たとえば，ふだんなにげなく行っているWeb検索。背後には，想像以上に膨大な計算，多数のコンピュータの働きがあります。 本書では，論文やWebなどで公開されているパブリックな情報をもとに，Googleの基盤システムについて技術的な側面から解説を試みています。世界規模のシステムにおける『分散ストレージ』『大規模データ処理』『運用コスト』など注目の話題を盛り込み，学部生をはじめ初学者の方々にもお読みいただけるように基礎知識から平易に説明します。

※PDF版をご希望の方は Gihyo Digital Publishing (https://gihyo.jp/dp/ebook/2022/978-4-297-12973-6)も合わせてご覧ください。 本書は，世界最先端のAI研究所の一つであるDeepMindが発表した論文を軸に，現代的なAIがどのように作られているのかをまとめた技術解説書です。 「汎用AI」「ゲームをプレイするAI」をテーマとし，おもに深層強化学習の技術を取り上げます。深層強化学習は，いまの世の中で広く使われているディープラーニングをゲームなどの領域に応用した技術です。 深層強化学習には高性能なシミュレータが必要であり，ゲームをはじめとした架空の世界を舞台として最先端の研究が進められています。 本書ではこれまでに発表されてきた論文を通して，「いま技術的に何ができて，何が難しいのか」を紐解きながら，一つ一つの技術を積み上げた先に来る，次の時代のAIについて考えていきます。

「ビッグデータ」をテーマに，データ分析基盤技術をまとめた解説書。 AIの発展，コンテナ技術の進歩をはじめ，ビッグデータを取り巻く技術が大きく変わり始めました。ビッグデータの技術には，元々大きく分けて2つのバックグラウンドがありました。一つは業務系システムで，RDB（Relational Database）から取り出したデータをバッチ処理して役立つ情報を提供する。もう一つはWeb/IoT系システムで，RDBでは扱いきれない大量のログを分散システムを使い，データ処理をする。この2つの流れが融合し，膨大なデータを収集/変換し，分析/可視化するための一連の基盤システムの重要度は格段に上がりました。さらに昨今のAI/機械学習の台頭で，新たな潮流が生まれています。 本書では，ビッグデータを支える基盤技術の「今」に焦点を当て，前半ではデータ量や分散処理など基本概念の整理と，代表的なテクノロジーを徹底解説。合わせて，各技術登場の歴史的な背景も丁寧に追います。後半は実践編としてオープンソースや無償版が利用できるソフトウェアを中心にラップトップ1台でビッグデータを体験しながら学べるよう解説を進めます。今回の改訂では，ビッグデータの技術を活用した応用分野のうち注目度の高い機械学習や特徴量ストア，MLOpsの話題も新たに盛り込み，充実の内容でお届けします。

（概要） 多彩な技術の集合体。 ビッグデータの今。 スマホで買い物をして，翌日には届けてもらえる。たとえば，このような身近な場面でも，背後では決済/在庫管理/配送をはじめとした複数のシステムが連携して動いています。 コンピュータの性能向上に伴い，機械学習をはじめとした，データを活かすシステム開発への期待は高まる一方です。今後，システム規模の大小を超えて「データ処理そのものをシステムの一部とする」技術への需要は増していくでしょう。 データ処理をどのようにシステム化するか。 本書ではこのエンジニアリングの問題に主軸を置き，可視化を例に，一連のデータ処理に必要な要素技術を整理しデータを効率良く扱うための土台を作り，その上でシステムの自動化をサポートする種々の技術を追っていきます。