ライトノベル、マンガなど電子書籍を読むならBOOK☆WALKER

　近年、企業における迅速なソフトウェア開発において、DevOpsは必要不可欠な要素として認識されています。しかしその一方で、開発プロセス改善に関連する情報の飽和や、新しい開発支援ツールの乱立により、自社の開発チームにとってどれが最適な解なのかの見極めが難しくなっています。さらに、開発ツール導入後も、ツールやプラットフォームの運用に余計な時間を取られ、本来の目的であるコード開発に時間が割けないエンジニアが後を経ちません。このような開発現場の課題に取り組み、各企業にとって最適な開発スタイルを模索する中で、GitLabが注目を集め始めています。
　GitLabは、開発プロセスを支援する機能として、単なるリポジトリ管理だけにとどまらず、リポジトリの更新を起点とした継続的インテグレーションや継続的デプロイメントのジョブ機能や開発プロセス全体の改善サイクルを支援するプラットフォームを提供しています。さらに、組織文化の改革という点においても、GitLabではConversational Developmentという開発スタイルを提唱しており、チーム開発に不可欠なコミュニケーションの効率化を支援しています。これらの機能により、GitLabは、開発者における無駄なオペレーション工数を削減し、開発作業の効率化を実現します。
　本書はアプリケーション開発支援ツールであるGitLabの基礎から、実務の開発ワークフローの運用で使える機能までを網羅した実践ガイドです。まずGitLabが目指す開発スタイルを理解し、開発プロセスの改善を実践していただくことを目指しています。そのため、本書では単なるGitリポジトリ利用者に対する機能紹介ではなく、普段の開発プロセスの改善やデプロイオペレーションの効率化を図るために必要な情報を網羅しています。

AWSによるインフラの構築と運用の手法を幅広く解説。
無料利用枠からはじめる自動化指向の包括的な実践ガイド！

アカウント作成から、コンテナクラスタのオーケストレーションまでカバー。
新版で新たにコンテナの章を追加、翻訳時の操作画面に刷新。

◆各パートのテーマ
Part 1では、活用事例や長所、料金などを紹介した後、
基本サンプルとしてWordPressシステムの構築法を示します。
Part 2では、インフラ構築／運用の基礎事項を中心に説明。
Part 3では、データを格納する6種類の方法を具体的に見ていきます。
Part 4では、動的スケーリングが可能で、高可用性そして耐障害性を持つ
インフラアーキテクチャの手法を見ていきます。

◆取り上げるテーマ
［サーバー＆ネットワーク］仮想マシン、セキュリティ、構築・運用自動化…
［データストア］オブジェクト、リレーショナル、キャッシュ、NoSQL…
［高信頼化］高可用性、耐障害性、オートスケーリング、コンテナ…

※本書の前提知識として、Linux、マークアップ言語YAML、ネットワーキングなど
の基本を理解している必要があります。

※掲載した画面や手順は2023年10月～12月に確認したものを掲載しています。
今後変更される可能性にご留意ください。

※本書は『Amazon Web Services in Action, 3rd Edition』（Manning Publications）
の翻訳書です。英語版の2nd Editionから日本語化しているため、
今回の原著は"3rd Edition"ですが、日本語版は"第2版"としています。

本書では、コンテナ、Kubernetesおよびそれに関連する技術を活用して、アプリケーションの開発と運用を行う方法について解説しており、主にアプリケーション開発者の視点から必要とされる知識に焦点を当てています。最初の1章と2章では、本書の核となるテーマであるコンテナ、Kubernetes、およびそれに関連するクラウドネイティブ技術について概要を述べ、これらの技術が現在、なぜ重要視されているのか、その背景と提供される価値について解説します。また、これらの技術的概要についても説明します。
　第3章以降では、マイクロサービスアーキテクチャを代表とする、分散型でモダンなアーキテクチャを採用したアプリケーションに対して、Kubernetesおよびクラウドネイティブ技術を効果的に活用して実装、運用する方法を解説します。これらの章では、サンプルアプリケーションを用いて、Kubernetes上でのアプリケーションの実行方法や運用プラクティスの適用手順を具体的に示しています。全章を通して、実践的なノウハウの習得を目指す構成となっています。

大規模言語モデルGPTの全体像を把握できる！
ChatGPTの実行例やOpenAI API活用の基本コード、市場動向も解説
最新情報を加筆し、GPT-3.5/4に対応

