※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。 誰にでも読みやすく。Clean Code を実践しよう Beyond the Basic Stuff with Python：Pythonプログラミングの入門・基本をマスターしたら次のステージへと踏み出そう！　パイソニック（Pythonic）なコードを書くことを学び、より優れたプログラマーになる手法を伝授します。 自分の書いたコードに自信を持てるプログラマーになろう ［誰にでも読みやすい 広く公開できるコードを書こう］ 本書ではきれいなコード（Clean Code）を書くために、コマンドライン、コード整形、型チェッカー、リンター、バージョン管理 などのその道のプロが利用しているツールを詳解し、Pythonプログラミングスキルを向上させる方法を学びます。 ［Clean Codeを実践するツールを活用できるようになろう］ 開発環境のセットアップ、変数の命名方法、読みやすさ向上のための最適な方法　を紹介します。 ［オブジェクト指向設計を理解し アルゴリズムを活用しよう］ コードの公開に必要となるドキュメントの作成や書式の統一、またパフォーマンスの測定、オブジェクト指向プログラミング、コーディングインタビューで一般的に使用されるオーダー記法（Big O）について説明します。 本書の後半では2つのコマンドラインのゲーム「ハノイの塔（ロジックパズル）」と「四目並べ（タイル落としゲーム）」を作りますが、書いたゲームのコードが本書の「最適な方法」でプログラミングされているかを確認してみましょう。 PART 1　基本準備から始めよう PART 2　Python に適した開発方法・ツール・テクニック PART 3　オブジェクト指向のPython

※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。 LLM (大規模言語モデル) をつくりながら学ぼう！ 本書はGPT型のLLM (大規模言語モデル) を一から理解して構築するために書かれました。最後まで読めばLLMの仕組みがしっかりと理解でき、独自のモデルを構築するためのスキルを身につけることができます。作成するモデルは大規模な基礎モデルと比べると規模は小さいものの概念は同じであり、最先端のLLMの構築に使われているメカニズムやテクニックを理解するための強力なツールとなるでしょう。 1章　大規模言語モデルを理解する 2章　テキストデータの準備 3章　Attentionメカニズムのコーディング 4章　テキストを生成するためのGPTモデルを一から実装する 5章　ラベルなしデータでの事前学習 6章　分類のためのファインチューニング 7章　指示に従うためのファインチューニング 付録A　PyTorch 入門 付録B　参考資料 付録C　練習問題の解答 付録D　訓練ループに高度なテクニックを追加する 付録E　LoRAによるパラメータ効率のよいファインチューニング Sebastian Raschka（セバスチャン・ラシュカ）： Lightning AI社でAIとLLM の研究開発に注力。以前はウィスコンシン大学マディソン校統計学部助教授。著書に『Python機械学習プログラミング［第3版］ 達人データサイエンティストによる理論と実践』（インプレス）がある。 ［監訳］巣籠 悠輔（すごもり ゆうすけ）： 株式会社MIRA代表取締役、日本ディープラーニング協会有識者会員。2018年にForbes 30 Under 30 Asia 2018 に選出。著書に『詳解ディープラーニング』、監訳書に『Pythonによるディープラーニング』(マイナビ出版) 等がある。 ［翻訳］株式会社クイープ： 1995年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に『Python機械学習プログラミング［第3版］』『プログラマーなら知っておきたい40のアルゴリズム』（インプレス）、『なっとく！ AIアルゴリズム』（翔泳社）、『Pythonによるディープラーニング』（マイナビ出版）などがある。 http://www.quipu.co.jp ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 MCPとA2Aで広がるAIエージェントの世界 外部ツールやデータベースとAIエージェントをつなぐ「MCP」、 AIエージェント同士をつなぐ「A2A」—— その基本概念から実装までを、簡単な例でやさしく解説！ ●目次 第1章 MCPの概要 ・MCPとは ・MCPのアーキテクチャ ・MCPの機能 ・MCPホスト・MCPサーバの一覧 ・MCPの使い方 第2章 MCPサーバを試す ・Playwright ・Fetch ・Memory ・Sequential Thinking ・DeepWiki ・Tavily ・Zapier ・LlamaCloud MCP 第3章 MCPホストを試す ・Cursor ・GitHub Copilot ・Claude Code ・Gemini CLI ・Codex CLI ・OpenAI Agents SDK ・Google ADK 第4章 MCPサーバ・MCPクライアントの作成 ・ツールのMCPサーバの作成 ・リソースのMCPサーバの作成 ・プロンプトのMCPサーバの作成 ・サンプリングのMCPサーバの作成 ・ルートのMCPサーバの作成 ・エリシテーションのMCPサーバの作成 ・MCPクライアントの作成 ・dxtファイルの作成 第5章 A2Aの概要と実践 ・A2Aとは ・A2Aによるメッセージの送受信 ・A2Aによるタスクの送受信 ●著者 1999年『JAVA PRESS』（技術評論社）にて、携帯アプリの開発方法の連載を開始。2001年、株式会社ドワンゴにて世界初のJava搭載携帯電話「503i」のローンチタイトル『サムライロマネスク』の開発に携わる。以後、新端末の新機能を活用したアプリを作りつつ、技術書を書き続け、25年で50冊ほどに。現在は株式会社ゼルペムにて、ヒトとAIの共生環境の実現を目指して、人工知能の研究開発に取り組んでいる。主な著書に『OpenAI GPT-5／ChatGPT 人工知能プログラミング実践入門』『Google Gemini 1.5／LlamaIndex／LangChain 人工知能プログラミング実践入門』（ ボーンデジタル）『ChatGPT 使いこなし&活用術』（マイナビ出版）など。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 AWSのIaCサービス CloudFormation を使い倒す！ CloudFormationはAWSの各種サービスを「設定ファイル」で構築・設定・管理することができるIaCサービスです。200を超えるサービスの大半に対応しており、検証用から本番環境まで多くの基盤構築・管理ツールとして活用されています。本書はAWS CloudFormationをより便利に活用したい、しっかりと使いこなしたい方を対象に詳細な解説を行いました。 第1章 CloudFormationの基本要素と機能 第2章 CloudFormationの機能とコンソール画面 第3章 コマンド操作 第4章 テンプレートファイル の構造と仕様 第5章 CloudFormationのカスタマイズ方法 概要 第6章 CloudFormation用ツール 第7章 JSONで理解するYAMLフォーマット 第8章 チートシート集 長年IT業界で基盤屋として勤務。基盤屋としては、宣言型のIaCであるCloudFormationに美しさを感じている。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 "競プロ" で必要なテクニックを1冊に凝縮！ 競技プログラミング（競プロ）は、問題を解くことでプログラミング能力を競う大会です。本書では、競プロで必要なアルゴリズム・データ構造・考察テクニックを丁寧に解説します。さらに、知識を定着させるための例題・演習問題が150問以上掲載されています。 本書は、競プロのコンテストで勝ちたい、アルゴリズムを本格的に学びたい、技術力向上に繋げたいなど、様々な目的で利用できるものとなっています。 　 ［本書の特徴］　 ・競プロで必要な77個のテクニックを網羅 ・320点超のフルカラーの図でわかりやすく解説 ・知識を身に付ける演習問題153問 ・全問題が「自動採点システム」に対応 ・新傾向の「ヒューリスティック・最適化」も解説 　 ［本書の構成］　 序章 競技プログラミング入門 第1章 アルゴリズムと計算量 第2章 累積和 第3章 二分探索 第4章 動的計画法 第5章 数学的問題 第6章 考察テクニック 第7章 ヒューリスティック 第8章 データ構造とクエリ処理 第9章 グラフアルゴリズム 第10章 総合問題 終章 さらに上達するには 　 ［本書で扱うトピック（抜粋）］　 全探索／2進法／一次元の累積和／二次元の累積和／配列の二分探索／答えで二分探索／しゃくとり法／半分全列挙／部分和問題／ナップザック問題／ビットDP／最長増加部分列問題／素数判定法／ユークリッドの互除法／繰り返し二乗法／包除原理／ゲーム問題／偶奇を考える／一手先を考える／後ろから考える／山登り法／焼きなまし法／ビームサーチ／スタック／キュー／優先度付きキュー／連想配列／文字列のハッシュ／ダブリング／セグメント木／深さ優先探索／幅優先探索／ダイクストラ法／Union-Find／最小全域木問題／最大フロー問題／二部マッチング問題／ほか多数 序章　競技プログラミング入門 第1章　アルゴリズムと計算量 第2章　累積和 第3章　二分探索 第4章　動的計画法 第5章　数学的問題 第6章　考察テクニック 第7章　ヒューリスティック 第8章　データ構造とクエリ処理 第9章　グラフアルゴリズム 第10章　総合問題 終章 さらに上達するには 米田 優峻（よねだ まさたか）：　 2002年生まれ。2021年に筑波大学附属駒場高等学校を卒業し、現在東京大学に所属。競技プログラミングでは「E869120」として活躍。2020年までに国際情報オリンピック（IOI）で3度の金メダルを獲得したほか、世界最大級のオンラインコンテスト「AtCoder」でも最高ランクである赤色の称号を持っている。また、Qiitaで多数の記事を投稿したり、競技プログラミングの中上級者向け問題集「競プロ典型90 問」を作成するなど、アルゴリズムや競技プログラミングの普及活動も行っている。著書に『問題解決のための「アルゴリズム×数学」が基礎からしっかり身につく本』（技術評論社）がある。

※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。 プログラミングの質を高めることで、セキュリティを向上させることができる― 著者らの考えを様々な形で試し検証を行い、本書「セキュア・バイ・デザイン（Secure by Design）・安全なソフトウェア設計」にまとめました。 本書はEric Evans氏のドメイン駆動設計（Domain-Driven Design: DDD）に関する考えの影響を大きく受けています。設計の中心にセキュリティを取り込む考え、ドメイン駆動セキュリティ（Domain-Driven Security）という名のコンセプトを生み出しこの考えを実際に開発に導入し、発展させてきました。 対象読者はソフトウェア開発者（C言語、JavaやC#など基本的なプログラミング技術を習得済みの方）ですが、特定の言語やフレームワークに依存しすぎないよう、主にセキュリティにおいて重要だと思うものだけを含めるようにしています。全体的なプログラミング・スキルを向上したかったり、既存のプログラムをさらに「安全」なものにしなくてはならなかったりするのであれば、本書はまさにあなたにとっての一冊となることでしょう。 第1部: 導入編 セキュア・バイ・デザインについて実例と共に見ていきます。セキュリティと開発についてどのように考え、それらが組み合わさるのか。あわせてどこで問題が起こりやすいのかと何ができるのかを分析します。 第2部: 基礎編 ソフトウェアの作成におけるセキュア・バイ・デザインの基盤を構築する設計の原則、考え、コンセプトについて学んでいきます。 第3部: 応用編 多くの開発者は「セキュア・バイ・デザイン」をレガシー・コードに適用することが難しいと感じる傾向があります。レガシー・コードの改善、モノリシック・アーキテクチャでよく起こる問題、マイクロサービス・アーキテクチャについて見ていきます。 第1部: 導入編 第1章: なぜ、設計がセキュリティにおいて重要なのか？ 第2章: ちょっと休憩: 『ハムレット』の悲劇 第2部: 基礎編 第3章: ドメイン駆動設計の中核を成すコンセプト 第4章: 安全性を確立する実装テクニック 第5章: ドメイン・プリミティブ（domain primitive） 第6章: 状態の完全性（integrity）の保証 第7章: 状態の複雑さの軽減 第8章: セキュリティを意識したデリバリ・パイプライン 第9章: 安全性を考えた処理失敗時の対策 第10章: クラウド的考え方によるメリット 第11章: ちょっと休憩: 保険料の支払いなしに成立してしまった保険契約 第3部: 応用編 第12章: レガシー・コードへの適用 第13章: マイクロサービスでの指針 第14章: 最後に：セキュリティを忘れるべからず！

※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。 インフラ構築・管理に役立つTerraformの基礎からエキスパートレベルまでこの１冊でマスター インフラ構築・管理に役立つTerraformの基礎からエキスパートレベルまでこの１冊でマスター IaCの基礎からはじめ、Terraformとは何か、や使用するメリットについて。エンタープライズレベルのインフラ構築・管理を学ぶことができます。Packt Publishing「HashiCorp Infrastructure Automation Certification Guide」の翻訳書。 Part 1：基礎知識 1章 IaCを知る 2章 Terraformのインストール Part 2：コア・コンセプト 3章 Terraformをはじめよう 4章 Terraformへのディープダイブ 5章 Terraform CLI 6章 Terraformのワークフロー 7章 Terraformのモジュール Part 3: Terraformによるインフラストラクチャの管理 8章 Terraformの構成ファイル 9章 Terraformスタックを理解する 10章 Terraform CloudとTerraform Enterprise 付録 Terraform用語集/解答と解説 ［著者］Ravi Mishra (ラビ・ミシュラ) IT業界で10年の経験を持つマルチクラウドのアーキテクト。AWS、Azure、GCP、Oracleなどのクラウドプラットフォームのエキスパート。DevOps、コンテナ化、Kubernetes、Terraformのスキルセットも身につけている。35以上のクラウド資格を持っており、マイクロソフト認定トレーナーや公開講演者としても活躍している。LinkedInはinmishrar ［翻訳］ねこやま のりこ 東京都日野市出身。以前はベンチャー企業などでWebアプリケーションの開発に携わっていた。現在はSIer の新規事業開発チームでクラウドインフラを中心とした業務を担当中。趣味でクラウドに関する同人誌を制作している。Xのアカウントは@noriko_ro ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 優れたプロダクトマネージャー(PM)になるために！ 優れたプロダクトマネージャー(PM)になるために！ プロダクト（商品からサービス事業まで）を管理するプロダクトマネージャー：PMの仕事とは？その考え方。 計画・実行・マーケティング戦略を作り上げるPMの仕事に迫る。リーダーシップ、人事管理に関する実践的なスキルをカバー。 ベストセラー『Cracking the PM Career』の翻訳書。 