本書は、深層学習をこれから勉強するにあたり実装だけではなく深層学習の構造も学びたい方、チュートリアルに掲載されているものよりも詳細な内容を知りたい方を対象に書かれています。Pythonによる基本的なプログラミング知識を前提とするので、そうした部分が曖昧な方は他の書籍と合わせて読むことをお勧めします。また、本書はTensorFlowのラッパーであるKerasやtf.kerasパッケージは用いません。後半ではハイレベルなAPIを用いますが、前半はTensorFlowの低レベルなAPIを用いて解説することで、内部構造についてより理解を深めてもらうような構成をとっています。

便利に使えるPython標準ライブラリの活用術。
初中級スキルアップの近道！

文字列/データ操作、テキスト処理、ファイル操作、
数値演算、ネットワークアクセス、GUIなど、使えるテクニックを満載。

本書では、Pythonの基本的な文法をすでに理解したユーザーが
次に学ぶべきテーマとして、Pythonの標準ライブラリを取り上げます。

本格的なプログラミングへの準備として、習得しておきたい標準ライブラリの
基礎的な活用法を解説します。

Pythonの標準ライブラリは、多数のデータ型やモジュールを提供しています。
それらの機能をうまく活用することがプログラミングの上達につながります。

目的別に180以上の基本レシピを収録。特定の目的を達成するのに、
どの機能をどのように使えばよいのか、すぐにわかるようになっています。

キーとなる関数やメソッドなどの書式に加え、対話的な実行例やスクリプトの例も示しています。
本書により、Pythonのスキルを高め、実践に向けて足場を固めていきましょう。

近年、複数のサーバー構築やクラウド環境の設定変更を統一的に制御できる構成管理ツー
ルとして、Ansibleが注目を浴びています。本書は、オープンソースの構成管理ツ
ールの一つであるAnsibleの基本的な使い方から、アプリケーションデプロイメン
トの自動化や、クラウドAPIとの連携などの応用的な使い方をまとめた実践ガイドです
。
これからAnsibleを利用し、システム構築の自動化を始めてみたいとい
うエントリーユーザーから、既存の運用プロセスからの自動化を図りたいという実務向け
のユーザーまで幅広く活用していただける内容です。特にシステムを開発、運用するエン
ジニア同士がコードを共有し、継続的デリバリーへと組織のプロセスを展開していくうえ
で必要な、Ansibleの知識を豊富に取り上げています。Ansibleの特徴を理
解していただいたうえで、ビジネス要求に対する開発スピードの向上や、変更要求に対す
る運用の柔軟性を身に付けていただくことを目的としています。
Ansible 2.4/CentOS 7.4対応

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。

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。