※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。 AWSによるインフラの構築と運用の手法を幅広く解説。 無料利用枠からはじめる自動化指向の包括的な実践ガイド！ アカウント作成から、コンテナクラスタのオーケストレーションまでカバー。 新版で新たにコンテナの章を追加、翻訳時の操作画面に刷新。 ◆各パートのテーマ Part 1では、活用事例や長所、料金などを紹介した後、 基本サンプルとしてWordPressシステムの構築法を示します。 Part 2では、インフラ構築／運用の基礎事項を中心に説明。 Part 3では、データを格納する6種類の方法を具体的に見ていきます。 Part 4では、動的スケーリングが可能で、高可用性そして耐障害性を持つ インフラアーキテクチャの手法を見ていきます。 ◆取り上げるテーマ ［サーバー＆ネットワーク］仮想マシン、セキュリティ、構築・運用自動化… ［データストア］オブジェクト、リレーショナル、キャッシュ、NoSQL… ［高信頼化］高可用性、耐障害性、オートスケーリング、コンテナ… ※本書の前提知識として、Linux、マークアップ言語YAML、ネットワーキングなど の基本を理解している必要があります。 ※掲載した画面や手順は2023年10月～12月に確認したものを掲載しています。 今後変更される可能性にご留意ください。 ※本書は『Amazon Web Services in Action, 3rd Edition』（Manning Publications） の翻訳書です。英語版の2nd Editionから日本語化しているため、 今回の原著は"3rd Edition"ですが、日本語版は"第2版"としています。

※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。 名高いコンペの解き方をたどる！ ケーススタディと練習問題で実践力を養おう 世界中の何百万人もの人々がKaggleに参加し、 さまざまなコンペティションで、より良い結果を得るためにしのぎを削っています。 本書は、そのためのスキルをより素早く身につけるのに役立つ ワークブックとして構成されています。 過去の代表的なコンペを取り上げ、どのように段階を踏んで ソリューションを構築していくのかを解説します。 たとえば、ディスカッションを読み、ノートブックを再利用し、 特徴量エンジニアリングやさまざまなモデルの訓練を見ていきます。 テーマによっては、基本的なソリューションから高度なものへと発展させていきます。 各種トピックについて理解を深めるための練習問題も掲載されています。 どのような情報や知見、理論をもとにして、 どのようなソリューションが導き出されたのか。 さまざまな手を尽くしながら競い合っていることもわかるでしょう。 ※本書は『The Kaggle Workbook: Self-learning exercises and valuable insights for Kaggle data science competitions』の翻訳書です。 ※本書の姉妹書『The Kaggle Book』の内容を参照する箇所があります。 ※『The Kaggle Book』で説明しているKaggleプラットフォームやデータサイエンスの 基本的な理解を前提にしています。

※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。 XAI Pythonライブラリで予測結果を説明。 ブラックボックスからグラスボックスへ。 ビジネス上の意思決定につながる機械学習の予測には、解釈・説明が求められます。 そこで、そうした解釈・説明を行うための手法を紹介していきます。 まず、モデルの説明可能性と解釈可能性の全体像、倫理的に考慮すべき点、 生成された予測のバイアスについて説明します。 次に、LIME、SHAP、Skater、ELI5、skope-rulesといったPythonライブラリを使って、 モデルがなぜそのように予測するのかを探っていきます。 予測モデルとして、線形・非線形モデルのほか、アンサンブルモデル、時系列モデル、 自然言語処理、ディープラーニング、コンピュータービジョンを取り上げます。 本書は解釈・説明のための方法を包括的に取り上げており、 機械学習を実際の現場で活用する方にぜひ手に取っていただきたい一冊です。 【章構成】 第1章 モデルの説明可能性と解釈可能性 第2章 AIの倫理、偏見、信頼性 第3章 線形モデルの説明可能性 第4章 非線形モデルの説明可能性 第5章 アンサンブルモデルの説明可能性 第6章 時系列モデルの説明可能性 第7章 自然言語処理の説明可能性 第8章 What-Ifシナリオを使ったモデルの公平性 第9章 ディープラーニングモデルの説明可能性 第10章 XAIモデルの反実仮想説明 第11章 機械学習での対比的説明 第12章 予測不変性の特定によるモデル不可知の説明 第13章 ルールベースのエキスパートシステムでのモデルの説明可能性 第14章 コンピュータビジョンでのモデルの説明可能性 ◎Pythonの文法・ライブラリや機械学習について 標準的な知識を理解している必要があります。

