ライトノベル、マンガなど電子書籍を読むならBOOK☆WALKER

※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。

話題のGoogle製ライブラリーを使った初の書籍！

本書は、Google製のライブラリーであるJAX、Flax、Optaxを利用して、ディープラーニングの機械学習モデルの構築方法を学ぶ書籍です。

● 本書の概要

本書では、ディープラーニングの代表例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、これをJAX/Flax/Optaxで実装しながら、モデルの各パーツの役割を数式レベルで丁寧に解説していきます。

この際、モデル内部の処理の様子を確認するために、モデルの中身を分析するコードもあわせて利用します。JAX/Flax/Optaxを利用すれば、モデルの構築だけでなく、このような分析作業も簡単に実施できることが実感できるでしょう。

導入となる第1章では、JAX/Flax/Optaxの基本的な機能とその使い方を学ぶために、機械学習の基礎とも言える「最小二乗法」による回帰問題を利用します。まずは、JAXの機能だけを利用して、勾配降下法のアルゴリズムを独自に実装して、回帰モデルの学習を行います。その後、これと同等の処理をFlax/Optaxを組み合わせて、再度、実装してみます。これにより、Flax/Optaxの使い方に加えて、JAXの微分機能など、その背後で行われる実際の処理内容をより明確に理解することができるでしょう。

第2章以降では、より本格的な畳み込みニューラルネットワークを構築し、さらに、転移学習やDCGANによる画像生成モデルなども実装します。付録として、本書で使用するJAX/Flax/Optaxの主な関数の一覧も用意。JAX/Flax/Optaxの使い方をリファレンス的に知っておきたい方にもおすすめです。


中井 悦司 （なかい えつじ）
1971年4月大阪生まれ。ノーベル物理学賞を本気で夢見て、理論物理学の研究に没頭する学生時代、大学受験教育に情熱を傾ける予備校講師の頃、そして、華麗なる（？）転身を果たして、外資系ベンダーでLinuxエンジニアを生業にするに至るまで、妙な縁が続いて、常にUnix/Linuxサーバーと人生を共にする。その後、Linuxディストリビューターのエバンジェリストを経て、現在は、米系IT企業のSolutions Architectとして活動。

Google Cloudのエンジニアによる本格解説書！

クラウドコンピューティングが普及する中で、エンタープライズシステムもまた、
オンプレミスからクラウドへの円滑かつ効果的な移行が求められています。

本書は、エンタープライズシステムを構築・運用するエンジニアのために、
Google Cloudの具体的なユースケースや設計ポイントを
Google Cloudのエンジニア陣が徹底的に解説する一冊です。

プロダクトカットで機能の説明にフォーカスをするのではなく、
従来オンプレミスでシステム開発を行う際にも考慮が必要である
「アカウント設計」「セキュリティ設計」「ネットワーク設計」
「プロダクト設計」「監視・運用設計」「移行設計」といった設計軸で、
Google Cloudを利用する際のポイントについて述べています。

また、説明の軸足を置くユースケースとしては主に、従来オンプレミスで
稼働していたようなエンタープライズシステムを、どのように
Google Cloud上で実現するかにフォーカスしているため、
あえてコンテナ、データ分析、AI/MLといった領域の説明は
簡易な記載にとどめています。

本書を読めば、エンタープライズ用途にも耐えうるクラウドアプリケーションの
　・アカウント設計
　・セキュリティ設計
　・ネットワーク設計
　・プロダクト設計
　・監視・運用設計
　・移行設計
などのノウハウを、広く深く学ぶことができます。

※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。

※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。

身近な例からデータサイエンスの深淵を体感し
スケールさせるノウハウを学ぶ

【本書の内容】
「膨大なデータを分析して傾向を探り意思決定に援用する」とはよく耳にするフレーズですが、「膨大なデータ」から「援用する」までの間に、どのようなことがなされているのでしょうか。その各段階における必要な知識や技能やツールやインフラにはなにがあるのでしょうか。
本書はそういった疑問を、身近な例（フライトスケジュールからミーティングの参加・不参加確定）から説き起こします。とはいえ、それは単に米国運輸省のデータをダウンロードし、フライトの傾向を時間軸に合わせて分析し、スケジュールとして提示する、という“シンプル”なストーリーではありません。
「データ分析を実行してビジネスで成果を出す」ことができる人を「データエンジニア」と呼ぶ、Googleならではの文化が色濃く出た1冊です。すなわち、クエリの構築やレポート、グラフ化が最終目標ではなく、それらをひっくるめたスケーラブルで反復可能なシステムを構築できる人材への足がかりとなる1冊であり、肩書としての「データサイエンティスト」から、真に求められているデータサイエンティストへと、自身をスケールしていくための手引書です。

