕様記述
ビジネス・実用
-1巻4,180円 (税込)※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 明確な仕様の記述と検証を行わずして、抵当な開発を行うことは出来ない！ ソフトウェア開発では、上流工程を自然言語で表現する。このため論理的不一致などがおき、手戻りが発生する。これを解決する方法として考えられたのが、数学を用いた形式手法である。本書は、この手法の一つであるVDMとオブジェクト指向記述言語VDM++について実践的に解説する。
ユーザーレビュー
-
Posted by ブクログ
生成AIによるソフトウェア開発
設計からテスト，マネジメントまでをすべて変革するLLM活用の実践体系
監：情報処理学会
編著：鷲崎 弘宜
他著：家村 康佑
出版社：オーム社
旧来の伝統的なシステム開発から、すこしでも早く、生成AIをつかって、AI駆動開発を用いた開発ができるようなるかが、SI'erや、ソフトハウスが生き残る方法である。
企業30年説という幻影の中、幾多の技術変革を潜り抜けてきたIT産業も、ついに生成AIという最大の黒船を迎えて、2026年で、4年目になる。(2022年に、OpenAIのChatGPTが発表されている）
製造工程の最大50％削減という破壊的な効果があるAI駆動開発は、ソフトウェア開発そのものを変えようとしていて、生成AIのサブスク費用に余りある低減効果を、産業界にもたらしつつある。
優秀なSE/PGをたくさん抱えることが、IT企業の条件であったが、もはや、それは過去のものとなった。
SE/PGの業務領域が、生成AI・AI駆動の低減領域なのであり、今後人員の余剰感がでる。
その中で、生成AIをこなせる、顧客と業務要件を整理できる人材が、これから求められる人物像だ。
現在は、ウォータフォールなどで、システム企画、業務要件定義、システム要件定義、基本設計、詳細設計、製造、単体試験、結合試験、総合試験、運用試験（ユーザ受け入れ）という工程はまだ生きたままだ。その各工程で、どれだけ、生成AIをつかって生産性効率を図ることができるかが、AI駆動開発である。
この先、このやりかたも、AIによって変わってしまうかもしれない。
また、生成AIは、日進月歩であり、すこしでも油断していると、すぐ浦島状態となってしまう。
ITシステムの開発なり、保守なりに生成AIが有効なのがもう十分にわかっている。
次は、それをどこに適用すれば、採算がとれるのか、生産性を向上させられるのかだ。膨大な、そして細分化されたシステム開発のどこに生成AIが有効なのかを本書は語ってくれる。
対象は、ウォータフォール。でもアジャイルでもあってもやっていることは同じである。
用語、方法の、キャッチアップ
工程、対象業務、提供の可否、有効性、ツール 等を整理して、AI駆動に有効な領域をハイライトすること
地図を作ることが、本書を理解する早道かと思いました。
■用語・方法論 主だったもの
LLM：大規模言語モデル：テキストを理解し、テキストを生成する機能
プロンプト：LLMへ与える命令
RAG：検索拡張生成 関連する文書を検索して得られた情報をもとに質問への追加する機能
ハルシネーション：もっともらしいが事実でない回答
ペルソナパターン：仮想的な人物像
プロンプトパターン ペルソナパターン、テンプレートパターン、内省パターン、画像生成パターン、逆質問パターン
■工程 ChatGPT(C)
要求工学
・顧客要望を要求仕様書として詳細化 〇
・ユースケースの作成 〇
・要求仕様書のIEEE標準フォーマットへの変換 〇
・ユースケースの検証と具体化 〇
・ユースケースの改訂 〇
・UMLダイアグラムの作成 〇
・データ駆動型ペルソナの自動生成 〇
・要求間の矛盾の検出 〇
（工程横断）
・要求・設計・実装の一貫性チェック 〇
・要求の曖昧さ・不完全さの識別 〇
・品質特性の評価 〇
・AIエージェントによる要求工学プロセスの自動化 △
設計
・入出力の整理 〇
・設計書の読み込み 準備 生成AIに読み込みやすいように改訂する
・複雑な設計書の整理 準備 分割、順序など
・文書構造の提示 準備 既存ドキュメント群の構造をAIにあたえる
・類似文書検索によるRAG 〇
・文書のレビュー 指摘事項の抽出 〇
・あいまいさの定義と例示 〇
・設計書のドラフト生成 〇
・設計工程の具体的内容、手順の定義 〇
・基本設計書の執筆 〇
・設計書に挿入する図の生成 〇
実装
・コードの生成・補完 〇
・コード内のコメント生成 〇 コード要約、コード翻訳
・APIライブラリ利用方法の提示 〇
