AIがビジネスの現場を変える！ 急激な人工知能（AI）の発展によって、私たちが毎日行っている仕事を、ある日突然AIが行うようになったら。 そのとき、私たちに残される仕事とはどんな仕事なのか、どんな覚悟を持ってこの新しい時代に臨むべきなのか。 誰もがそんなことを考えざるを得ない時が、いよいよやってきたようです。 この本では、そうしたAIと共に暮らし、仕事をせざるを得ない世の中を生きることになった私たちが、どのような知識や意識を持って生きていくべきなのかを解説します。

※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。 1．はじめてのLinuxでもつまずかずに学習できます はじめて学習する方が疑問に思ったり理解しづらい、つまずきやすいポイントを丁寧に解説してあります。 本書を読み進めていくことで、Linuxに関わる基礎知識が得られるだけでなく、LPI Linux Essentialsに合格に必要となる知識が得られます。 2．LPIC-1、LinuC-レベル1にも対応 LPI Linux Essentialsの試験範囲だけでなく、LPIC-1、LinuC-レベル1の試験範囲もできるだけカバーしました。 101試験範囲はすべてカバーしてあります。 LPI Linux Essentials合格後にLPIC-1、LinuC-レベル1を受験する予定のある方はこの1冊で続けて学習できます。 3．ハンズオンでさわって学べる 本書は学習環境の構築（CentOS）もやさしく解説しております。はじめてのLinuxだからこそ、実際にコマンドを叩きながら学習ことをオススメします。 入力コマンドや実行結果がひと目でわかるように構成してあります。 ■対象試験： LPI Linux Essentials、LPIC-1（101、102は途中まで）、LinuC-レベル1（101、102は途中まで）

※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。 情報セキュリティ技術を競うコンテスト：CTF（Capture the Flag）について技術的な背景の解説を通し実践的に学んでいく一冊です。現代CTFにおいて主流である4ジャンルを解説します。 ・Web(Webアプリケーションへの攻撃) ・Crypto(暗号解読) ・Reversing(バイナリ解析) ・Pwnable(低級プログラムの掌握) 各Part冒頭には必要な基礎知識の説明を用意、幅広くかつ丁寧に解説しますので現代CTFの傾向が理解できるとともに、競技を楽しむための足腰を鍛えることができます。 「問題をどのような目線で分析するか」「どのような時に、どの解法を検討するか」といった問題と向き合う際の思考法への言及にも注目してみてください。 情報セキュリティの技を磨く足掛かりに。 CTFに臨むための技術を理論と実践で身に付けよう Part 1 準備 1章 CTF入門 2章 実習環境の準備 3章 問題環境の構築 4章 Python入門 Part 2 Web 5章 WebセキュリティとCTF 6章 Webの基礎知識 7章 ディレクトリトラバーサル 8章 XSS 9章 SQLインジェクション 10章 SSTI 11章 SSRF 12章 XXE Part 3 Crypto 13章 暗号について 14章 環境構築 15章 ハッシュ関数 16章 共通鍵暗号 17章 初等整数論 18章 RSA暗号 19章 ElGamal暗号 20章 その他の公開鍵暗号 21章 乱数 22章 練習問題 Part 4 Reversing 23章 Reversingを始める前に 24章 アセンブリ言語 25章 アセンブリを読んでみよう 26章 静的解析に触れてみよう 27章 動的解析を組み合わせよう 28章 より発展的な話題 29章 実践問題の解答 Part 5 Pwnable 30章 導入 31章 シェルコード 32章 スタックベースエクスプロイト 33章 共有ライブラリと関数呼び出し 34章 ヒープベースエクスプロイト 35章 仕様に起因する脆弱性 36章 実践問題の解法 付録A ASCIIコード 付録B Linuxシステムコール（x86_64） 付録C 主要な定数値一覧

※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。 GAN（Generative Adversarial Networks）：敵対的生成ネットワークは機械学習技術の一種で、2つの分離したニューラルネットワークを使い実物と区別が付かないほどリアルな画像を生成することを可能とします。 本書はGAN：敵対的生成ネットワークを学びたい方のために入門から実装まで、理論を交えつつ解説していきます。本書全体を通じてJupyter Notebookを使い、実装はPython、Kerasで行っていきます。 機械学習とニューラルネットワーク、Pythonプログラミングについてある程度の経験がある方を主な対象読者としており、数学に関しては最小限のものに絞って解説します。 本書の目的は、GANが達成してきたことを理解するための知識と道具を提供し、そこから新しい応用を見つけ作り出す力をつけていただくことです。GANは多くの可能性に満ちていますから、意欲的な方々であれば学術界・実世界に大きなインパクトを与えられることでしょう。 Part 1 GANと生成モデル入門 Part 2 GANの発展的な話題 Part 3 ここからどこへ進むべきか