※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。 データ分析競技のヒント、テクニック、ベストプラクティスを解説！ Grandmaster/Master 31人のインタビューも掲載。Kagglerの視点を学ぶ ◎ノートブック、データセット、ディスカッションフォーラムの活用を解説 ◎モデルの評価指標、検証戦略、ハイパーパラメータ最適化について詳述 ◎コンピュータビジョン、自然言語処理、シミュレーションなどもカバー ◎自身のポートフォリオを作成し、キャリアにつなげる方法を紹介 世界中の何百万人もの人々がKaggleに参加しています。 データ分析スキルを向上させ、素晴らしいコミュニティとネットワークを作り、 キャリアアップに役立つ貴重な経験を得ようとしています。 本書では、Grandmasterの著者2人がさまざまなモデリング戦略のほか、 これまでに蓄積されたテクニック、スキルを解説。 Kaggle特有のヒントだけでなく、より一般的なテクニックも学べます。 Kaggleのランクを上げたい、データサイエンスのスキルアップを図りたい、 既存のモデルの精度を上げたい、といった方への格好の一冊です。 「本書を最後まで読めば、自信を持ってKaggleに参加できるようになるはずです。 そして、Kaggleに自信を持って参加することには、多くの見返りがあります。 1つ目は、Kaggleが機械学習の最も実践的な開発を把握するための非常に効果的な方法であること、 2つ目は、Kaggleがユーザーに『試行錯誤で学ぶ』方法を提供することです」 ―Kaggle創設者兼CEO アンソニー・ゴールドブルーム（序文より一部抜粋） ◎本書は『The Kaggle Book: Data analysis and machine learning for competitive data science』の翻訳書です。

※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。 第3版まで続くロングセラーのPyTorch版！ 機械学習の基本から先進的な手法まで本格解説 『機械学習を実践的に学ぶための優れたテキスト』 『多くのトピックを網羅した深い一冊。強力にお勧め』 ―原著への読者の声 本書の前半は、基本的な機械学習ライブラリのscikit-learnを使った手法を解説。 分類の基本モデルに始まり、単層ニューラルネットまでを実装するほか、データ前処理、次元削減、 ハイパーパラメーターのチューニング、アンサンブル学習、回帰分析などを取り上げます。 後半では、PyTorchによるさまざまなディープラーニングの手法を説明。 PyTorchの仕組みを示したあと、CNN／RNN／Transformerといったモデルの実装を解説。 敵対的生成ネットワーク、グラフニューラルネットワーク、強化学習もカバー。 ◎本書は『Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python』の翻訳書です。 ◎微積分/線形代数、Pythonの文法、データ分析用ライブラリについてある程度理解している必要があります。

※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。 さまざまなアルゴリズムを一挙に把握できる。 問題解決力、データ活用力をレベルアップ！ ソートや検索といった基本的なアルゴリズムから、 大規模処理・暗号化、機械学習・説明可能性の手法など最新系もカバー。 本書は、アルゴリズムの基本事項から始まり、検索やソートなどの実例を示します。 より複雑なアルゴリズムとしては、線形計画法、ページランキング、グラフアルゴリズム を説明。機械学習アルゴリズム背後のロジックも理解できるようにします。 ケーススタディとして、不正分析やレコメンデーションエンジンを取り上げ、 さらには大規模処理・並列処理・暗号化のアルゴリズムも紹介します。 本書は、さまざまなアルゴリズムを活用したい方にとってその手掛かりとなる 格好のガイドブックです。