A まえがき B プロダクトマネージャーの役割 1章 はじめに 2章 プロダクトマネージャーの役割 3章 最初の90日間 C プロダクトスキル 4章 ユーザーインサイト 5章 データインサイト 6章 分析的問題解決力 7章 プロダクトデザインスキル 8章 技術的なスキル 9章 プロダクト仕様書の作成 D 実行スキル 10章 プロジェクトマネジメントスキル 11章 スコープ定義とインクリメンタル開発 12章 プロダクトローンチ 13章 物事を成し遂げる力 E 戦略的スキル 14章 プロダクト戦略の概要 15章 ビジョン 16章 戦略フレームワーク 17章 ロードマップと優先順位付け 18章 チームの目標 F ピープルマネジメントスキル 19章 パーソナルマインドセット 20章 コラボレーション 21章 権威に頼らない影響力 22章 コミュニケーション 23章 モチベーションとインスピレーション 24章 チームの目標 25章 メンタリング 26章 他部門とのコラボレーション G リーダーシップスキル 27章 ピープルマネージャーになる 28章 新しいリーダーシップスキル 29章 コーチングと能力開発 30章 チームを作る 31章 組織を設計する H キャリア 32章 キャリアラダー 33章 キャリアプラン 34章 キャリアアップのためのスキル 35章 さらに学びたい人へ 36章 PMを越えて I プロダクトリーダーQ&A 37章 ディラン・ケイシー 38章 ブライアン・エリン 39章 オシ・イメオクパリア 40章 バンガリー・カバ 41章 サラ・マウスコップ 42章 ケン・ノートン 44章 サチン・レキ 45章 テレサ・トーレス 46章 オジ・ウデズエ 47章 エイプリル・アンダーウッド J 追加情報 48章 PMのタイプ 49章 PMの仕事に就くために 50章 内向的な人のためのネットワーキング 51章 自律性と評価のパラドックス 52章 オファー交渉のための10のルール K 付録 53章 役立つキーフレーズ 54章 略語集 Jackie Bavaro（ジャッキー・バヴァロ）：AsanaやGoogle、Microsoftで15年以上のPM経験を持つ。著書に『Cracking the PM Interview』（共著）がある。コーネル大学でコンピュータサイエンスと経済学を専攻。サンフランシスコの自宅で執筆、コーチング、アドバイスを行っている。 Gayle Laakmann McDowell（ゲイル・ラクマン・マクドウェル）：自身の会社であるCareerCupを通じ技術者採用を向上させることに注力している。Google、Microsoft、Appleでエンジニアとして勤務し候補者を面接・評価してきた。著書にベストセラー『Cracking the Coding Interview』（『世界で闘うプログラミング力を鍛える本』(マイナビ出版)）などがある。ペンシルベニア大学でコンピュータサイエンスの学士号と修士号、ウォートンビジネススクールでMBAを取得。パロアルトの自宅でコンサルティング、執筆、コーディングを行っている。 竹村 光：京都大学大学院卒業後、2015年にフィンテックスタートアップを共同創業し、複数の新規プロダクトの開発をリード。それを機にプロダクトマネージャーとしてのキャリアを歩み始める。2020年からは外資系テック企業でグローバルなプログラムのマネジメントに従事。現在は日本企業の米国オフィスで、米国展開事業のプロダクトマネジメントに従事している。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 Pythonによる機械学習モデル構築のための特徴量 抽出・作成実践レシピ Pythonを活用した70以上の実践的な"レシピ"により表形式データに対する特徴量エンジニアリングのほぼすべてのトピックをカバー。テキストからの特徴量の抽出の付録として日本語モデルでの実例も取り上げます。 Packt Publishing: Python Feature Engineering Cookbook, Second Edition の翻訳書。 1章 欠損値を補完する 2章 カテゴリ変数をエンコーディングする 3章 数値変数を変換する 4章 変数を離散化する 5章 外れ値を扱う 6章 日付と時刻の変数から特徴量を抽出する 7章 特徴量をスケーリングする 8章 新しい特徴量を作成する 9章 Featuretoolsを用いてリレーショナルデータから特徴量を抽出する 10章 tsfreshを使って時系列データから特徴量を作成する 11章 テキスト変数から特徴量を抽出する 付録 日本語を扱う Soledad Galli : 世界的な学術機関や有名な企業で10年以上の経験を持つデータサイエンティスト、インストラクター、ソフトウェア開発者。保険金請求や信用リスクの評価、詐欺の防止を目的とした機械学習モデルを開発し実運用に成功している。複数のオンラインコースで機械学習を教えており、オープンソースのPythonライブラリFeature-engineを開発・保守している。2018年にData Science Leaders Awardを受賞、2019年にデータサイエンスと分析におけるLinkedIn Voices (LinkedInインフルエンサー) の1人に認定されている。 松田晃一 : 博士（工学、東京大学）。石川県羽咋市生まれ。『宇宙船ビーグル号の冒険』を読み、絵描きではなく、コンピュータの道へ。海（海水浴）と温泉を好む。著書に『Python ライブラリの使い方～ GUI から機械学習プログラミングまで』、『p5.js プログラミングガイド改訂版』（カットシステム)、『学生のためのPython』（東京電機大学出版局)、『WebGL Programming Guide』（Addison-Welsley Professional）など、訳書に『APIデザイン・パターン』、『プログラミングのための数学』（マイナビ出版）、『生成 Deep Learning』、『詳解OpenCV3』（オライリー・ジャパン）、『デザインのためのデザイン』（ピアソン桐原）などがある。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 コンピュータプログラミングに必要な本当の「基礎」を学ぼう コンピュータプログラミングをマスターするは、コンピュータを使って実際にプログラムコードを入力・実行したり、改造したりしなければ身に付きません。しかし、十分な知識が無いままコンピュータを操作しプログラミングを習得しようとしても、時間ばかりかかってしまい効率が上がらないことがあります。 本書はCプログラミングに取り組む前に知っておいてほしいことをまとめました。本書の内容を学んでおけばプログラミングを効率よく学ぶことができるはずです。 「本書を読んでからCプログラミングの本を読んで学ぶ」「本書とCプログラミングの本を同時に学んでいく」「Cプログラミングの本に取り組んで理解が足らなかったりしたときに本書に頼る」のどの方法でも構いません。たとえCプログラミングに挫折したとしても、本書に戻ってくればかなり理解が深まるはずです。そうなったらしめたものでぐんぐん力が付いていくことでしょう。 序章 Cプログラミングを学ぶ前に 第1章 はじめの一歩 第2章 Cプログラムを観察しよう 第3章 プログラムの作り方 第4章 データの表現方法 第5章 Cを学ぶために必要なコンピュータの知識 第6章 コンピュータは計算機 第7章 変数とメモリ 第8章 処理の流れ 第9章 関数 第10章 ソフトウェア開発の基礎 村山公保（むらやまゆきお） 倉敷芸術科学大学 危機管理学部危機管理学科教授、博士（工学）。主な著書に「基礎からわかるTCP/IP ネットワークコンピューティング入門 第3版」、「マスタリングTCP/IP 入門編 第6版」（共著、オーム社）がある。