※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。 ロボットが“巧みさ”を手に入れるには？ 冗長自由度系の不良設定性から“巧みさ”の力学的原理に迫る 人が日常的に何気なく行っている、目標物に向けて手を伸ばしたり、物を掴んだりするような巧みな動作。 それを多関節・多自由度なロボットで実現するには、その動作を生み出す「プログラム(計算式)」を用意しなければなりません。そして、そのプログラムを記述する時に、逆運動学の不良設定性が問題となります。 この問題をいかに解消するか? それがロボットで「巧みさ」を実現するための鍵となります。 本書では、ロボットが自然にこの問題を解消するための、数学的道筋に言及し、「巧みさ」の源泉を探ります。 本書は『"巧みさ"とロボットの力学』（2008年5月刊行）をプレミアムブックス版として復刊したものです。内容は変更されていませんので、ご了承ください。

※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。 「いつ、なにをする？」がわかれば、Unityが使えるようになる！ はじめてプログラムを作る、はじめてゲームを作る、という初心者向けのやさしいUnityとゲームの作り方入門です。 作る時の「考え方」がわかれば、アプリ作りはぐっと楽になります。「動く」「回転する」などの簡単なしくみから、それを組み合わせてゲームにしていく過程まで、サンプルアプリを作りながら解説していきます。 カリキュラムは次のようになっています。 Chapter1　Unityって何？ 　Unityの基本解説と、インストールをします。 Chapter2　体験してみよう 　まずは、プロジェクトを作って、基本的な使い方を理解しましょう。 Chapter3　スクリプトで動かそう 　「絵を移動させたいとき」は、「ずっと、絵の位置を変え続ける」というスクリプトで実現できます。 Chapter4　キー入力と衝突判定 　「キーで移動させたいとき」は、「ずっと、キー入力を調べ続ける」というスクリプトで実現できます。 Chapter5　マウスでタッチしたものを調べる 　「マウスのタッチで何か処理を行いたいとき」は、「マウスのタッチがものに衝突したとき、何かの処理を行う」というスクリプトで実現できます。 Chapter6　アニメーション 　「パラパラマンガで動くキャラを作りたいとき」を解説します。 Chapter7　シーンを切り替える 　「メインのゲーム画面の他に、タイトル画面や、ゲームオーバー画面を作りたいとき」のやり方を解説します。 Chapter8　プレハブでたくさん作る 　「同じしくみのキャラをたくさん登場させたいとき」はどうしたらよいでしょう？ Chapter9　重力を使う 　「横から見た2Dゲーム」を作ります。 Chapter10　UI テキストでカウンター 　「ゲーム中に文字を表示させたいとき」の方法を解説します。 楽しいゲームを作りながら、Unityとプログラミングの基本をマスターしましょう！ ◆著者：森 巧尚(もり よしなお) パソコンが登場した『マイコンBASICマガジン』（電波新聞社）の時代からゲームを作り続けて約40年。現在は、コンテンツ制作や執筆活動を行い、また関西学院大学、関西学院高等部、成安造形大学の非常勤講師や、プログラミングスクールコプリの講師など、プログラミングに関わる幅広い活動を行っている。 近著に『作って学ぶ iPhoneアプリの教科書～人工知能アプリを作ってみよう！～』（マイナビ出版）、『楽しく学ぶ アルゴリズムとプログラミングの図鑑』（マイナビ出版）、『動かして学ぶ！ Vue.js開発入門』（翔泳社）、『Python1年生』（翔泳社）、『Java1年生』（翔泳社）、『なるほど！ プログラミング 動かしながら学ぶ、コンピュータの仕組みとプログラミングの基本』（SBクリエイティブ）、『小学生でもわかるiPhoneアプリのつくり方』（秀和システム）など多数。

※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、スマートコントラクトアプリケーションを事例として、パブリックなブロックチェーンを用いたスマートコントラクト開発の手法を紹介する書籍です。 スマートコントラクトプラットフォームのデファクトであるEthereumと、スマートコントラクトを開発するためのプログラミング言語Solidityを中心に取り上げ、実際にアプリケーションを開発するためのプロセスを体験することができます。 スマートコントラクトのコーディングやテスト手法はもちろん、フロントエンドやミドルウェアを含めたアプリケーション提供のための包括的な手順を説明しています。さらに、ブロックチェーンの特徴を活かすサービスデザインの取り組みも紹介します。

