『ＫＳ情報科学専門書、半年以内、0～10冊、雑誌を除く、分冊版を除く(実用)』の電子書籍一覧

★速い、安全、運用しやすい★
3拍子そろったサーバーレス開発！

Lambda関数をRustで書いて本格運用!
AWS Lambdaの基礎から、Terraformを使ったデプロイ、SQS・S3・API Gateway連携まで、
実務に必要な知識を体系的に学べる一冊。

《目次》
第1章　AWS Lambda・Rust・Terraformの概要
第2章　AWS Lambdaの基本
第3章　TerraformによるLambda関数のデプロイ
第4章　AWS SDK for Rust
第5章　RustによるLambda関数の実装とTerraformによるデプロイ
第6章　Lambda関数の活用例

付録A　Lambda関数の実装でよく使うRustの機能
付録B　AWS LambdaランタイムのRustによる簡易実装

★C 言語って、こんなにすんなりわかっていいの？★

とことんゆるやかに、半歩ずつの学習ステップで着実に身につく！
プログラミングをはじめて学ぶ人にも安心な、新しいC言語テキストの登場です！

・はじめてのプログラミング、いきなりC言語でちょっと不安
・学校のプログラミングでC言語を使うことになった
・なんだかんだで、やっぱりC言語が必要だ
そんなあなたに寄り添う、“よき相棒”となる一冊です。

わかるから、たのしい！

◎最新規格のC23に対応
◎フルカラーでコードが見やすい
◎豊富なサンプルコードをサポートサイトで提供


【目次】
1. プログラミングの基礎
2. 基本的な計算と結果の出力
3. 変数とキーボードからの入力
4. 比較と条件分岐
5. 計算による変数の値の変更
6. 文字を扱う
7. 処理の繰り返し
8. 制御のための文と演算子
9. 発展的な型
10. 関数の呼び出しと定義
11. constとマクロ
12. 値渡しとポインタ渡し
13. 時間と乱数
14. 配列
15. 文字列
16. 中級者向けの機能
17. 構造体
18. ソート
19. 動的メモリ確保
20. ファイルの読み書き
21. 画像処理
付録

★Quantum Native Dojo!　門下生求ム！★

量子の感覚を宿し、量子コンピュータを自在に操る「量子ネイティブ」への道のりは容易ではない。
だからこそ、この「Dojo!」で手を動かしながら着実に鍛えるのだ！

・量子情報科学の基礎から量子コンピュータの応用まで、実装を通して体系的に学べる！
・Google Colab上で動かせるすべてのプログラムを公開しているので、すぐに試せる！
・幅広い量子アルゴリズムと、量子誤り訂正の基礎が身につく！
・Quantum 100（世界の量子専門家100人）選出の2名（中川裕也、藤井啓祐）が執筆メンバー！

◎入門者続出の同名の自習教材サイトを大幅加筆・更新し、超待望の書籍化！◎

【目次】
第0章　量子コンピュータの基礎知識
第1章　量子情報科学の基礎
第2章　量子アルゴリズム入門
第3章　量子アルゴリズムの実行環境：QURI Partsを用いたプログラミング
第4章　量子ダイナミクスシミュレーション
第5章　変分量子回路に基づくアルゴリズム
第6章　NISQアルゴリズムの量子化学計算への応用
第7章　量子位相推定アルゴリズムの応用
第8章　量子探索アルゴリズム
第9章　量子誤り訂正

音響学・機械学習の基礎から積み上げ、Diffusion Transformerによる音声変換の実装まで至る。
基礎から最先端まで一気通貫に解説！

《目次》
［第1部　統計的機械学習に基づく音声言語情報処理］
第1章　音声言語情報処理
1.1　音声言語情報処理とは何か
1.2　人間の音声生成
1.3　人間の音知覚
1.4　音声言語データの特徴抽出

第2章　統計的機械学習
2.1　音声から何かを学習するということ
2.2　統計的機械学習の手引き
2.3　分類タスク
2.4　回帰タスク

第3章　深層ニューラルネットワークの基礎
3.1　単純パーセプトロンから多層パーセプトロンへ
3.2　多層パーセプトロンからDNNへ
3.3　深層生成モデル

第4章　実践して学ぶ音声言語情報処理
4.1　Google ColabolatoryでのPythonプログラミング
4.2　多話者音声コーパスのダウンロードと分析
4.3　PyTorchでの深層学習実装

［第2部　統計的音声変換の基礎と応用］
第5章　深層学習による音声変換の基礎
5.1　音声変換の定義と分類
5.2　作って学ぶ深層学習によるパラレル音声変換
5.3　作って学ぶ深層学習によるノンパラレル音声変換

第6章　音声変換を取り巻く技術と社会的側面
6.1　処理タイミングによる音声変換の分類
6.2　変換対象話者の指定方法による音声変換の分類
6.3　変換先話者の学習データ量による分類
6.4　社会への影響
6.5　法的な視点

第7章　正規化フローに基づく音声変換
7.1　FreeVCの概要と特徴
7.2　FreeVCのアーキテクチャ
7.3　事前エンコーダ
7.4　事後エンコーダと潜在変数zの推定
7.5　デコーダと波形出力
7.6　話者エンコーダ
7.7　音声変換モデル全体
7.8　識別器
7.9　スペクトログラムリサイズによるデータ拡張
7.10　訓練手順と損失関数
7.11　推論時の流れ

