※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。 Kaggleで基礎から新規テーマまで、さまざまなデータ分析技術を習得できる！ 著者は、3つのKaggleのカテゴリーでグランドマスターを獲得。著者がこれまでに培った技術をもとに、さまざまなデータ分析の手法を解説していきます。 Kaggleの基本機能の紹介から始まり、データ分析・可視化、地理情報や画像データセットの分析、テキスト分析、時系列データ処理、ディープフェイク動画検出など、分析対象のデータ種類を網羅的に取り上げます。 さらに、LangChainとLLMを使ったRAGシステム（特定情報の追加学習可能な生成AIシステム）の構築といった新規性の高いテーマも取り上げます。 Kaggleはデータサイエンス／機械学習プラットフォーム＆コミュニティです。本書を手がかりに、Kaggleでデータ分析技術を幅広く習得しつつ、さまざまなコンペティションに挑戦し、自身のランクアップも推進しよう。 ◎地理、画像、テキストなど、多様なデータセットの分析方法を学べる ◎グランドマスターが得た専門知識と上位ランキングへのヒントを紹介 ◎生成AIアプリのプロトタイピングに役立つモデルの活用も解説 ※本書は、『Developing Kaggle Notebooks: Pave your way to becoming a Kaggle Notebooks Grandmaster』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。 ローカルで大規模データを高速分析！ 画期的データベースの使い方を包括的に解説。 従来のデータ分析ツールはコストが高く、個人や小規模ユーザーには導入・運用が難しい面がありました。DuckDBは「分析処理用SQLite」とも言える画期的なデータベースです。 データをメモリに保存するインメモリDBで、ローカルでギガバイト級データを高い性能で処理できます。主要なOS上で動作、多様なデータソースに対応、手軽に分析を開始できます。 本書は、DuckDBの基本的な使い方から、高度なデータ分析手法までを取り上げています。まずは、コマンドラインでの操作、Pythonエコシステムとのシームレスな統合によるクエリの実行、そしてSQLを用いた効率的な分析タスクの手法を解説。データパイプラインの構築についても掘り下げ、実践的な知識を提供します。 さらに、クラウド上でDuckDBを利用できるMotherDuck、サーバーレス分析プラットフォームについても紹介。大規模データセットを扱う上でのパフォーマンスの考慮事項や、データアプリケーションの構築とデプロイも解説し、DuckDBを最大限に活用するためのノウハウを多数掲載。 ■章構成 1章 DuckDB入門 2章 DuckDBを使い始める 3章 SQLクエリの実行 4章 高度な集約とデータ分析 5章 永続化なしのデータ探索 6章 Pythonエコシステムとの統合 7章 MotherDuck―クラウド上のDuckDB 8章 DuckDBでデータパイプラインを構築 9章 データアプリケーションの構築とデプロイ 10章 大規模データセットのためのパフォーマンスの考慮事項 11章 本書のまとめ 付録A DuckDBのクライアントAPI 付録B SQL標準に対する便利な拡張 ※本書は『DuckDB in Action』の翻訳書です。

開発経験に基づくパターン実践の極意! パターン誕生の背景/エッセンス/適用条件/サンプルを解説。 ゲームプログラミングを含むソフトウェア開発の現場で、デザインパターンをより的確に利用するための解説書。著者は、米国大手ゲーム会社エレクトロニック・アーツでゲーム開発に従事。その経験に基づき、GoFや著者独自のパターンについて考察。より容易に変更できる洗練されたアーキテクチャ、ゲームに求められる実行速度といった視点を重視しつつ、幅広く応用できるパターンやゲーム必須のパターンを取り上げています。本書は、『Game Programming Patterns』の翻訳書です。米国アマゾンで60以上のレビューを集め、その9割が星5つと評価されています（2015年8月）。 【以下、本書イントロダクションより抜粋】 私がこの本で提供したいのは、解決策のメニューのようなものです。この本の各々の章では、単独でコードに適応可能なアイデアを解説しています。役立つものをメニューから選んで組み合わせることができます。

機械学習の考え方とRの活用をわかりやすく解説！―Rは、統計解析のためのプログラミング言語・開発環境であり、機械学習で利用できるライブラリが数多く提供されています。膨大なデータの処理よりもプロトタイピングや検証に適しており、先進IT企業では、あるモデルでうまく動作するかを判断するため、まずRでプロトタイプを作成・確認するというケースもあります。本書ではまず、機械学習の考え方や、その基礎となる統計をわかりやすく説明します。それを踏まえて、代表的な機械学習の理論を押さえながら、Rのさまざまな活用法を解説します。本書を読んで、Rによる機械学習の試行や検証を始めてみましょう。　◇以下「はじめに」より抜粋・要約◇筆者は、これまで2年以上にわたって、オープンソースの統計解析ソフトウェア「R（アール）」を用いた機械学習のセミナーを実施してきました。いつも参加者は満員となり、ニーズの高さを実感しています。Rの場合、何ギガバイトもの膨大なデータ量を処理することにはあまり適していません。むしろ、重要なのは、Rの特性を見極め、どのような機械学習の局面でどのように活用するか、にあると言えます。それが本書のコンセプトであり、代表的な機械学習の理論を押さえながら、Rによる実践について解説します。2年間のセミナーのなかで、受講者の皆様から、わかりにくいポイント、現場で利用するためのポイントなど、様々なフィードバックやリクエストをいただき、本書に反映しました。したがって本書は、実際の現場で利用されるデータサイエンティスト、これからRで機械学習の実施を検討される技術者の方などにお勧めできます。