※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。 コンテナ型の仮想環境を作成、実行するためのプラットフォーム、Dockerの実践解説書。 本書は、エンジニアが普段行うようなWebアプリケーション開発環境の構築を、Dockerを用いて行うにはどのようにすればよいか、またその環境をDockerで作ることによってどのように開発を効率化させることができるか、にフォーカスした内容となっています。 PHPのLaravel、Node.jsのNuxt.js、RubyのSinatraとRuby on Rails、PythonのPyTorchといった、Webアプリケーションや機械学習の領域で用いられているものを対象として取り上げました。それぞれの解説は独立したものとなっているので、読者の方が使っている言語はもちろん、経験していない言語やフレームワークを試すのにも良いでしょう。

※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。 本書ではディープラーニングの発展・応用手法を実装しながら学習していきます。ディープラーニングの実装パッケージとしてPyTorchを利用します。扱うタスク内容とディープラーニングモデルは次の通りで「ビジネスの現場でディープラーニングを活用するためにも実装経験を積んでおきたいタスク」という観点で選定しました。 ［本書で学習できるタスク］ 転移学習、ファインチューニング：少量の画像データからディープラーニングモデルを構築 物体検出（SSD）：画像のどこに何が映っているのかを検出 セマンティックセグメンテーション（PSPNet）：ピクセルレベルで画像内の物体を検出 姿勢推定（OpenPose）：人物を検出し人体の各部位を同定しリンク GAN（DCGAN、Self-Attention GAN）：現実に存在するような画像を生成 異常検知（AnoGAN、Efficient GAN）：正常画像のみからGANで異常画像を検出 自然言語処理（Transformer、BERT）：テキストデータの感情分析を実施 動画分類（3DCNN、ECO）：人物動作の動画データをクラス分類 本書は第1章から順番に様々なタスクに対するディープラーニングモデルの実装に取り組むことで高度かつ応用的な手法が徐々に身につく構成となっています。各ディープラーニングモデルは執筆時点でState-of-the-Art（最高性能モデル）の土台となっており、実装できるようになればその後の研究・開発に役立つことでしょう。 ディープラーニングの発展・応用手法を楽しく学んでいただければ幸いです。

※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。 本書は機械学習を始めたばかりの方にもTensorFlowを初めて使う方にも、究極のガイドです。 コードを理解するにはPythonプログラミングに関する知識が事前に必要ですが、それ以外は機械学習の基本からTensorFlowの実践的な使いこなしまでマスター可能です。 Part 1では、機械学習とは何か、といった探求と、TensorFlowが果たす重要な役割についてハイライトを当てます。1章では機械学習の用語と理論を紹介し、第2章ではTensorFlowの利用を開始するために必要なことを解説します。 Part 2では、基本的なアルゴリズムについて説明します。3章～6章のそれぞれの章で、回帰、分類、クラスタリング、隠れマルコフモデルについて解説します。これらのアルゴリズムは、機械学習のあらゆる分野で利用できます。 Part 3では、TensorFlowが真のパワーを発揮するニューラルネットワークについてそのベールをはがします。7章～12章では、オートエンコーダー、強化学習、畳み込みニューラルネットワーク、再帰型ニューラルネットワーク、シーケンス変換モデルおよびユーティリティーについて紹介します。 経験豊かなTensorFlowユーザーでない限り、最初にPart 1(1章と2章)を読むことをお勧めします。そこをマスターしたら、あとは本書の好きな章から読んでOKです。 機械学習やTensorFlowを初めて使う方には究極のガイド本であり、その基礎をバッチリマスターできます。

※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。 本書は、ディープラーニングの代表とも言える「畳み込みニューラルネットワーク（CNN）」を例として、その仕組みを根本から理解すること、そして、TensorFlowを用いて実際に動作するコードを動かしながら学べる書籍です。 ディープラーニングについて解説する書籍は多数発行されていますが、本書では、「きちんとニューラルネットワークの原理から理解すること」と、「その原理をどのようにコードとして書くか」の両方がバランスよく学べます。 表面的にコードを覚えるだけでは、応用力は身に付きません。本書で根本から理解しておくことで、現場に出てからも長く使える基礎力を身に付けましょう！ ※本書では、プログラムの実行環境としてGoogle Colaboratoryを利用するため、面倒な環境構築は不要です。 ※本書は、2016/9発行の『TensorFlowで学ぶディープラーニング入門』をもとに、Python3系、TensorFlow 2.0ベースに書き換えたほか、全体的に解説を見直し、修正しています。そのほか、実行環境をGoogle Colaboratoryに変更、オートエンコーダーによるアノマリー検知やDCGAN による画像生成などのトピックを追加しています。