本書は、
Valliappa Lakshmanan,
Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning, O'Reilly Media, January 12, 2018.
の邦訳版です。

【本書のポイント】
・Google Cloud Platformの具体的な活用方法
・データ分析からサービス構築まで、必要な知識
・データサイエンスをスケールするという考え方

【読者が得られること】
・データサイエンスに必要な知識を段階を追って習得できる
・データ収集からサービス構築までの一連の流れを理解できる
・各ステージにおける勘所や肝となる考え方を学べる
・Google Cloud Platformにある一群のツールを使えるようになる
・統計学や機械学習を理解していれば、モデルをコード化できるようになる

【対象読者】
・データエンジニア、データサイエンティスト
・データアナリスト、データベース管理者
・システムプログラマ

※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。

「技術者のための」と冠した数学書の第3弾――確率統計学「機械学習を支える『数学』をもう一度しっかりと勉強したい」方々に向け、理工系の大学生が学ぶ『確率統計学』を基礎から解説した書籍です。■本書の特徴
・機械学習を支える大学数学の3分野のうち、確率統計学を順序立てて学習できる（既刊『技術者のための基礎解析学』『技術者のための線形代数学』との姉妹編。これら3冊で大学数学の3分野を学ぶことができる）
・定義と定理をもとに、厳密に展開される議論を丁寧に説明している（再入門者に理解しやすい）
・各章の最後に理解を深めるための演習問題を用意■対象読者
・大学1、2年のころに学んだ数学をもう一度、基礎から勉強したいエンジニア
※理系の高校数学の知識が前提となります。理工系の大学1、2年生が新規に学ぶ教科書としても利用いただけます。確率統計学を扱う本書では、「コンピューターの乱数によるシミュレーションで現実世界の不確定な現象を再現する」ことを確率モデルの目標とすることで、抽象的な確率空間が果たす役割を明確にするというアプローチを取りました。その上で、条件付き確率や事象の独立性など、ともすれば直感的な理解にとどまりがちな点について、その基本的な性質をできるだけ厳密に導出することを心がけています。ここには、確率空間の「仕組み」を理論的に理解するという意図があります。これにより、パラメトリック推定や仮説検定など、確率モデルを構成・検証する手続きについて、その役割をより明瞭に理解することができます。また、「技術者のための」と冠した三部作（解析学・線形代数学・確率統計学）のまとめとして、本書の付録（Appendix A　機械学習への応用例）では、これらを総合した応用分野の1つである機械学習の基礎的なアルゴリズムについて、その原理を数学的な観点から解説します。本書を含む三部作を通して、直感的な理解にとどまらない、「厳密な数学」の世界をあらためて振り返り、じっくりと味わっていただければ幸いです。※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。

「技術者のための」と冠した数学書の第2弾――線形代数学「機械学習を支える『数学』をもう一度しっかりと勉強したい」方々に向け、理工系の大学生が学ぶ『線形代数学』を基礎から解説した書籍です。■本書の特徴
・機械学習を支える大学数学の3分野のうち、線形代数学を順序立てて学習できる（既刊『技術者のための基礎解析学』、続刊予定『技術者のための確率統計学』との姉妹編。これら3冊で大学数学の3分野を学ぶことができる）
・定義と定理をもとに、厳密に展開される議論を丁寧に説明している（再入門者に理解しやすい）
・各章の最後に理解を深めるための演習問題を用意■対象読者
・大学1、2年のころに学んだ数学をもう一度、基礎から勉強したいエンジニア
※理系の高校数学の知識が前提となります。理工系の大学1、2年生が新規に学ぶ教科書としても利用いただけます。線形代数学がテーマの本書では、実数ベクトルに限定して、「一次変換」「行列式」「固有値問題（行列の対角化）」といった定番の内容、そして、ベクトル空間の公理にもとづいた、より一般的なベクトル空間の性質を取り扱います。線形代数学というと、行列式の性質や対称行列の対角化など、「結果は知っているけれど、なぜそれが成り立つかはわからない」という内容も多いかもしれません。
本書では、定義にもとづいた厳密な論理展開とともに、できるだけ丁寧に計算を進めることで、それぞれの内容について、「確かにその通り」と納得できる説明を心がけました。
お好みのノートと筆記用具を用意して、本書の説明と、数式にもとづいた論理展開をみなさんの「手と頭」で、ぜひ再現してみてください。
そして、直感的な理解にとどまらない、「厳密な数学」の世界をあらためて振り返り、じっくりと味わってください。※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。

