※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。 ◆BigQuery徹底活用！◆ 2021年2月に刊行した「Google Cloudではじめる実践データエンジニアリング入門」の改訂版です。改訂版の刊行までにデータ基盤に求められる要件は変化し、本書ではその間に進化を続けたGoogle Cloudの各サービスの情報をまとめています。 - Google Cloudの新サービスの反映：Dataform、Dataplex、BigLake、Datastream、Vertex AI、Geminiなど - 各種Google Cloudの新機能のアーキテクチャへの反映：BigQuery、Dataflow、Pub/Sub、Cloud Coposer、Lookerなど データエンジニアリングの業務について一般的な知識を整理しつつ、Google Cloud 上でどのように構築するのかを、実践経験豊富な著者陣の現場のノウハウとともに説明します。 ■こんな方におすすめ - すでにソフトウェアコードはある程度かけるが、実践的にデータエンジニアリングへの入門をしたい方 - SQL を利用した分析を行っているが、データ基盤がどういう形なのか興味がある方 - すでにGoogle Cloud をデータ基盤として利用しているが、自社の設計について体系的に理解したい方、より良くする方法を探している方 ■目次 第1章 データ基盤の概要 第2章 データウェアハウスの概念とBigQueryの利用方法 第3章 データウェアハウスの構築 第4章 レイクハウスの構築 第5章 ETL/ELT処理 175 第6章 ワークフロー管理とデータ統合 222 第7章 データ分析基盤におけるセキュリティとコスト管理の設計 第8章 BigQueryへのデータ集約 第9章 ビジネスインテリジェンス 第10章 リアルタイム分析 第11章 発展的な分析 - 地理情報分析と機械学習、非構造データ分析

2013年に刊行した「データサイエンティスト養成読本」の改訂版です。データサイエンティストを取り巻くソフトウェアや分析ツールは大きく変化していますが，必要とされる基本的なスキルに大きな変化はありません。本書は「データサイエンティスト」という職種について考察し，これから「データサイエンティスト」になるために必要なスキルセットを最新の内容にアップデートして解説します。

本書は，新しいAndroidアプリケーション開発用ソフトウェア“Android Studio”を使った入門書です。セットアップ方法からエミュレータや実機での実行手順を説明し，初版で好評だった「天気予報」「シューティングゲーム」「迷路ゲーム」をさらに工夫して，実際に動かせるプログラムを改良しながら作っていきます。なお，「Android Studio 1.5」をベースに解説しています。

「Ｐｙｔｈｏｎで強化学習が実装できる！」と好評を得た入門書の改訂版。読者からの要望・指摘を反映させた。主に、Ｐｏｌｉｃｙ ＧｒａｄｉｅｎｔとＡ２Ｃの記述・実装を見直した。・Pythonプログラミングとともに、ゼロからていねいに解説。・コードが公開されているから、すぐ実践できる。・実用でのネックとなる強化学習の弱点と、その克服方法まで紹介。【おもな内容】Day1　強化学習の位置づけを知る　強化学習とさまざまなキーワードの関係　強化学習のメリット・デメリット　強化学習における問題設定：Markov Decision Process　Day2　強化学習の解法(1): 環境から計画を立てる　価値の定義と算出: Bellman Equation　動的計画法による状態評価の学習: Value Iteration　動的計画法による戦略の学習: Policy Iteration　モデルベースとモデルフリーとの違いDay3　強化学習の解法(2): 経験から計画を立てる　経験の蓄積と活用のバランス: Epsilon-Greedy法　計画の修正を実績から行うか、予測で行うか: Monte Carlo vs Temporal Difference　経験を価値評価、戦略どちらの更新に利用するか：Valueベース vs PolicyベースDay4　強化学習に対するニューラルネットワークの適用　強化学習にニューラルネットワークを適用する　価値評価を、パラメーターを持った関数で実装する：Value Function Approximation　価値評価に深層学習を適用する：Deep Q-Network 　戦略を、パラメーターを持った関数で実装する：Policy Gradient　戦略に深層学習を適用する：Advantage Actor Critic (A2C)　価値評価か、戦略かDay5　強化学習の弱点　サンプル効率が悪い　局所最適な行動に陥る、過学習をすることが多い　再現性が低い　弱点を前提とした対応策Day6　強化学習の弱点を克服するための手法　サンプル効率の悪さへの対応: モデルベースとの併用/表現学習　再現性の低さへの対応: 進化戦略　局所最適な行動/過学習への対応: 模倣学習/逆強化学習Day7　強化学習の活用領域　行動の最適化　学習の最適化