※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。 世界最高峰の競技プログラミングコンテストサイトのAtCoderが主催するアルゴリズム実技検定試験「PAST」の公式対策本！ ■アルゴリズム実技検定（PAST）とは AtCoder株式会社が主催する検定試験で、IT人材に求められるプログラミングスキルを可視化することを目的としています。プログラミングの基礎知識から、各種アルゴリズムの解説、数学的な問題解決方法まで、試験対策を行うことでこれからのソフトウェアエンジニアに要求される知識を見につけることができます。 ■PASTの上級～エキスパート認定まで対応 さまざまなアプローチが考えられるアルゴリズム実技検定の問題において、より適切なアルゴリズムを選択し、高速なプログラムを作成できることを目指します。 複数のアルゴリズムを用いた解法を身につけ「上級」「エキスパート」合格の点数を勝ち取ろう！ ［監修］ 高橋 直大（たかはし なおひろ）：1988年生まれ。慶應義塾大学大学院政策メディア研究科修士課程修了。現在、AtCoder株式会社代表取締役社長。Microsoft主催のImagine Cupで世界3位、TopCoder Openで世界2位、2022年にはGoogle Hash Codeで優勝など、複数の世界大会で上位入賞を経験し、15年以上プログラミングコンテストに参加し続けている。 ［著者］ 大槻 兼資（おおつき けんすけ）：1988年生まれ。2014年東京大学大学院情報理工学系研究科修士課程修了。修士（情報理工学）。現在、株式会社 NTTデータ数理システム顧問、モノグサ株式会社コンテンツアーキテクト。数学や情報科学の諸分野の啓蒙活動に従事。著書に『問題解決力を鍛える!アルゴリズムとデータ構造』講談社 (2020) がある。趣味は競技プログラミング、虫食算作り、国内旅行など。 杉江 祐哉（すぎえ ゆうや）：20歳のときに競技プログラミングに出会い、以降tsutajというユーザー名でAtCoder等のコンテストに参加。北海道大学競技プログラミングサークル所属時、アルゴリズムやデータ構造に関する勉強会資料の公開やオリジナル問題の出題・プログラミング合宿の開催など精力的に活動した。現在はモノグサ株式会社でソフトウェアエンジニアとして従事する一方、競技プログラミングの作問支援ツールの開発も行っている。 中村 謙弘（なかむら けんこう）：ニートの時に競技プログラミングに出会い、AtCoderでプログラミングを学ぶ。ソフトウェアエンジニアとして国内外の企業に勤務する傍ら、kenkooooというユーザー名でAtCoder等のコンテストに参加している。好きなプログラミング言語はRust。

※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。 フロントエンドエンジニアはじめ、Web制作に関わっている人のためのHTML5／CSS3ガイドブックです。 HTMLとCSSの最新仕様を整理するとともに、主要ブラウザの対応状況など、現時点でどのポイントに留意して制作を進めていけばよいか、現場で必要不可欠な情報を解説しています。 また、フレキシブルボックスレイアウトやグリッドレイアウトなど、現在知っておくべきHTML+CSSレイアウトの手法についても、詳細に解説しています。 ----- HTMLは標準仕様がW3C の手を離れ、WHATWG の「HTML Living Standard」に一本化されたことから、ブラウザ開発者目線での変更が直接反映される世界になっています。その影響は、JavaScript とセットになって活きてくるものが増えてきたことからも見て取れます。 CSSも、各種機能の追加や主要ブラウザでの対応が進んでいます。新しいEdge の登場により、IE が主要ブラウザから外れたのも大きいと言えるでしょう。使える便利な機能が増えていることで、Web のデザインやレイアウトの手法は大きく変わろうとしています。 そこで、本書では最新のHTMLとCSSを現状に即して１冊にまとめました。 （著者はじめにより） ----- 【内容】 Chapter 1　HTML Chapter 2　Webページの作成とメタデータ Chapter 3　コンテンツのマークアップ Chapter 4　CSSの適用 Chapter 5　ボックスのレイアウト Chapter 6　フレキシブルボックスレイアウト Chapter 7　グリッドレイアウト Chapter 8　テーブル Chapter 9　テキスト Chapter 10 エンベディッド・コンテンツ Chapter 11 フォーム Chapter 12 特殊効果 簡潔にして詳細な、制作現場に必携の1冊となっています。 【特典付き】 ・書籍内で解説に使用したサンプルソースコード ・特典PDF 　　（HTMLのブラウザ対応一覧、CSSのブラウザ対応一覧、アニメーション補足解説）

※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。 視覚情報を分析してビジネス課題を解決！AWSのAI・機械学習サービスを活用しよう Amazon Web Services（AWS）のAI・機械学習サービスを活用したコンピュータービジョン・システムを構築しよう！ 視覚情報を分析しビジネス上の多くの課題を解決。実際の本番環境でも展開できるよう、具体的な実装方法を紹介します。 Packt Publishing「Computer Vision on AWS」の翻訳書。 Part 1：AWSとAmazon Rekognitionでのコンピュータービジョンの紹介 1章 コンピュータービジョン・アプリケーションとAWSのAI・機械学習サービスの概要 2章 Amazon Rekognitionの利用 3章 Amazon Rekognition Custom Labelsを使用したカスタムモデルの作成 Part 2：実世界のユースケースへのコンピュータービジョンの適用 4章 本人確認を使用した非接触型ホテルチェックインシステムの構築 5章 動画解析パイプラインの自動化 6章 AWS AIサービスによるコンテンツの検閲 Part 3：エッジでのコンピュータービジョン 7章 Amazon Lookout for Visionの紹介 8章 エッジでのコンピュータービジョンを使用した製造不良の検出 Part 4：Amazon SageMakerを使用したコンピュータービジョン・ソリューションの構築 9章 Amazon SageMaker Ground Truth を使用したデータのラベル付け 10章 コンピュータービジョンでのAmazon SageMakerの使用 Part 5：コンピュータービジョン・アプリケーションの運用環境ワークロードのベストプラクティス 11章 Amazon Augmented AI（A2I）によるヒューマン・イン・ザ・ループの統合 12章 エンドツーエンドのコンピュータービジョン・パイプライン設計のベストプラクティス 13章 コンピュータービジョンへのAIガバナンスの適用 Lauren Mullennex：AWSのシニアAI・機械学習スペシャリスト・ソリューションアーキテクト。複数の業界にわたるインフラストラクチャ、DevOps、クラウドアーキテクチャの幅広い経験を持っている Nate Bachmeier：AWSのプリンシパル・ソリューションアーキテクト。金融サービス業界に焦点を当て世界中のクラウド統合に取り組んでいる Jay Rao：AWSのプリンシパル・ソリューションアーキテクト。顧客に技術的および戦略的なガイダンスを提供しソリューションの設計と実装を支援している ［翻訳者］ 鈴木貴典：アクロクエストテクノロジー株式会社にて、シニア・テクニカルアーキテクトとしてクラウドシステムの開発やコンサルティングに従事。好きなAWS AI／MLサービスはAmazon Lookout for Vision 山本大輝：東京大学大学院情報理工学系研究科を修了後、アクロクエストテクノロジー株式会社でシニア・データサイエンティストとして機械学習プロジェクトを推進。好きなAWS AI／MLサービスはAmazon SageMaker 宮島拓也：AWSを利用した多くのクラウドサービスの開発・構築経験を持ち、モバイルとクラウドを連携したAIサービスの開発に取り組む。好きなAWS AI／MLサービスはAmazon Rekognition 吉岡駿：機械学習／AIを利用したクラウドサービスの開発や画像処理を用いた研究開発に従事。好きなAWS AI／MLサービスはAmazon Bedrock ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。 ※本書内容はカラーで制作されているため、カラー表示可能な端末での閲覧を推奨いたします