※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。 本書は、機械学習コンセプト全般をカバーし、理論的背景とPythonコーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング（CNN／RNN）、敵対的生成ネットワーク、強化学習などを取り上げ、scikit-learnやTensorFlowなどPythonライブラリの新版を使ってプログラミング。第3版では13～16章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる一冊です。◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition』の翻訳書です。◎微積分／線形代数、Python の文法、データ分析用ライブラリについてある程度理解している必要があります。［原著の第1版］●ドイツ語、韓国語、中国語、日本語、ロシア語、ポーランド語、イタリア語に翻訳。●ACM（米国計算機学会）の「21st Annual list of Notable Books and Articles（2016）」にランクイン。［日本語の第1版］●「ITエンジニア本大賞2017」ベスト10にランクイン。

※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。 AWSインフラ構築/管理の基礎と手法を網羅。アカウント作成から、システム規模の自動化（自動スケーリング）までカバーした格別の一冊！ 無料枠での利用についても適宜示しています。多くの章で共通するテーマの1つが「自動化」。本書の内容を試せば、AWS CloudFormationを使いこなせるようになるでしょう―Part 1では、活用事例や長所、料金などを紹介した後、基本サンプルとしてWordPressシステムの構築法を示します。Part 2では、インフラ構築/管理の基礎事項を中心に説明。Part 3では、データを格納する6種類の方法を具体的に見ていきます。Part 4では、動的スケーリングが可能で、高可用性そして耐障害性を持つインフラアーキテクチャを重点的に見ていきます―［サーバー＆ネットワーク］自動デプロイ、セキュリティ、サーバーレス開発…［データストア］オブジェクト、リレーショナル、共有、キャッシュ、NoSQL…［高信頼化］高可用性、耐障害性、オートスケーリング…AWSには、さまざまなメリット―最新機能の活用、自動化、スケーラビリティ、信頼性、より短期間での環境構築など―があります。本書の内容を把握すれば、こうしたメリットを享受できる準備が整うはずです。※本書は『Amazon Web Services in Action, Second Edition』の翻訳書です。掲載した画面や手順は、2019年8月上旬に確認したものを掲載していますが、今後変更される可能性があります。

※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。 必須のPython機械学習ライブラリを使いこなそう！機械学習の各手法を80超のレシピとして幅広く解説。具体的には、次のテーマを取り上げます ― ◎機械学習の基本的な枠組み、◎モデル構築前のワークフローと前処理、◎次元削減、◎線形モデルの構築、◎ロジスティック回帰、◎距離指標によるモデル構築、◎交差検証とモデル構築後のワークフロー、◎サポートベクトルマシン、◎決定木とアンサンブル学習、◎テキストと多分類、◎ニューラルネットワーク、◎単純な評価器の作成 ― 原著 2nd Edition待望の翻訳！本書は『scikit-learn Cookbook - Second Edition』の翻訳書です。本書の対象読者として、機械学習のPythonプログラミングについてある程度知識または経験のある方を想定しています。

※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。 マーケティング自動化の予測モデル、ベストプラクティス、アーキテクチャをまとめた大著！ 1・2章では、アルゴリズムマーケティングの概念、ケーススタディ、理論基盤となる機械学習/経済モデルを説明します。3～6章では、「プロモーションと宣伝」「検索」「レコメンデーション」「価格設定と品揃え」といった領域を取り上げ、「顧客と商品のマッチング」「顧客に適した商品の特定」「商品特性の最適化」を考察します。本書は、どのような理論を基に各領域のシステムが実現されるか、総合的に理解できる稀有な一冊です。（本書は『Introduction to Algorithmic Marketing: Artificial Intelligence for Marketing Operations』の翻訳書です。統計学や微積分学などの数学的知識を前提としています）。原著への読者の声―「市場原理を理解して実装しようとする者にとってきわめて有益」「小売業に関わるデータサイエンティストは必読」。推薦の言葉―「本書はマーケティング分野でのデジタル変革を鮮やかに映し出しており、データサイエンスがいかにしてあらゆるマーケティング活動に不可欠な部分になるのかを示している。データ駆動型アプローチとスマートなアルゴリズムによって、従来の労働集約型のマーケティングタスクにディープな自動化がどのようにしてもたらされるのかを詳しく解説している。意思決定は改善されるだけでなく、はるかに高速になる。このことは、加速する一方の競争環境において決定的に重要である。データサイエンティストとマーケティング責任者の必読書である」（Andrey Sebrant, Director of Strategic Marketing, Yandex）。