＞＞これから知りたい人のためのGPT／Open APIスタートガイド＜＜
GPT／Open APIを利用する前に押さえておきたい基礎知識を確認できる一冊！

本書のテーマは、大きく2つに分かれています。
1つはGPTの技術的な基本事項、もう1つはGPT拡大期の市場動向です。

本書の前半は、まず大規模言語モデルが登場した背景を確認し、
さらにGPT/OpenAI APIの技術要素の概要、これまでの経緯などを説明します。

この後、ChatGPTの章では、テキスト分類、固有表現認識、文章要約、テキスト生成の例を紹介。
OpenAI APIの章では、モデル選択、パラメータ調整、追加トレーニングなどを確認し、
さらにPythonやNode.js、Go言語による基本的な実装コードを見ていきます。

本書の後半は、GPT拡大期における、GPTのスタートアップ企業の事例、
グローバル企業の動向を取り上げます。
そして最後に、GPTのリスクと今後の動向について展望します。

「この本は、GPT言語モデルを理解し、OpenAI API上でアプリケーションを
構築する方法を学びたい実務者や開発者にとって、完璧な出発点となるものだ」
──Peter Welinder（OpenAIプロダクト＆パートナーシップ担当副社長）

【章構成】
第1章 大規模言語モデルの革命
第2章 ChatGPTの4つの実行例
第3章 OpenAI APIの機能と活用
第4章 GPTによる次世代スタートアップの拡大
第5章 GPTによる企業革新のネクストステップ
第6章 GPTのリスク
第7章 AIへのアクセスの"民主化"

名高いコンペの解き方をたどる！
ケーススタディと練習問題で実践力を養おう

世界中の何百万人もの人々がKaggleに参加し、
さまざまなコンペティションで、より良い結果を得るためにしのぎを削っています。

本書は、そのためのスキルをより素早く身につけるのに役立つ
ワークブックとして構成されています。

過去の代表的なコンペを取り上げ、どのように段階を踏んで
ソリューションを構築していくのかを解説します。

たとえば、ディスカッションを読み、ノートブックを再利用し、
特徴量エンジニアリングやさまざまなモデルの訓練を見ていきます。

テーマによっては、基本的なソリューションから高度なものへと発展させていきます。
各種トピックについて理解を深めるための練習問題も掲載されています。

どのような情報や知見、理論をもとにして、
どのようなソリューションが導き出されたのか。
さまざまな手を尽くしながら競い合っていることもわかるでしょう。

※本書は『The Kaggle Workbook: Self-learning exercises and valuable insights
for Kaggle data science competitions』の翻訳書です。

※本書の姉妹書『The Kaggle Book』の内容を参照する箇所があります。

※『The Kaggle Book』で説明しているKaggleプラットフォームやデータサイエンスの
基本的な理解を前提にしています。

＜データサイエンス／データ分析の基本技術を体系的に網羅！＞
＜pandasの威力を実感！ 効率的なデータ操作と可視化を実践できる＞

データ分析や機械学習を利用する現場では、データを取り込み、変換／整備する必要があります。
そうしたデータの取り込みや前処理から始め、データ解析をスムーズに進めるための
Pythonライブラリとして、pandasが用意されています。

本書では、pandasなどを使ったデータ分析全体の基本手法を体系的・網羅的にカバー。
巻末の付録では、Python環境のインストールや文法などPythonの基本事項も確認できます。

初中級レベルの方がコードを試しながら理解を深めたり、おぼろげな知識について
確認したりすることで、基礎技術の定着やスキルアップが図れる一冊になっています。

「データクリーニング／前処理に慣れてから、モデリングを解説！
解釈しやすい形にデータセットを変更できる」

※本書は『Pandas for Everyone, 2nd Edition』の翻訳書です。

■本書の「序文」から抜粋
pandasを使うと、Pythonによるデータ分析が理解しやすくなり、
組織的で保守が可能なデータセットを作ることができ、
しかも（最も重要なことですが）整然としたデータセットが得られます。

Goプログラミングにありがちな間違いを網羅的に解説！
間違いに対処しておくことで、開発生産性とコード品質を高めよう。

本書では、Goアプリケーションによくある100の間違いを取り上げ、
その例を検証し、その背景にある事柄を掘り下げていきます。

さらに、間違いを回避するためのヒント、テクニックを紹介し、
実際の現場で間違いを回避できるようにします。

本書で取り上げる間違いは、バグ、不必要な複雑さ、可読性の低下、
最適ではない／慣用的ではないソフトウェア構成、APIの利便性の欠如、
最適化されていないコード、生産性の欠如です。