第8章　拡散モデルに基づく音声変換モデル
8.1　ゼロショット音声変換
8.2　SeedVCの特徴と強み
8.3　拡散トランスフォーマー
8.4　フローマッチング
8.5　SeedVCの学習と推論

★AI時代だからこそ確かな基礎を身につけよう！★
最新のNext.js 16以降／React 19以降にも対応！

Next.js App Routerの基本的な使い方から実践的な開発パターンまで、
Next.jsの強みを最大限に活かす実装をコードと豊富な図解で解説します。

著者はチャンネル登録者数8万人の人気YouTubeチャンネル「プログラミングチュートリアル」のShinCode。
丁寧で開発者目線の解説がこれまでにないわかりやすさです！

はじめて学ぶ人も、一度挫折した人も、環境構築からルーティング、スタイリング、データフェッチ、キャッシュ戦略、レンダリングの仕組み、Server ActionsやSEO対策、デプロイまでどんどん進められます。
この一冊で、一人前のNext.jsエンジニアになれる！

【主な内容】
第1章　Next.jsの魅力　Reactを超える高速Web開発の世界へ
第2章　Next.js開発を始めよう　環境構築からプロジェクト作成まで
第3章　ルーティングとレイアウト　App Routerで紐解くNext.jsのページ構成の基礎
第4章　スタイリング　Tailwind CSSの基本
第5章　クライアントコンポーネントとサーバーコンポーネント
第6章　データフェッチ　効率的なデータ取得戦略
第7章　キャッシュ　Next.jsで実現する高速レスポンス
第8章　レンダリング　パフォーマンスを最大化するレンダリング戦略
第9章　Server Actions　フォーム処理の新時代
第10章　SEO最適化　検索エンジンからの評価アップのためのメタデータ戦略
付録A　デプロイメント　Next.jsアプリを世界へ

※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。

★一冊で宇宙まで、ひとっとび★

地球上をセンチメートル単位で可視化する技術が、いまや誰でも使える！
水域・森林・農地の観測から、災害状況の可視化、海洋の監視まで……

原理も応用も、Pythonコードも、すべてを一冊に！！

《目次》
第1章　合成開口レーダーの基礎
1.1　合成開口レーダーの原理
1.2　強度画像の生成
1.3　合成開口レーダーの性能
1.4　レーダー特有の現象
1.5　干渉SAR
1.6　合成開口レーダーの応用

第2章　SARデータの解析準備
2.1　SARデータの取得と可視化
2.2　SARデータの地理座標投影

第3章　SARデータの解析
3.1　水域検出
3.2　森林監視
3.3　農業への利用
3.4　地震被害の検知
3.5　船舶の検知

第4章 SARの現在と将来
4.1　SARプロバイダー
4.2　SARデータの将来の展開
※この商品は紙の書籍のページを画像にした電子書籍です。文字だけを拡大することはできませんので、タブレットサイズの端末での閲読を推奨します。また、文字列のハイライトや検索、辞書の参照、引用などの機能も使用できません。

【推薦の言葉】

あなたのLLMスキル、「実戦」で通用しますか？
ファインチューニング、RAG、量子化、モデルマージ……
知識や理論を知っているだけでは、性能を引き出すことはできません。

トップKagglerたちはスコアを削り出すために、
何を試し、何を捨て、なぜその手法を選んだのか。
課題解決のための「本物」の技術を身につけられる一冊です。

――秋葉拓哉（Sakana AI Staff Research Scientist）


従来のKaggle関連書籍では、十分に取り扱うことができずにいたテキストデータを扱うコンペティション（NLPコンペ）に焦点を当てた初の書籍です。注目が集まっている大規模言語モデルに関する内容をふんだんに盛り込み、基本的な使い方から、性能を底上げする応用的な使い方までを幅広く解説しています。

・実践的な課題解決の場で得られた知見をもとに内容を構成し、教科書的な書籍とは異なる実用的な視点を提供。コンペ参加者に限らず、大規模言語モデルに関心を持つエンジニアや研究者にとっても有益！

・基礎編では、基礎知識のみにとどめず、大規模言語モデルの性能をさらに引き出すための、実践的な暗黙知や勘所などのウラ側も詳しく解説。コンペの上位スコアを追体験できるサンプルコードも提供。

・応用編では、多彩な8つのKaggleコンペを題材に、概要・データ構造・評価指標を整理し、ベースラインとして公開されている手法および上位解法を紹介。

【編著者】
高野海斗（主に1、3章）／齋藤慎一朗（主に4、5、10章）／石原祥太郎（主に2章と全体の編集）

【応用編の寄稿者】
坂見耕輔さん（6章）／中真人さん（7章）／郭林升さん（8章）／三好拓志さん（9章）／村上直輝さん（11章）／洪立航さん（12章）／吉原浩之さん（13章）／井ノ上雄一さん（13章）／山口大器さん（13章）

【サポートサイト】
サンプルコード・参考文献・正誤表・編著者および寄稿者のプロフィール一覧を掲載します。
https://github.com/sinchir0/kaggle_llm_book/