AIやIoTが実用化フェーズに入りつつあるのみならず，デジタルトランスフォーメーション（DX）への注目の高まりによって，事業やサービスを取り巻くデータを分析・活用・管理するためのインフラであるデータ基盤の重要性が増しています。 データ基盤を構築するにあたり，先行する事例から，Google Cloud（Google Cloud Platform, GCP）はデータ領域に強みがある，あるいは，BigQueryは高速に動作するデータウェアハウスである，と聞いたことがある方は多いでしょう。 本書では「データ基盤」そのものを体系的に整理しながら，Google Cloudの各サービスをどのように活用することで実用的なデータ基盤を構築できるか，また発展的なデータ分析ニーズに応えるデータ基盤をどのように設計できるか，といった点について解説しています。 特にGoogle Cloudはマネージドサービスを中心として提供されているため，その特性を正しくとらえることで，最大限の価値を発揮できるようになります。 実際にGoogle Cloudやオンプレミス，他のクラウドサービスを用いたデータ基盤の構築や設計に携わってきた筆者らによる一歩踏み込んだ解説が本書の特徴です。 本書は以下のような方におすすめです。 これからデータ基盤の構築に関わる可能性があるエンジニア Google Cloudや他のクラウドサービスを利用しており，これからデータ領域での活用を広げようとしている方 また，すでにGoogle Cloudを利用しているエンジニアやデータ基盤に携わっているエンジニアにとっても，より洗練されたデータ基盤の設計を行うための知識やノウハウを得ることができるでしょう。 本書は近年のビジネス要件の変化からデータ基盤に求められる要件，一般的なデータ基盤のアーキテクチャを紹介した後，Google Cloudでの設計として以下のようなトピックを取り扱います。 データウェアハウス データレイク/ETL/ELT データパイプラインマネジメント/データ統合 データ基盤のセキュリティとコスト管理（アクセス制御，データ持ち出しの防止，重要データ検知） BI，データの可視化 発展的な分析（地理情報分析，機械学習，リアルタイム分析）

【本書の特徴】 2015年11月にGoogleがオープンソース化したソフトウェアライブラリ「TensorFlow（テンソルフロー）」は、 多くの開発者に支持され、多企業で採用されています。 本書は、TensorFlowの導入から、高レベルAPIであるKerasを利用した実践的な深層学習モデルまで解説した、 エンジニア向けの入門書です。第1部の基本編では、深層学習とTensorFlow、Kerasの基礎について解説し、 第2部の応用編では画像処理における応用的なモデルのKerasを使った実装方法を解説します。 特に、第2部では、「ノイズ除去」「自動着色」「超解像」「画風変換」「画像生成」を取り上げています。 TensorFlowやKerasの機能面を押さえつつ、現場で使用できるような実践的な深層学習モデルまでフォローしています。 【対象読者】 深層学習に入門したいエンジニア 【目次】 第1部 基本編 第１章 機械学習ライブラリTensorFlowとKeras 第２章 開発環境を構築する 第３章 簡単なサンプルで学ぶTensorFlowの基本 第４章 ニューラルネットワークとKeras 第５章 KerasによるCNNの実装 第６章 学習済みモデルの活用 第７章 よく使うKerasの機能 第2部 応用編 第８章 CAEを使ったノイズ除去 第９章 自動着色 第10章 超解像 第11章 画風変換 第12章 画像生成 ※本電子書籍は同名出版物を底本として作成しました。記載内容は印刷出版当時のものです。 ※印刷出版再現のため電子書籍としては不要な情報を含んでいる場合があります。 ※印刷出版とは異なる表記・表現の場合があります。予めご了承ください。 ※プレビューにてお手持ちの電子端末での表示状態をご確認の上、商品をお買い求めください。

本書では，Sparkの分散処理の基礎であるRDDのしくみ，Sparkを構成する各コンポーネントの機能を理解するところからはじめます。 さらにSparkクラスタの構築と運用，構造化データを処理するためのDataFrame APIとSpark SQL，ストリーミング処理のためのSpark Streaming，機械学習ライブラリMLlib，グラフ処理のためのGraphXの各コンポーネントの実践的な利用方法を基礎から徹底的に解説します。