Go言語の文法のほか、エラー管理、並行処理、標準ライブラリ、テスト、最適化など
さまざまなカテゴリーにおける間違いを見ていきます。

【推薦の言葉】
Go開発者が製品環境でコードに触れる前に必ず読むべき本。
『Effective Java』に相当するGoの本です―Neeraj Shah, Nutanix

わかりやすく、効果的な例題。間違いがどのようになぜ起こるのかを理解することで、
手痛い間違いを避けられます―Giuseppe Maxia, VMware

【章構成】
第1章 Go言語―学ぶのは容易、習得は難しい
第2章 コードとプロジェクト構成
第3章 データ型
第4章 制御構造
第5章 文字列
第6章 関数とメソッド
第7章 エラー管理
第8章 並行処理：基本編
第9章 並行処理：実践編
第10章 標準ライブラリ
第11章 テスト
第12章 最適化

◎本書を読むにはGo言語の構文について理解している必要があります。
◎本書は『100 Go Mistakes and How to Avoid Them』の翻訳書です。

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、基本的なシステム構築やアプリケーションデプロイメントの基礎をまとめたガイドです。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ユーザーを対象としています。特にシステムを構築、運用するエンジニア同士がコードを共有し、継続的デリバリへと展開していく上で必要な、Ansibleの基礎知識を中心に取り上げています。
本書では、Ansibleの利便性だけでなく、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。そのため、本番適用を見据えた解説やコードの共有を意識しています。Ansibleの特徴を理解していただいた上で、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ることを目的とする方には、是非一読いただきたい一冊です。

XAI Pythonライブラリで予測結果を説明。
ブラックボックスからグラスボックスへ。

ビジネス上の意思決定につながる機械学習の予測には、解釈・説明が求められます。
そこで、そうした解釈・説明を行うための手法を紹介していきます。

まず、モデルの説明可能性と解釈可能性の全体像、倫理的に考慮すべき点、
生成された予測のバイアスについて説明します。

次に、LIME、SHAP、Skater、ELI5、skope-rulesといったPythonライブラリを使って、
モデルがなぜそのように予測するのかを探っていきます。

予測モデルとして、線形・非線形モデルのほか、アンサンブルモデル、時系列モデル、
自然言語処理、ディープラーニング、コンピュータービジョンを取り上げます。

本書は解釈・説明のための方法を包括的に取り上げており、
機械学習を実際の現場で活用する方にぜひ手に取っていただきたい一冊です。


【章構成】
第1章 モデルの説明可能性と解釈可能性
第2章 AIの倫理、偏見、信頼性
第3章 線形モデルの説明可能性
第4章 非線形モデルの説明可能性
第5章 アンサンブルモデルの説明可能性
第6章 時系列モデルの説明可能性
第7章 自然言語処理の説明可能性
第8章 What-Ifシナリオを使ったモデルの公平性
第9章 ディープラーニングモデルの説明可能性
第10章 XAIモデルの反実仮想説明
第11章 機械学習での対比的説明
第12章 予測不変性の特定によるモデル不可知の説明
第13章 ルールベースのエキスパートシステムでのモデルの説明可能性
第14章 コンピュータビジョンでのモデルの説明可能性

◎Pythonの文法・ライブラリや機械学習について
標準的な知識を理解している必要があります。

Knativeは「イベント駆動型アーキテクチャ」のフレームワークとして、サーバーレスなシステム構築に活用できます。とくに、マイクロサービスを利用したステートレスなアプリケーションを実装する上で、Knativeのイベント駆動型アーキテクチャのセットは非常に有用で、今後のクラウドネイティブな環境において、スケーラビリティの高いアプリケーションを簡単に実装するのに役立ちます。
本書では、クラウドネイティブに取り組むインフラ技術者が、最新トレンドであるKnativeの知見を体系的に学習できるように、技術解説に加えて、実務で参考になるユースケースを取り上げています。今後のKubernetes環境における必須の技術についての理解度を、本書でもう一歩前に進めることができます。IT現場でKnativeの採用を検討するうえでも、また、Knativeを使いこなすうえでも、必携のガイドブックの登場です。

データ分析競技のヒント、テクニック、ベストプラクティスを解説！
Grandmaster/Master 31人のインタビューも掲載。Kagglerの視点を学ぶ

◎ノートブック、データセット、ディスカッションフォーラムの活用を解説
◎モデルの評価指標、検証戦略、ハイパーパラメータ最適化について詳述
◎コンピュータビジョン、自然言語処理、シミュレーションなどもカバー
◎自身のポートフォリオを作成し、キャリアにつなげる方法を紹介