どのようなデータの固まりがどのようにつながっているか。その機能や仕組みはどうなっているのか。分散システム、P2P、所有権、二重支払い、ハッシュ、非対称暗号鍵、分散コンセンサス…ブロックチェーンの重要ポイントを1つ1つ説き明かす！「非対称暗号鍵は郵便箱」「データ格納は蔵書管理」といった例えを用いて技術の仕組みをイメージしやすくしています。取り上げるテーマは、ブロックチェーンの目的、可能性、必要性、各種機能、限界/克服など。本書はブロックチェーンの基礎的な概念をしっかりと理解したい人に格好の一冊です。─原著への読者の声─「理解を確実にするのにたいへん役に立つ」「徹底的な理解が目的なら上位3冊に入る」「ブロックチェーンのベストブック」─原著は米Amazonの複数カテゴリーで第1位。カテゴリーは「Banking」「Storage & Retrieval」（2018/6/12時点）。本書は「Blockchain Basics: A Non-Technical Introduction in 25 Steps」の翻訳書です。─本書が必要になるとき─＞ブロックチェーンの基礎を理解したいときに。＞ブロックチェーンの技術詳細に踏み込む前に。＞ブロックチェーンの社会的/経済的なビジョンや影響を考える前に。─次のような本ではありません─＞Bitcoinあるいは暗号化の解説書ではありません。＞ブロックチェーンの数学的基礎あるいはプログラミングの解説書ではありません。＞ブロックチェーンの法的影響あるいは社会的・経済的影響の解説書ではありません。

※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。 機械学習本ベストセラーの第2版！ 著者陣の経験に基づく洞察とより専門的な知識を学べる 機械学習の各コンセプトについて、理論や数学的背景、Pythonコーディングの実際を網羅的に解説。初期の機械学習アルゴリズムから、ニューラルネットワーク（CNN/RNN）までの手法を取り上げます。Python関連ライブラリとしてはscikit-learnやTensorFlowなどを使用。第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応。13章以降はほとんど新規の書き下ろしです。本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。 ◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition』の翻訳書です。 ◎微積分/線形代数、Pythonの文法、データ分析用ライブラリについてある程度理解している必要があります。 ■「はじめに」より抜粋 機械学習の実践的なサンプルコードを調べて試してみるのは、この分野に飛び込むのにうってつけの方法である。幅広い概念が明確になるからだ。本書では、Python言語と機械学習ライブラリを使って機械学習の実装を体験してみるほか、アルゴリズムの背後にある数学的な概念を紹介する。それらの概念は、機械学習をうまく利用するために欠かせないものである。したがって、本書は単なる実用書ではない。本書では、機械学習の概念を必要に応じて詳しく説明する。

新世代の数値計算ライブラリを操る！ 線形回帰からCNN/RNNまで網羅的に実践 -- TensorFlowは、数値処理用のオープンソースライブラリ。AI分野を中心に活用が進んでいます。本書ではまず、変数／プレースホルダといったTensorFlowの基本や、オープンデータを扱う方法を説明。以降は、機械学習のさまざまな手法をレシピとして示していきます。具体的には次のとおりです。線形回帰、SVM、最近傍法、ニューラルネットワーク、自然言語処理、畳み込みニューラルネットワーク（CNN）、リカレントニューラルネットワーク（RNN）、運用環境のための手法、遺伝的アルゴリズム、k-means、常微分方程式などです。※本書は『TensorFlow Machine Learning Cookbook』の翻訳書です。　※コードの検証にPython 3.5/3.6とTensorFlow 1.1/1.2を使用（各環境/各コードの動作を完全に保証するものではありません）。