※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。 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。 大規模言語モデルGPTの全体像を把握できる！ ChatGPTの実行例やOpenAI API活用の基本コード、市場動向も解説 最新情報を加筆し、GPT-3.5/4に対応 ＞＞これから知りたい人のためのGPT／Open APIスタートガイド＜＜ GPT／Open APIを利用する前に押さえておきたい基礎知識を確認できる一冊！ 本書のテーマは、大きく2つに分かれています。 1つはGPTの技術的な基本事項、もう1つはGPT拡大期の市場動向です。 本書の前半は、まず大規模言語モデルが登場した背景を確認し、 さらにGPT/OpenAI APIの技術要素の概要、これまでの経緯などを説明します。 この後、ChatGPTの章では、テキスト分類、固有表現認識、文章要約、テキスト生成の例を紹介。 OpenAI APIの章では、モデル選択、パラメータ調整、追加トレーニングなどを確認し、 さらにPythonやNode.js、Go言語による基本的な実装コードを見ていきます。 本書の後半は、GPT拡大期における、GPTのスタートアップ企業の事例、 グローバル企業の動向を取り上げます。 そして最後に、GPTのリスクと今後の動向について展望します。 「この本は、GPT言語モデルを理解し、OpenAI API上でアプリケーションを 構築する方法を学びたい実務者や開発者にとって、完璧な出発点となるものだ」 ──Peter Welinder（OpenAIプロダクト＆パートナーシップ担当副社長） 【章構成】 第1章 大規模言語モデルの革命 第2章 ChatGPTの4つの実行例 第3章 OpenAI APIの機能と活用 第4章 GPTによる次世代スタートアップの拡大 第5章 GPTによる企業革新のネクストステップ 第6章 GPTのリスク 第7章 AIへのアクセスの"民主化"

※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。 ●Terraformの実践的入門書 本書はIaCツールであるTerraformを解説した実践的入門書です。Terrafomはパブリッククラウドなどのインフラ構築を自動化するソフトウェアで、クラウドを横断的に管理できるツールとして、インフラ構築の現場に広く普及しています。 本書では実際にシステムの現場でTerraformを活用することを前提に、その仕組みや重要なキーワードであるIaC（Infrastructure as Code）の考え方を説明していきます。 ●さまざまインフラを統一的に管理 TerraformはHCL（HashiCorp Configuration Language）という言語でシステムを記述し、インフラストラクチャを自動作成してくれます。複数のクラウドに対して同じ記法が使える点に特徴があり、ローカルのコンテナから、IaaS（サーバー／ネットワーク等）、PaaS（ミドルウェア）など、サーバーに限らない多彩なシステムの管理が可能です。 ●Infrastructure as Codeの実現 IaCは、システム管理の属人化を排除し、仕様と実システムとの乖離を防ぎます。本書では、Terraformを使ってIaCによるシステム管理を現場で実現するためのさまざまな情報を紹介します。コマンドとしてのTerraformのさまざまな機能から、クラウドへの適用方法、HCP（HashiCorp Cloud Platform）による管理情報の共有化など、高度な利用方法までを解説します。 Terraformのインテグレーションを実践する筆者による、活用ノウハウを分かりやすくまとめた一冊です。

※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。 Apach Hadoop 3/MapR 6.0とエコシステムによるビッグデータ分析基盤の構築の実践ガイド 　Hadoop基盤の方向性の検討や戦略の立案、および、意思決定を行う企画部門 や、実際に基盤構築を行う技術者が、導入前の検討を実践できる内容を盛り込みまし た。具体的には、ビッグデータ処理システムの経緯、目的、Hadoopとその周辺 ソフトウェアの特徴、導入時の検討項目、注意点、システム構成例などの要点を知る ことができます。また、大規模なデータ処理基盤の構築の経験がない技術者でも、 Hadoopをインストールし、使用できるように、一連の手順をステップバイステップで 具体的に記載しています。 　エコシステムとしては、日本の企業においても 導入が積極的に行われているインメモリ型の分析、および、機械学習のフレームワーク を提供するSpark、機械学習エンジンのMahout、従来のRDBMSのSQL文のようなデータ操作を実現するHive、Impala、列指向の分散データベースであるHBase、データの加工や 抽出を行うPig、RDBMSとHadoop間でのデータ転送を実現するSqoop、SNSやログなどの さまざまな種類データをHadoopに取り込むFlumeといった、利用頻度の高いHadoop周辺 ソフトウェアの具体的な構築手順と使用例を網羅しました。これらの多くの事例により、 最新のビッグデータ処理基盤で提供される機能や基本的な使用法を理解できます。

※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。