※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。 AIシステムを動かすモデルの解釈可能性を高め、説明可能なAIへの道を開く 本書では、線形回帰や決定木などのシンプルなホワイトボックスモデルから、深層ニューラルネットワークなどのようなブラックボックスモデルまで、その解釈手法とPythonによる実装を解説。「どのように動作し、予測に至ったのか」に答え、モデルを「解釈可能」にするためのアプローチを網羅的に扱い、そして更に「なぜ、この予測をしたのか」に答え「説明可能なAI」に至るための道を示しています。 第1部 解釈可能性の基礎 第1章 はじめに 　1.1 Diagnostics+のAI―AIシステムの一例 　1.2 機械学習システムの種類 　1.3 Diagnostics+のAIを構築する 　1.4 Diagnostics+のAIの問題点 　1.5 Diagnostics+のAIシステムを堅牢にする 　1.6 解釈可能性と説明可能性 　1.7 本書で何を学ぶのか？ 　1.8 まとめ 第2章 ホワイトボックスモデル 　2.1 ホワイトボックスモデル 　2.2 Diagnostics+―糖尿病の進行度 　2.3 線形回帰 　2.4 決定木 　2.5 一般化加法モデル（GAM） 　2.6 ブラックボックスモデルとは 　2.7 まとめ 第2部 モデルの処理の解釈 第3章 モデルに依存しない方法：大域的な解釈可能性 　3.1 高校生の成績予測器 　3.2 アンサンブルツリー 　3.3 ランダムフォレストを解釈する 　3.4 モデルに依存しない方法：大域的な解釈可能性 　3.5 まとめ 第4章 モデルに依存しない方法：局所的な解釈可能性 　4.1 Diagnostics+のAI：乳がん診断 　4.2 探索的データ分析 　4.3 深層ニューラルネットワーク 　4.4 DNNを解釈する 　4.5 LIME 　4.6 SHAP 　4.7 アンカー 　4.8 まとめ 第5章 顕著性マップ 　5.1 Diagnostics+のAI：浸潤性乳管がんの検出 　5.2 探索的データ分析 　5.3 畳み込みニューラルネットワーク 　5.4 CNNを解釈する 　5.5 バニラバックプロパゲーション 　5.6 ガイド付きバックプロパゲーション 　5.7 その他の勾配ベースの手法 　5.8 Grad-CAMとガイド付きGrad-CAM 　5.9 どの寄与度推定法を使えばいいのか？ 　5.1 まとめ 第3部 モデルの表現の解釈 第6章 層とユニットを理解する189 　6.1 視覚的な理解 　6.2 畳み込みニューラルネットワーク：復習 　6.3 ネットワーク分析フレームワーク 　6.4 層とユニットを解釈する 　6.5 まとめ 第7章 意味的な類似性を理解する 　7.1 感情分析 　7.2 探索的データ分析 　7.3 ニューラル単語埋め込み 　7.4 意味的類似性を解釈する 　7.5 まとめ 第4部 公平性とバイアス 第8章 公平性とバイアスの軽減 　8.1 収入予測 　8.2 公平性の概念 　8.3 解釈可能性と公平性 　8.4 バイアスを軽減する 　8.5 データセットのためのデータシート 　8.6 まとめ 第9章 説明可能なAIへの道 　9.1 説明可能なAI 　9.2 反実仮想的な説明 　9.3 まとめ Appendix 付録A セットアップを行う 　A.1 Python 　A.2 Gitコードリポジトリ 　A.3 Conda環境 　A.4 JupyterNotebook 　A.5 Docker 付録B PyTorch 　B.1 PyTorchとは？ 　B.2 PyTorchをインストールする 　B.3 テンソル 　B.4 データセットとDataLoader 　B.5 モデリング 付録C 日本語版付録日本語を扱う 　C.1 単語に分割する 　C.2 ワードクラウドを作成する 　C.3 日本語を単語埋め込み化する Ajay Thampi（著者） 信号処理と機械学習をテーマに博士号を取得し、強化学習、凸最適化、5Gセルラーネットワークに適用される古典的な機械学習技術をテーマに主要なカンファレンスやジャーナルで論文を発表している。現在は大手テック企業にて「責任あるAI」と公平性を専門に機械学習エンジニアとして活躍。マイクロソフトのリードデータサイエンティストとして、製造業、小売業、金融業など様々な業界の顧客に対して、複雑なAIソリューションをデプロイする仕事を担当した経験を持つ。 松田晃一（翻訳者） 博士（工学、東京大学）。石川県羽咋市生まれ。『宇宙船ビーグル号の冒険』を読み、絵描きではなく、コンピュータの道へ。海（海水浴）と温泉を好む。HCI/AR/VR/UX、画像処理・認識、機械学習、エッセーの執筆、技術書、SF、一般書の翻訳などに興味を持つ。最近立ち上げたPython の講義が（自分では）結構良く構成でき、再構成し書籍化を考えている。PAW^2（メタバース）の開発に携わり、オープンソースのm3py ライブラリの開発を行っている。著書に『Python ライブラリの使い方～ GUI から機械学習プログラミングまで』、『p5.js プログラミングガイド改訂版』（カットシステム)、『学生のためのPython』（東京電機大学出版局)、『WebGL Programming Guide』（Addison-Welsley Professional）など、訳書に『Web API デザイン・パターン』、『機械学習エンジニアリング』、『プログラミングのための数学』、『データサイエンティストのための特徴量エンジニアリング』（マイナビ出版）、『生成Deep Learning』、『詳解OpenCV3』、『コンピュータビジョンのための実践機械学習』（オライリー・ジャパン）、『デザインのためのデザイン』（ピアソン桐原）などがある。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 機械学習は人工知能の同義語となり多くの人に広く知れ渡っていますが、その可能性を十分に活かしている企業は世界でも一握りにすぎません。最新のオープンソースライブラリ、パッケージが提供され、コミュニティは充実していますが、実用的なビジネス上の課題解決に機械学習をどう適用させるかで、多くの企業が四苦八苦しています。 人材不足もその要因の一つではありますが、優秀な機械学習エンジニアやデータアナリストを確保したとしても、1つのモデルを導入するまでにそれなりの期間が必要になってしまうことも起きています。 機械学習モデルのバージョン管理、再現性、スケーリングなど、企業が機械学習の機能を開発する際に直面する主な課題は、サイエンス的な面よりもむしろエンジニアリング的なものですが、一般的なデータサイエンス系の教科書では、機械学習プロジェクトを実施する際のエンジニアリング的な面についてあまり触れていません。 本書はデータの収集、保存、前処理、特徴量エンジニアリング、モデルのテストとデバッグ、本番環境へのデプロイと撤退、ランタイムと本番環境へのデプロイ後のメンテナンスなどに光をあて、解説していきます。 機械学習の応用、ビジネス上の課題を機械学習を使用して解決したい場合に適切なアドバイスを得ることができます。 対象読者として、機械学習の基本を理解し自身でモデルを構築することができるレベルを想定しています。 ・機械学習エンジニアリングの仕事に取り組むデータアナリスト ・仕事をもっと構造化したいと考えている機械学習エンジニア ・機械学習エンジニアが提供するモデルを扱うことになるソフトウェアアーキテクト 第1章 はじめに 第2章 プロジェクトを始める前に 第3章 データの収集と準備 第4章 特徴量エンジニアリング 第5章 教師ありモデルの訓練 (第1部) 第6章 教師ありモデルの訓練（第2部) 第7章 モデルの評価 第8章 モデルの導入 第9章 モデルの推論、監視、メンテナンス 第10章 まとめ