世界中の何百万人もの人々がKaggleに参加しています。
データ分析スキルを向上させ、素晴らしいコミュニティとネットワークを作り、
キャリアアップに役立つ貴重な経験を得ようとしています。

本書では、Grandmasterの著者2人がさまざまなモデリング戦略のほか、
これまでに蓄積されたテクニック、スキルを解説。
Kaggle特有のヒントだけでなく、より一般的なテクニックも学べます。

Kaggleのランクを上げたい、データサイエンスのスキルアップを図りたい、
既存のモデルの精度を上げたい、といった方への格好の一冊です。

「本書を最後まで読めば、自信を持ってKaggleに参加できるようになるはずです。
そして、Kaggleに自信を持って参加することには、多くの見返りがあります。
1つ目は、Kaggleが機械学習の最も実践的な開発を把握するための非常に効果的な方法であること、
2つ目は、Kaggleがユーザーに『試行錯誤で学ぶ』方法を提供することです」
―Kaggle創設者兼CEO アンソニー・ゴールドブルーム（序文より一部抜粋）

◎本書は『The Kaggle Book: Data analysis and machine learning
for competitive data science』の翻訳書です。

本書では、技術者だけでなく、IT基盤の方向性の検討や戦略の立案、意思決定を行う立場の方が、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、コンテナの特徴、導入時の検討項目、注意点などのチェックリストを設け、システム構成例などを解説図にまとめ、要点を把握しやすいようにしました。また、大規模データセンタ向けのコンテナ基盤構築の経験がない技術者でも、その基礎を理解できるよう、Docker（v20.10.系）のインストール手順、使用法などを具体的に記載しています。
　さらに実践的な解説内容としては、Docker Composeによるコンテナの連携、Swarmモードによるコンテナのクラスタ化、GUI管理ツールによる管理手法、コンテナ基盤における仮想ネットワークの構築、DVD、音源などの周辺機器の使用例、インターネットに接続しない社内コンテナ環境の構築、そして、複数コンテナによるオーケストレーションを実現する人気のKubernetesなどの解説を網羅しています。
　なお、今回出版される第3版では、Rootless Docker、ネットワーキング（Ipvlan）、認証付きプライベートレジストリ、K3sなど、Dockerを取り巻く最新のエコシステムについての加筆に加え、新たに商用版コンテナ管理基盤のEzmeral Runtime Enterpriseの構築手順、使用法など、2022年時点での最新のトピックを取り上げました。

第3版まで続くロングセラーのPyTorch版！
機械学習の基本から先進的な手法まで本格解説

『機械学習を実践的に学ぶための優れたテキスト』
『多くのトピックを網羅した深い一冊。強力にお勧め』
―原著への読者の声

本書の前半は、基本的な機械学習ライブラリのscikit-learnを使った手法を解説。
分類の基本モデルに始まり、単層ニューラルネットまでを実装するほか、データ前処理、次元削減、
ハイパーパラメーターのチューニング、アンサンブル学習、回帰分析などを取り上げます。

後半では、PyTorchによるさまざまなディープラーニングの手法を説明。
PyTorchの仕組みを示したあと、CNN／RNN／Transformerといったモデルの実装を解説。
敵対的生成ネットワーク、グラフニューラルネットワーク、強化学習もカバー。

◎本書は『Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python』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。

　AWSは、さまざまなサービスを構築・運用するITインフラとして、幅広く使われています。「使いたいときにすぐにサーバーを作れる」「規模や構成の変更が容易」「データベースやストレージ、さらには機械学習などのさまざまなすぐに使えるサービスが提供されている」などの使い勝手の良さだけでなく、負荷分散や冗長性の担保、バックアップなどの安全対策も考慮されているため、保守・運用コストを抑えられるのも人気が高い理由です。
　ただしAWSのインフラ構築は、機能が豊富で自由度が高い半面、はじめてAWSを利用する人にとっては、何もない場所に放り出されたようなものであり、何からはじめてよいかわからず、困惑する利用者も少なくありません。
　本書は、こうしたAWSの初心者を支援する目的で執筆されました。最初にAWSシステムの概要を説明したあとに、実際にネットワークを構築しながら、AWSにおけるサーバーに相当する「EC2インスタンス」を起動し、最終的に、独自ドメインでWebサーバーを運用できるようにする方法を指南します。その過程で、AWS独特のネットワークの作法を解説します。
　また第2版では、これまでの内容を改訂しただけでなく、VPCとAWSサービス、もしくは、オンプレミス環境などの別のネットワークを接続するといった事例を追加しました。具体的には、PrivateLinkを利用して、S3などのAWSサービスとVPCとを接続する方法や、VPNで拠点間を接続する方法など、VPCと他のネットワークとの接続を扱った章を設けました。今後、読者の皆さんがAWSの活用を広げる上で、必ず役立つ情報となるでしょう。