※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。

機械学習に関連する数学には、大きく、解析学、線形代数学、確率・統計学の3つの分野があります。本書は、これらの中で最も基礎となる、解析学、とくに、微積分の理論を中心に解説しています。残念ながら、本書一冊で機械学習に必要な数学がすべて学べるというわけではありませんが、もう一度、本格的な数学の世界に触れ、自信を持って「機械学習の本質が理解できた」と言えるための第一歩は、必ずここにあるはずです。受験勉強から解放されて、あこがれの大学数学の教科書を開いたあの時の興奮をわずかなりとも思い出していただければ、筆者にとってこの上ない喜びです。■本書の特徴
・機械学習に関連する数学の最も基礎となる解析学・微積分を順序立てて学習できる
・定義と定理をもとに、厳密に展開される議論を丁寧に説明している（再入門者に理解しやすい）
・各章の最後に理解を深めるための演習問題を用意■対象読者
・大学1、2年のころに学んだ数学をもう一度、基礎から勉強したいエンジニア
※理系の高校数学の知識が前提となります。理工系の大学1、2年生が新規に学ぶ教科書としても利用いただけます。
※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。

インフラ基礎知識とセットで学ぶ！
Google Cloud Platformの機能＆システム構築パターン！本書は、Google Cloud Platform（GCP）でシステム、アプリケーションを
構築するための実践的な入門書です。GCPを初めて利用する開発者をメインターゲットとし、GCPの提供する
サービス（コンポーネント）の全体像と、サービスを組み合わせて最適な
アプリケーションアーキテクチャを実現する方法を、具体的なサンプルを
使ってわかりやすく解説します。Webアプリケーションを動かす具体的な手順の解説に加えて、コンテナ、
オーケストレーションといったテーマもカバーするため、業務で本格的な
利用を考えている方にも適しています。単にGCPの使い方を説明する手順書にとどまらず、GCPを利用する上で
理解しておきたいインフラの基礎技術などを解説することで、技術動向の
変化が激しいクラウドの解説書でありながらも陳腐化を最小化するよう
工夫しています。また、GCPの強みであるクラウドネイティブなアーキテクチャによる
アプリケーション実行環境の構築をサンプルとして挙げているのも
大きな特徴です。本書の強みは、具体的なサンプルを使って丁寧に
説明することで、GCPの良さを体得してもらえるところにあります。GCPの利用や導入を検討している／初めて使う、あるいは、AWSなど
他のクラウドを使ったことがあるプログラマ／開発者の方におすすめの
一冊です。
※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。

特定のサービスに依存しないクラウドの本質を理解する！

昨今、システム開発において「クラウドファースト」という言葉が浸透し、ITシステムを構築するときにクラウドを使うケースが増えてきています。
本書では、主にIaaS（インフラサービス）を中心としたクラウドを使ったシステム構築を想定し、クラウドインフラ構築に携わるエンジニアが知っておきたい知識――クラウド共通の機能や内部構成、アーキテクチャなど――について解説します。
クラウドでのインフラ管理の最大の特徴は“インフラをAPIで制御できること”、これによって従来の環境ではできなかった構築と運用が可能です。本書では、はじめに各種クラウドの概要と提供コンポーネント、その重要な構成技術であるAPIの仕組みといった基礎的な知識を理解します。その後、サーバ、ストレージ、ネットワークの各コンポーネントがどのようなアーキテクチャか、そしてクラウドAPIによってどのように制御されているかを解説し、クラウドサービスの内部構成にも触れていきます。また、環境管理、API、認証、DNSを深堀し、これらを駆使したクラウドならではの考え方についても解説するほか、クラウドを基盤とした新しい「クラウドネイティブ」なインフラ管理手法であるInfrastructure as CodeやImmutable Infrastructureについても取り上げます。
クラウドインフラの仕組みや動作原理を知りたい、あるいはこれからクラウドを使ったシステム構築に携わる方など、特定のクラウドサービスに依存しないクラウドの本質を学びたいエンジニアにおすすめの一冊です。

※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。

日経Linux技術解説書(1)
本書の平均読了時間約54分（32,000字）
「Docker」は、コンテナー技術を活用したアプリケーションイメージの管理ツールです。アプリケーション導入済みのディスクイメージを手軽に作成して、利用することができます。本書では、いま話題のDockerを支える、Linuxの最新技術を徹底解説します。
※本書の内容は日経Linux 2014年9月号から2015年2月号に掲載したもので、記事執筆時点の情報に基づいています。
【目次】
1章　Linuxコンテナーの基礎
2章　CentOS7でDockerを実体験
3章　Dockerの自動化機能を活用
4章　Dockerのイメージ管理を支える仕組み
5章　Dockerのネットワーク構造を解明する
6章　cgroupsによるリソース管理とsystemd連携

業務システムとしてプライベートクラウドを構築しようとしているエンジニアのためにOpenStackの構造や考え方、特性を解説し、システムの導入・設計をサポートします。