★機械学習の実利用で、本当にビジネスの価値を生み出すには？★ 技術・プロセス・文化の3面から学ぶ、「MLOps」はじめての実践ガイドが登場！ 機械学習システムをビジネスに導入し、運用していく中での悩みによく効くノウハウが満載です。 企業が事業で機械学習の成果をスケールさせるためのさまざまな取り組みをMLOpsといいます。 本書はそのMLOpsを解説する書籍です。 第1部ではMLOpsの全体像、そしてそれを実現する技術・プロセス・文化を紹介します。機械学習をビジネスに導入し、運用していくための基礎知識がわかりやすく学べます。 第2部では、第1部に対応したプラクティスを9つの組織から提供してもらいました。 【おもな内容】 第1部　MLOpsの背景と全体像 1章　MLOps とは 1.1　MLOpsの背景 1.2　本書でのMLOpsの全体像 2章　MLOps を実現する技術 2.1　機械学習パイプライン 2.2　推論システム 2.3　技術選定 2.4　機械学習の実行環境とアクセラレーター 2.5　機械学習システムのモニタリング 2.6　データの品質管理 2.7コードの品質管理 3章　MLOps を支えるプロセス・文化 3.1　機械学習システムの開発フローとPoC 3.2　素早い実験を繰り返す 3.3　多様な利害関係者との協業 3.4　ビジネスの意思決定に役立つモニタリング 3.5　MLOps のプロセスを支える文化 第2部　MLOpsの実践事例と処方箋 4章　DeNAにおける機械学習プロジェクトの進め方（株式会社ディー・エヌ・エー　玉木竜二　藤原秀平） 5章　少人数で迅速に実現する　コンテンツレコメンドにおけるMLOps（株式会社CAM　原和希） 6章　顧客ごとに複数機械学習モデルを出し分ける学習と推論のアーキテクチャ（澁井雄介） 7章　機械学習パイプライン構築事例から見る技術選定（安立健人） 8章　事故を減らすための機械学習モデル適用の工夫（株式会社ディー・エヌ・エー〈GO株式会社出向〉　松井健一） 9章　機械学習プロジェクトの失敗確率 80% を克服するプラクティス（アマゾン ウェブ サービス ジャパン合同会社　久保隆宏） 10章　ML Test Score を用いた機械学習システムの定量的なアセスメント（柏木正隆） 11章　大規模言語モデルの研究開発から実運用に向けて（株式会社日本経済新聞社　石原祥太郎） 12章　ユーザー企業における機械学習プロジェクトの推進事例（サントリーシステムテクノロジー株式会社　高木基成）

昨今のAndroidアプリ開発は、覚えておくべきことが多くてとにかく大変です。また、開発現場では「Googleが推奨するアプリ開発手法」を中心にしたモダンな手法も求められています。本書はホビーユーザの方はもちろん、エンジニアの方にとっても最新の開発手法を学べる構成になっており、サンプルアプリを「作る⇒実行する⇒修正する⇒実行する⇒修正する⇒……」を繰り返すことで、自然とAndroidアプリ開発のお作法から最新の開発手法まで身に付けることができるでしょう。 本書では「Android Studio 3.6.1」をベースに説明しています。本書とまったく同じ環境で開発をしたい場合、「Android Studio download archives」のサイトから同じバージョンを入手できます。

TensorFlowとは，Googleが開発している深層学習フレームワークです。本書は，まずTensorFlowとはどういったものなのか概要を解説し，基本的な特長を押さえます。続いて，画像処理，自然言語処理，音楽生成などの問題を設定し，TensorFlowでどのようにその問題を解くかを解説します。最後にAndroidアプリからディープラーニングを動かすことにも試してみます。効率良くサービスに深層学習を取り入れたいと考えるエンジニアにとって有益な情報となるでしょう。

【TensorFlow 1.1.0に対応した最新改訂版！】 本書はGoogleが公開している機械学習ライブラリ「TensorFlow(テンソルフロー)」を初めて使う読者のためのチュートリアルガイドです。画像の多クラス分類問題「CIFAR-10」テーマに、機械学習に初めて触れるエンジニアのためのTensorFlowの基礎、実際に画像を使った機械学習に取り組むための初歩的な知識を掲載しています。

月刊誌『Software Design』の特集や単発企画で評判の良い、機械学習とPython関連の記事を再編纂。機械学習・深層学習に取り組んでいる開発現場のITエンジニアが自身で試して学んだことが記事のベースになっており、いま押さえておくべき技術を習得する足がかりとして最適です。