・コードからのドキュメント生成 〇
・コードレビュー 〇
・デバッグ支援 〇
・リファクタリング支援 〇
・テストケース・テストプログラムの生成 〇
・コードの自動生成 ⇒ ポストプロセス ⇒ 人間によるコードレビュー を入れる
・コード生成プロセスに、RAG,LLMの確認プロセスをフロー化
・サービスごとに得意な言語が紹介されています。
cf. GitHub Copilot JavaScript,Python,TypeScript,Go,Ruby,Java,C#,C+++
テスト
・テスト仕様書の生成 〇
・テストコードの生成 〇
・仕様把握・テスト目的の明確化 〇
・テスト観点、テスト条件の抽出 〇
・テストケースの定義
・テスト仕様書の最終レビューと整合性確認 〇
・テストコードの理解・要約 〇
・テストケースの網羅的列挙 〇
・テストコードの生成 〇
・テスト実行結果に基づく改善 〇
・カバレッジ測定結果に基づく改善 〇
・テストデータ生成 〇
■AIエージェントによる開発自動化手法
・ＭＣＰ AIエージェントと外部サービスを連携させるための技術
・ＤｅｖＯｐｓ の機械学習化
・コマンド生成ノプロンプトテンプレート
・Kubernetes の障害分析 〇
・マルチエージェントシステムによるインフラシステムの障害分析の評価 〇
・プロセス改善 DMAICフレームワーク
■生成AIによるソフトウエア産業の将来
・ユーザ企業による内製化の進展
・受託開発の価値ベースプライス化
・ソフトウエア開発事業から、顧客パートナ事業への移行
目次
刊行にあたって
Chapter 1 生成AIの仕組み
1.1 生成AIと大規模言語モデル（LLM）
1.2 LLMの訓練と適合
1.3 文脈内学習
1.4 LLMの拡張
1.5 ソフトウェア開発・運用への応用におけるツールや工夫
1.6 ソフトウェア開発・運用への応用における留意点
1.7 ソフトウェアエンジニアリングと生成AI
Chapter 2 生成AIによるソフトウェアの要求
・AIエージェントによる
2.1 要求工学とは
2.2 要求工学の難しさ
2.3 生成AIによる要求工学プロセスの支援
2.4 プロンプトパターンの効果的活用
2.5 Nバージョン要求仕様化
2.6 データ駆動型ペルソナの自動生成
2.7 技術動向
2.8 今後の展望
Chapter 3 生成AIによるソフトウェアの設計
3.1 設計工程へのAI適用方針
3.2 設計書からの情報生成
3.3 設計書のドラフト生成
3.4 技術動向
3.5 今後の展望
Chapter 4 生成AIによるプログラムの実装
4.1 プログラミングの自動化
4.2 導入工程
4.3 さまざまなコード関連タスクの事例
4.4 実開発への応用
4.5 実践的なプロンプト設計
4.6 コード生成の実行と確認
4.7 LLMによるコード生成の未来像
Chapter 5 生成AIによるソフトウェアのテスト
5.1 テスト工程への生成AI適用の方針
5.2 テスト仕様書の生成
5.3 テストコード生成
5.4 テストデータ生成
5.5 応用的なテスト工程での活用方法
5.6 デバッグ
5.7 今後の展望
Chapter 6 AIエージェントによるソフトウェア開発の自動化
6.1 AIエージェント
6.2 AIエージェントを用いた開発自動化手法
6.3 AIエージェント活用のための基盤技術
6.4 マルチエージェントシステムを利用したインフラシステムの障害分析
6.5 技術動向
6.6 今後の展望
Chapter 7 生成AIの評価
7.1 LLM やそれを組み込んだ生成AIに対する評価
7.2 特定のユースケース・タスクに対する評価手法
7.3 ソフトウェア開発における生成AIの評価
7.4 評価における原則
7.5 今後の展望
Chapter 8 生成AIを活用したプロセスとマネジメント
8.1 生成AIが開発プロセスに与える影響
8.2 生成AIの導入効果を最大化する
8.3 生成AIの導入リスクを最小化する
8.4 今後の展望
Chapter 9 生成AIによるソフトウェア産業の将来
9.1 AIとソフトウェアエンジニアリング
9.2 ソフトウェア開発支援の段階的な進展
9.3 開発チームと要員の変化
9.4 現状の開発支援レベル
9.5 ソフトウェア開発ビジネスの将来展望
9.6 まとめ
参考文献
索引
ISBN：9784274234156
判型：A5
ページ数：304ページ
定価：3600円（本体）
2025年11月05日第１版第１刷発行
2025年12月20日第１版第２刷発行 -
-
-