※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、自然言語処理について初歩から学べる書籍です。プログラミングについては、なんらかのプログラミング言語を使ったことのある開発者を対象に書いています。 自然言語とは、私たち人間が日常的に読み書きしたり、話したりするのに使っている言語のことです。そして、自然言語で書かれたテキストデータをコンピュータで処理するための技術を自然言語処理と呼びます。自然言語処理によって実行できるタスクの代表的な例としては、自動翻訳や質問応答、対話などがあります。 本書では、この自然言語処理について、今まで学習したことがない人でも学べるように、基礎から解説しています。自然言語をコンピュータで処理するために、事前にどのような処理をしておくのか、どのように単語や文章を解析するのか、自動翻訳などのタスクを実行させるためにどのような処理を行うのか、などについて、やさしく説明していきます。 基礎からはじめて、単語分散表現やテキスト分類、系列ラベリング、系列変換、アテンションといった、自然言語処理では欠かせない技術について、理論を解説した上で、Pythonを使って実装し、手を動かしながら理解できるようにしています。 また、現在の自然言語処理は、機械学習や深層学習とも切り離せません。ですので本書では、これらの技術についても基礎から説明し、Pythonを使って処理を実装していきます。基礎的な実装のみではなく、RNN、LSTM、CNNさまざまなモデルを使っての実装、特徴量エンジニアリングや正則化、ハイパーパラメータチューニングなど、実際の処理で必要になるところまで、詳しく解説しています。

※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。 Kubernetes 導入から実践までこの１冊でマスター！ Dockerを最大限活用するKubernetes を習得するための究極のガイドです。ネットワーク、ストレージ、セキュリティについても豊富な図解と実例を交えながら解説します。 ●目次 第1章　Kubernetes入門 第2章　Kubernetesの動作原理 第3章　Kubernetesの入手 第4章　Podの操作 第5章　Namespaceを持つ仮想クラスター 第6章　Kubernetesのデプロイ 第7章　Kubernetesのサービス 第8章　Ingress 第9章　Kubernetes上のWasm 第10章　サービス検出の詳細 第11章　Kubernetesストレージ 第12章　ConfigMapとSecret 第13章　StatefulSet 第14章　APIセキュリティとRBAC 第15章　Kubernetes API 第16章　Kubernetesの脅威モデル化 第17章　実際のKubernetesセキュリティ ●著者 Nigel Poulton（ナイジェル・ポールトン）:　新しいテクノロジーを解明し、楽しく簡単に学べるようにすることに情熱を注ぐ技術者。彼 の著書の多くは世界中のコンピューターエンジニアやITプロフェッショナルにとって「頼りになる情報源」とされており、著書 “Docker Deep Dive” と ”The Kubernetes Book” はベストセラーとして改訂を重ねている。執筆活動に加え、ユース・スポーツのコーチを務め、家族と過ごす時間を楽しんでいる。 窪田 優（くぼた ゆたか）:　世界75か国に支社のある外資系グローバル企業のインフラおよびセキュリティエンジニアとしてアジア太平洋地域の業務を担当している。またIT関連の著書もあり『Webサーバ高速化教本』（秀和システム）、『ITセキュリティの教科書』（マイナビ出版）などがある。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 Flutterとは、Google社が開発しているモバイルアプリケーションフレームワークです。クロスプラットフォームに対応しているため、1つのソースでiOSとAndroid、Webに対応したアプリケーションを開発することができます。 本書は、これからモバイルアプリ開発を始める方のために、Flutterによる開発体験を手を動かしながら学ぶことができる書籍です。リファクタリングやCI/CDなど、チーム開発には欠かせない知識も詰め込み、すぐに現場で使える1冊となるようにしました。 本書を通じてFlutter開発手法を学び、快適なモバイルアプリケーション開発を体験してください。 ■本書の特徴 1．これからのFlutter開発に必要となる知識を盛り込みました レイアウト、アニメーション、状態管理、データベース、ネイティブ連携、課金、ローカライズ、リファクタリング・デバッグ、CI/CD、Flutter Web 2．状態管理やネイティブ連携が習得可能 StatefulWidget、Redux、Providerなどでの状態管理を解説し、ネイティブ連携はMethodChannel、EventChannel、MessageChannelすべてを網羅しています。 3．データベースもカバー SQLiteやFirebase Firestoreも解説しています。本格的なアプリケーションの開発に役立ちます。 4．チーム開発には欠かせないポイントを徹底解説 リファクタリング・デバッグやCI/CDなど、チーム開発には欠かせない手法を解説してあります。複数の手法を提案しているので、ご自身のチームにあうものがきっと見つかります。 5．ローカライズやアクセシビリティにも丁寧に対応 これからのモバイルアプリやWebアプリには必須となるローカライズやアクセシビリティ対応についても、丁寧に解説してあります。サンプルを確認しながら実装していくことができます。 ■本書の構成 第1章　現場でFlutterを使うために 第2章　レイアウト 第3章　アニメーション 第4章　状態管理 第5章　データベース 第6章　ネイティブ連携 第7章　課金 第8章　ローカライズ 第9章　リファクタリング・デバッグ 第10章　CI/CD ――― 付録 1. Dartリファレンス 2. Webアプリケーション

※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。 改善すべきコードの見つけ方、改善方法を具体的なルールと実践で伝授！ 『Five Lines of Code — How and When to Refactor —』(Christian Clausen著、MANNING刊)の日本語版。 本書では、「メソッドを5行以内で実装する」ことにフォーカスし、改善すべきコードを見つけ、安全にリファクタリングするための明確で実践的なルールを解説しています。 　第 1 章　リファクタリングをリファクタリングする 　第 2 章　リファクタリングの裏側を見る 第 1 部　コンピュータゲームでリファクタリングを学ぶ 　第 3 章　長い関数を分割する 　第 4 章　タイプコードを機能させる 　第 5 章　類似したコードをまとめて1つにする 　第 6 章　データを守る 第 2 部　学んだことを実務に取り入れる 　第 7 章　コンパイラと協調する 　第 8 章　コメントに近づかない 　第 9 章　コードを積極的に削除する 　第10章　恐れずにコードを追加する 　第11章　コード内の構造に従う 　第12章　最適化と汎用性を避ける 　第13章　悪いコードを悪く見せる 　第14章　本書を終えるにあたって Appendix 　付録　第1部のためのツールのインストール Christian Clausen（著者） コンピュータサイエンスの修士号を持ち、専門は、プログラミング言語、特に、ソフトウェアの品質とバグのないコードの書き方。ソフトウェア品質に関する査読付き論文を2本共同で執筆し、権威ある学術誌やカンファレンスで再録された。また、パリの研究グループ用の Coccinelleというプロジェクトでソフトウェアエンジニアとして働いた経験があり、2つの大学でオブジェクト指向および関数型プログラミング言語の基礎から応用までを教えた経歴を持ち、5年間にわたりコンサルタントおよび技術責任者として働いている。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 ネットワーク機能を"ゼロ"からプログラミングしよう！ あなたが手に取ったのはOSが持つネットワーク機能そのものである「プロトコルスタック」を自作しようという風変わりな本です。単なるパケット処理だけでなく、ネットワークデバイスの管理やアプリケーションへの機能提供まで余すことなく解説しており、ネットワーク機能全体のデザインを学ぶことができます。 ●目次 Step 0　はじめに Step 1　ネットワークデバイスの管理 Step 2　デバイスドライバ Step 3　プロトコルの管理 Step 4　IP：パケットの入力と検証 Step 5　論理インタフェースの管理 Step 6　IP：パケットの送信 Step 7　IP：上位プロトコルの管理 Step 8　ICMP：メッセージの入力と検証 Step 9　ICMP：メッセージの送信 Step 10　Ethernet：フレームの入力 Step 11　Ethernet：デバイスドライバの実装 Step 12　ARP：メッセージの入力と応答 Step 13　ARP：キャッシュの実装 Step 14　ARP：要求メッセージの送信 Step 15　受信パケットの遅延処理 Step 16　IP：ルーティング機能の追加 Step 17　UDP：データグラムの入力と検証 Step 18　UDP：制御ブロックとユーザコマンド Step 19　UDP：データの送受信 Step 20　TCP：セグメントの入力 Step 21　TCP：制御ブロック Step 22　TCP：コネクション確立（その1） Step 23　TCP：データ転送 Step 24　TCP：セグメントの再送 Step 25　TCP：コネクション確立（その2） Step 26　TCP：コネクション切断（その1） Step 27　TCP：コネクション切断（その2） Step 28　TCP：落ち穂拾い Step 29　TCP：ソケット互換のユーザコマンド Step 30　ソケットAPI Appendix 1　割り込み処理 Appendix 2　タイマー処理 Appendix 3　タスク管理 ●著者 KLab株式会社 Kラボラトリー所属、デジタルハリウッド大学 特任准教授、セキュリティ・キャンプ ネクスト講師（2024年、2025年）。ネットワークプログラミング好きをこじらせてTCP/IPのプロトコルスタックを自作、オープンソースソフトウェアとして公開して布教に勤しんでいる。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 大規模データシステムの基礎アルゴリズムを豊富なイラストで理解！ 基本的なデータ構造とアルゴリズムを理解している読者を対象に、大規模なデータシステムの基礎となるアルゴリズム的要素を豊富なカラーイラストで解説！大規模スケール・アプリ構築のアルゴリズム的側面を理解できます！ 1章 はじめに 第1部 ハッシュベースのスケッチ 2章 ハッシュテーブルと現代のハッシングについての概説 3章 近似的なデータの存在判定：ブルームフィルターと商フィルター 4章 頻度推定とカウントミンスケッチ 5章 カーディナリティー推定とハイパーログログ 第2部 リアルタイム分析 6章 ストリーミングデータの統合と応用 7章 データストリームからのサンプリング 8章 データストリーム上の近似分位数 第3部 データベースと外部記憶アルゴリズムのためのデータ構造 9章 外部記憶モデルの紹介 10章 データベースのためのデータ構造：B木、Bε木、LSM木 11章 外部メモリによるソート Dzejla Medjedovic（デジェラ・メジェドヴィッチ）: ニューヨーク州立大学ストーニーブルック校。応用アルゴリズム学で博士号を取得。大規模データのアルゴリズムに関する多くのプロジェクトに取り組む。現在Social Explorer， Inc. データ部門のバイスプレジデント。 Emin Tahirovic（エミン・タヒロヴィッチ）: ペンシルベニア大学。生物統計学で博士号を取得。統計方法論と理論計算機科学を理解し、現在HAProxy Technologiesのシニアデータサイエンティスト。 Ines Dedovic（イネス・デドヴィッチ）: ドイツ アーヘン工科大学。イメージング・コンピュータビジョン分野で博士号を取得。10年以上にわたりイラストレーター、コミックアーティストとしても活動。現在Jonas & Redmannのソフトウェア開発者。 [翻訳]　岡田佑一（おかだゆういち）：ヒューリスティック系のプログラミングコンテストに好んで参加するプログラマー。 小さな学習塾をひっそりと経営している。2020年より関西大学大学院総合情報学研究科の博士課程後期に在籍し、SNSに関する研究や発達スクリーニング検査に関する研究に注力している。訳書に『世界で闘うプログラミング力を鍛える本 ― コーディング面接189 問とその解法』（2017年）、『きれいなPythonプログラミング』（2022年）執筆協力に『プログラミングコンテスト攻略のためのアルゴリズムとデータ構造』（2015 年、以上 マイナビ出版）がある。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。 ※本書内容はカラーで制作されているため、カラー表示可能な端末での閲覧を推奨いたします

※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。 大規模言語モデルを活用して実戦的なAIアプリ・エージェントを開発しよう！ ChatGPT APIやAnthropic社のClaude、Google社のGeminiなど各社の大規模言語モデル（LLM）のAPIを活用して、実戦的なアプリケーションやエージェントの開発方法を順を追って解説！Pythonを理解している方なら誰でも簡単に開発を進められるよう構成されています。 1章　まずは事前準備をしよう 2章　最初のAIチャットアプリを作ろう 3章　AIチャットアプリを作り込もう 4章　AIチャットアプリをデプロイしよう 5章　便利なAIアプリを開発しよう 6章　画像認識機能を活用したAIアプリを作ってみよう 7章　より複雑なAIアプリを作ってみよう - PDFに質問するアプリ 8章　AIエージェント実装のための前提知識 9章　インターネットで調べ物をしてくれるエージェントを作ろう 10章　カスタマーサポートエージェントを作ってみよう 11章　データ分析エージェントを作ろう 著者プロフィール　ML_Bear（本名: 内田 直孝） 1984年京都市生まれ。京都大学大学院航空宇宙工学専攻修了後、大手建設機械メーカーの生産技術職として就職。その後 IT/Web 業界へ転身し、Webサービス運営企業においてデジタルマーケティング・データサイエンスに携わる。株式会社メルカリ在籍中にKaggleと出会ったことが転機となり、機械学習エンジニアのキャリアへと舵を切り、現在はフリーランス機械学習エンジニアとして複数のベンチャー企業のプロジェクトに携わる。趣味はNetflix鑑賞、マンガ、ラーメン食べ歩き、旅行。Kaggle Competitions Master。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 理想のプログラミング学習環境で学ぼう！ C言語プログラミングに初めて取り組む方のために、多くの図解、演習問題、ていねいなソースコード解説、情報処理の基礎やC言語に関する多くのコラムを添え、単元ごとに初めてC言語を学ぶ方の「頼れるガイド」となるよう可能なかぎり配慮したわかりやすい内容にしました。 ・動画学習：手軽にわかりやすくノウハウを知ることができる ・書籍学習：知りたい情報や忘れてしまったことをすぐ・後から確認できる の両方の特徴を持った書籍になっています。各単元ごとの解説動画へQRコードからアクセスすることができる「理想のプログラミング学習環境」を提供します。 C99とC11の内容を取り入れ、コンパイラはMinGW GCCを利用します。（Windows環境で解説） 『速習C言語入門－脳に定着する新メソッドで必ず身につく』（2006年、2012年発刊）の新・改訂版。 目次： 第1章 機械のコトバと翻訳者 第2章 C言語の基本作法 第3章 データと型 第4章 式と演算子 第5章 制御文 第6章 標準ライブラリ関数 第7章 ポインタの仕組み 第8章 関数の自作 第9章 ビットを意識する 第10章 構造体を使いこなす 第11章 ファイル入出力