※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。 東大 松尾研究室が提供するあの人気講座が待望の書籍化！ 本書は、2017年と2018年に東京大学で実施された講座で使われた教材がベースになっています。約400名ほどの受講枠（2年間）に、のべ1,800人以上の応募があった人気の講義です。この本のベースとなるコンテンツをさらに精査、ブラッシュアップし、読みやすく整えたものが本書になります。 本書には、データサイエンティストになるための基礎をつめこんでいます。データサイエンティストは、Pythonや確率・統計、機械学習など、幅広くさまざまな分野の知識を必要とします。 この本は主にPython 3を使って、基本的なプログラムの書き方、データの取得、読み込み、そのデータ操作からはじまり、さまざまなPythonのライブラリの使い方、確率統計の手法、機械学習（教師あり学習、教師なし学習とチューニング）の使い方についても学びます。取り扱っているデータは、マーケティングに関するデータやログデータ、金融時系列データなどさまざまで、モデリングの前にそれらを加工する手法も紹介しています。データサイエンティストになるには、どれも必要なスキルです。 本書には、さらに以下の3つの特徴があります。 ・実際のデータを使って手を動かしながら、データサイエンスのスキルを身に付けることができる ・データ分析の現場で使える実践的な内容（データ前処理など）が含まれている ・練習問題や総合問題演習など実際に頭を使って考える内容がたくさんある ◆目次 Chapter 1 本書の概要とPythonの基礎 Chapter 2 科学計算、データ加工、グラフ描画ライブラリの使い方の基礎 Chapter 3 記述統計と単回帰分析 Chapter 4 確率と統計の基礎 Chapter 5 Pythonによる科学計算（NumpyとScipy） Chapter 6 Pandasを使ったデータ加工処理 Chapter 7 Matplotlibを使ったデータ可視化 Chapter 8 機械学習の基礎（教師あり学習） Chapter 9 機械学習の基礎（教師なし学習） Chapter 10 モデルの検証方法とチューニング方法 Chapter 11 総合演習問題 Appendix　本書の環境構築について/練習問題解答/参考文献・参考URL

世の中で氾濫している「人工知能・AI」という言葉に惑わされないようにするため、人工知能についての正しい知識を身につけ、理解することが必要です。 人工知能分野の発展に貢献しているのが 機械学習・深層学習（ディープラーニング）と呼ばれる技術で「人工知能（AI）を使ってなにかプロジェクトをやってほしい」と言われたとき「ビジネス課題を機械学習・深層学習でどのように解決すればよいか」と置き換えて考えればよいケースがほとんどです。 本書では、あいまいな状態になっているビジネス上の課題を機械学習を試すことのできるような形に課題を書き換えたり、人工知能の代表的な手法である推論・探索、知識表現、機械学習、深層学習の各手法をフレームワークとして考え、実際のビジネスで活用できるといった“AI的思考力”を高める方法を解説していきます。 また人工知能は万能ではなく、ビジネス上における課題は千差万別です。本書の目指すところは「人工知能で解決できるものなのか」を自ら判断し、「人工知能のどの技術を使えばよいのか」が分かるようになることです。 人工知能技術の大部分は数学によって支えられていますが、本書はあくまでも「ビジネスで人工知能を活用するために知っておくべきこと」をまとめたものですので“難しい数式”は一切出てきません（もちろん、プログラミングも）。 『機械学習・深層学習という言葉は聞いたことはあるけれど、よく分からない』『ビジネス課題に適用できる自信がない』『どのように評価すればよいのか検討がつかない』といった方にとって、本書は役に立つはずです。

※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。 うまく活かしてデザインをもっとラクに！“AI”のあるデザイン AI（人工知能）はいまインターネット上で賛否両論;さまざまな議論を巻き起こしています。 つくりたいものを入力するだけで;写真からイラストまで自由自在に生み出せる生成AIは;日に日に;その精度を高めており;試した人なら誰もが;その品質に驚くことでしょう。 AI はいま;なにができ;なにができないか;将来;なにができそうか。AIとデザイン・制作の現在地を知り;未来への準備を始めましょう。 ※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。 悪意を持つソフトであるウイルス・マルウェア(malware)は年々増え続けその手口も高度化しつつあります。 本書ではマルウェアの検出・分析に、機械学習、統計、ソーシャルネットワーク分析、データ可視化など「データサイエンス」の手法を導入・活用する方法を伝授。scikit-learn、Kerasで独自のマルウェア検出器を構築する方法を解説します。 ・コード分析で “同じ攻撃者”が作成する“新しいマルウェア”を特定 ・独自の機械学習検出システムを構築し、ゼロデイ攻撃・マルウェアを捉える ・マルウェア検出器の精度をROC曲線で測定し、セキュリティの最善アプローチを選択 ・データの視覚化で、マルウェアの傾向を特定・調査 ・DNN(ディープニューラルネットワーク)ベースの検出システムをPythonで実装 データサイエンティストを目指す方、悪意を持つソフトウェア撃退のためデータサイエンス、ディープラーニングを活用したい方には最適の書籍となるでしょう！ no starch press『Malware Data Science:Attack Detection and Attribution』の翻訳書。