※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。 疎結合な設計にすることが なぜ、保守のしやすいコードに繋がるのか 依存注入の目的は保守のしやすいソフトウェアを構築することにあります。関係する他の原則やパターンについても見ていき、より優れたプログラミングが行えるようになることが本書の目標です。 Manning Publishing: Dependency Injection Principles, Practices, and Patternsの翻訳書 第1部: 依存注入（Dependency Injection: DI）の役割 第1章: 依存注入（Dependency Injection: DI）の基本: 依存注入とは何なのか？なぜ使うのか？どのように使うのか？ 第2章: 密結合したコードで構築されたアプリケーション 第3章: 疎結合なコードへの変換 第2部: カタログ 第4章: 依存注入のパターン 第5章: 依存注入のアンチ・パターン 第6章: コードの嫌な臭い（code smell） 第3部: 純粋な依存注入（Pure DI） 第7章: オブジェクト合成（object composition） 第8章: オブジェクトの生存期間（lifetime） 第9章: 介入（interception） 第10章: 設計だけで実現するアスペクト指向プログラミング（Aspect-Oriented Programming: AOP） 第11章: ツールを用いたアスペクト指向プログラミング 第4部: DIコンテナ 第12章: DIコンテナとは？ 第13章: DIコンテナ: Autofac 第14章: DIコンテナ: Simple Injector 第15章: DIコンテナ: MS.DI（Microsoft.Extensions.DependencyInjection） 用語集・参考文献 [著者] Steven van Deursen（スティーブン・ヴァン・ドゥールセン）：.NETを用いた開発を行うフリーランスの開発者兼アーキテクト。オランダのナイメーヘン在住。コードを趣味で書きつつそれを職業としている。 Mark Seemann（マーク・シーマン）：デンマークのコペンハーゲン在住のプログラマー兼ソフトウェア・アーキテクト。2003年からテスト駆動開発をはじめ、Microsoftで開発者として勤めた経験がある。 [翻訳] 須田智之（すだ ともゆき）:15年近くいくつかのSI企業の社員として働いたのちに独立。最近の邦訳書に『セキュア・バイ・デザイン』（マイナビ出版、2021年）、『単体テストの考え方/使い方』（マイナビ出版、2022年）がある。 ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 時系列予測の基礎からディープラーニングによる大規模な予測まで 本書は、データサイエンティストがPythonによる時系列予測をマスターすることを目的として書かれています。数式は必要最小限に抑え、ステップバイステップで丁寧に説明していきます。統計学的モデルや機械学習モデル・ディープラーニングを使った予測、自動予測ライブラリProphetを紹介します。 Manning「Time Series Forecasting in Python」の翻訳企画 第1部　歳月人を待たず 第1章　時系列予測 第2章　単純な未来予測 第3章　ランダムウォーク 第2部　統計学的モデルによる予測 第4章　移動平均プロセスのモデル化 第5章　自己回帰プロセスのモデル化 第6章　複雑な時系列のモデル化 第7章　非定常時系列の予測 第8章　季節性の考慮 第9章　モデルへの外部変数の追加 第10章　複数の時系列の予測 第11章　キャップストーン：オーストラリアの抗糖尿病薬処方数の予測 第3部　ディープラーニングによる大規模な予測 第12章　時系列予測のためのディープラーニング 第13章　ディープラーニングのためのデータウィンドウとベースラインの作成 第14章　ディープラーニングの手ほどき 第15章　LSTMで過去を記憶する 第16章　CNNを使った時系列のフィルタリング 第17章　予測を使ってさらに予測を行う 第18章　キャップストーン：家庭の電力消費量の予測 第4部　大規模な予測の自動化 第19章　Prophetを使った時系列予測の自動化 第20章　キャップストーン：カナダでのステーキ肉の月間平均小売価格の予測 第21章　さらなる高みを目指して 付録　インストール手順 Marco Peixeiro (マルコ・ ペイシェイロ) ：カナダ マギル大学（McGill University）卒。 カナダ最大手の銀行の1つNational Bank of Canadaでシニアデータサイエンティストを務めている。独学のサイエンティストであるMarco は、この業界で仕事を見つけて働くために必要な知識が何かをよく理解している。実践から学ぶことを信条とし、Medium のブログ、freeCodeCamp でのデータサイエンスの短期集中講座、Udemy の講座でも同じアプローチを取っている。本書のテーマを扱ったUdemyのオンライン講座　https://www.udemy.com/course/applied-time-series-analysis-in-python/　が好評で、その内容が書籍化された。Marco のデータサイエンスに関する記事はMedium でさらにチェックできる（https://medium.com/@marcopeixeiro）。ブログでも、最初に理論を提示し、次に実践的なプロジェクトに取り組むという同じアプローチを取っている。 株式会社クイープ ：1995 年、米国サンフランシスコに設立。コンピュータシステムの開発、ローカライズ、コンサルティングを手がけている。2001年に日本法人を設立。主な訳書に『The Kaggle Workbook』『The Kaggle Book』『実践XAI』（インプレス）、『なっとく！機械学習』『なっとく！関数型プログラミング』『実践マイクロサービスAPI』（翔泳社）、『Python によるディープラーニング』（マイナビ出版）などがある。 http://www.quipu.co.jp ※この商品は固定レイアウト型の電子書籍です。 ※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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。 ※お使いの端末で無料サンプルをお試しいただいた上でのご購入をお願いいたします。

※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。 現代エンジニアの必須知識：ディープラーニング技術を身に付けよう！ PythonのディープラーニングフレームワークKerasの開発者である筆者が、多くの人々がディープラーニングを活用できるようPythonコーディングを交えながら分かりやすく説明していきます。「ディープラーニングを適用できる課題とはなにか」「限界はどこにあるのか」を実践解説。Keras/TensorFlow 2対応。第1版(2017年)以降の話題やモデル・理論とその実装コードなど、より丁寧に解説し大幅にボリュームアップしています。 ディープラーニングにより自動言語翻訳や画像認識の精度は飛躍的に向上し、現代のソフトウェア開発者にとってその技術の理解と習得は必要不可欠な分野になりつつあります。 機械学習プラットフォームTensorFlowの上で動作するKerasは、Pythonで書かれたディープラーニングのAPIです。数学やデータサイエンスの専門的な知識がなくともディープラーニングを手軽に実装できるようになります。 Keras開発者であるFrançois Cholletは、改訂・増補された本書で、機械学習の初心者と経験者、両者に向けたアドバイスを提供します。直感的な説明とわかりやすいイラスト・例題で理解が深まり、ディープラーニングのアプリケーションを開発するために必要なスキルをすぐに身につけることができます。 ・ディープラーニングの最初の一歩 ・画像分類と画像セグメンテーション ・時系列予測 ・テキスト分類と機械翻訳 ・テキスト生成、画像生成 1章 ディープラーニングとは何か 2章 ニューラルネットワークの数学的要素 3章 KerasとTensorFlow 4章 ニューラルネットワーク入門：分類と回帰 5章 機械学習の基礎 6章 機械学習のユニバーサルワークフロー 7章 Kerasを使いこなす 8章 コンピュータビジョンのためのディープラーニング 9章 コンピュータビジョンのための高度なディープラーニング 10章 時系列のためのディープラーニング 11章 テキストのためのディープラーニング 12章 生成型ディープラーニング 13章 現実世界でのベスト・プラクティス 14章 本書のまとめ