※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。 「ディープラーニングをライブラリで実装できるけれど、よく意味が分かっていない」 「ディープラーニングの背景にある数式を理解して、何が行われているか知っておきたい」 本書はそんな人のための本です。 勉強中のプログラマ「アヤノ」と、友達の「ミオ」の会話を通じて、ディープラーニングでどんなふうに入力値から出力値までの計算がされているのか、楽しく学んでいきます。 ※本書は『やさしく学ぶ 機械学習を理解するための数学のきほん』の続刊となりますが、前作を読んでいない人でも問題なく読むことができます。 本書では、 ・ニューラルネットワークでは何ができるのか ・単層のパーセプトロンではどのような計算が行われているのか ・パーセプトロンではどうやって問題を解いているのか ・パーセプトロンにはどんな欠点があるのか などの基本的な部分から解説を始めます。 パーセプトロンが理解できたら、続いて多層のニューラルネットワークについて学んでいきます。 ・ニューラルネットワークではどうやって問題を解いているのか ・問題を正しく解くためのパラメーターはどうやって学習しているのか といったことについて、1つずつ数式を理解して、時には具体的な数値を当てはめて実際に計算しながら理解していきます。 ニューラルネットワークが理解できたら、いよいよ画像の分類などに向いている「畳み込みニューラルネットワーク」について学習を進めます。 何をやっているのか、図解と数式で確認しつつ学習し、どのようにして「畳み込みニューラルネットワーク」が分類のタスクを行っているのか丁寧に解説します。

※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。 JavaScriptによるネイティブアプリ開発の現場のノウハウ、教えます！ 「React Native」は、Facebookが開発しているスマートフォンアプリ向けの開発環境で、2015年3月にオープンソースとして公開されました。ほとんどのコードをJavaScriptで記述でき、スマートフォンのAndroidとiOSに両対応したネイティブアプリの開発が可能です。名前からもわかるように、同じくFacebookが開発したUI用のライブラリであるReactをベースの技術としており、コンポーネントを組み合わせてUIを構築できます。Facebookは、自社や傘下のInstagramのスマートフォンアプリ開発にReact Nativeを利用しています。 Reactをベースにし、JavaScriptで開発を行えるため、Web系の開発者がスマートフォンのネイティブアプリ開発を始めるには、React Nativeは最適なプラットフォームといえるでしょう。 また、「Expo」は、React Nativeによる開発・アプリ配布を支援するためのツールとサービスです。本書では、開発環境としてExpoを使って解説しています。 本書では、ある程度、Web開発の知識があり、これからスマートフォンのネイティブアプリ開発に取り組もうという人に向けて書かれています。 【各章の内容】 ●第1章 React Nativeの概要、および、その開発支援ツールである「Expo」と「Create React Native App（CRNA）」について説明しています。 ●第2章 React Nativeに必要となるnode.js、そしてExpoの導入について説明しています。 ●第3章 Androidエミュレータ／iOSシミュレータの導入と、デバッグ環境などの具体的な利用方法を解説します。また、実機での動作確認方法にも触れています。 ●第4章 TODOアプリの開発を通してReact Nativeの基本を学んでいきます。 ●第5章 Flexboxレイアウトを学ぶために、逆ボーランド電卓を作成します。 ●第6章 統一的なUIを持ったアプリの作成を可能にする「UIライブラリ」を使ってTODOアプリを拡張します。 ●第7章 Fluxアーキテクチャを使って、TODOアプリを書き直してみます。 ●第8章 トイレマップとGPSロガーの2つのアプリを通して、ライブラリの利用、GPSやカメラといったスマートフォン機能の使い方など、本格的で実践的なReact Nativeプログラミングについて学びます。 ●第9章 アプリ内でWebページを表示するための「WebView」を使ったプログラミングを解説しています。 ●第10章 React Native CLIを使ったネイティブモジュールを使った開発について解説しています。 ●第11章 Google Play／App Storeでの配信について説明しています。 ●第12章 意外とハマるポイントでもあるReact Native／Expoのバージョンアップについて解説しています。 ●付録 tvOS／Windowsに対応したアプリの対応方法を解説しています。