Rustの各手法や考え方を幅広く解説！
500以上のサンプルとその実行結果も掲載
全24章の包括的なチュートリアル

「この素晴らしいプログラミング言語を本格的に始めるのに最適」
「重要なメモリ管理と強力な型推論機能を紹介するのは簡単ではない」
─（原書への）読者の声

Rustは、C／C++の後継と位置づけられているプログラミング言語で、
性能やメモリ安全性を重視しています。

本書では、まず最小級のサンプルから説明を開始し、その後は、
さまざまな構文や特徴的な振る舞いについて多数のテーマを解説。

関数／メモリの割り当て／オブジェクト指向もカバーしており、
Rustの基礎から包括的に理解するのに役立ちます。

【言語の構文や機能に関するテーマ】
◎整数／浮動小数点演算、◎if・forなどの制御構文、◎ミュータブルとイミュータブル、
◎型推論の仕組み、◎配列／ベクター、◎タプル／構造体／タプル構造体、◎範囲とスライス、
◎パターン照合、◎イテレータ／イテレータアダプタ、◎各コレクションの特長、etc.

【関数に関するテーマ】
◎関数の定義と使い方、◎ジェネリックな関数や型、◎クロージャの定義と使用

【メモリに関するテーマ】
◎メモリの割り当ての仕組み、◎オブジェクトとメモリ

【オブジェクト指向に関するテーマ】
◎データのカプセル化、◎トレイトとジェネリックトレイト、◎デストラクタ、
◎演算子の多重定義、◎静的・動的ディスパッチ、◎オブジェクトの破棄

※本書は『Beginning Rust: Get Started with Rust 2021 Edition』の翻訳書です。
※プログラミングの基礎知識を有していることを前提としています。

　現在のLinuxの適用領域は、LAMPのようなWebサーバやデータベースサーバに留まらず、ビッグデータ処理やAIを利用したデータ分析、HPC、ソフトウェア定義型分散ストレージなど、その用途を拡大させています。それとともに、ハードウェアも高機能化し、オペレーティングシステムでも、数百のメニーコア、数十テラバイトの大容量メモリ、ペタバイト級のストレージを搭載したハードウェアに対応し、コンピューティングにおいても、クラスタリング、仮想マシン、コンテナ、クラウド環境へも対応可能な機能を備えています。
　Rocky Linux 8 & AlmaLinux 8は、CentOS 7でのシステムにおける大幅な改良を引き継ぎつつ、さらにさまざまな新機能を搭載しました。主なツールとしては、コンテナ管理（Podman）、仮想マシンイメージ作成（Image Builder）、ストレージ管理（Stratis）、パケットフィルタリング（nftable）、セッション録画/再生（tlog）などがあります。
　本書では、これらの最新のツールを使いながら、IT現場の技術者にとって必要な、システム管理に伴うさまざまな手法を解説しています。
Rocky Linux 8.5 & AlmaLinux 8.5対応

●技術知識がなくても読める本格的なAI史
本書は英オックスフォード大学のコンピュータサイエンス研究者マイケル・ウルドリッジ教授による、AI（人工知能）の一般向け解説書です。AIは高度なコンピュータ技術であり、その実像を技術レベルで理解することは容易ではありません。しかし、本書は技術的知識がなくても、コンピュータの歴史を通じて、AI の技術的な概念や意義について正しい理解ができるように工夫されています。

●AIの歴史とディープブレイクスルー
本書の前半ではコンピュータ技術の黎明期から続く人工知能の研究の歴史を振り返ます。チューリングマシンと言われる思考実験上の機械から、コンピュータ技術の開発史に触れ、人工的な知能を作り出すためのさまざまなアプローチを紹介します。また、21世紀におけるディプラーニングの登場やそれらがなぜ大きなブレイクスルーをもたらしたのかについても触れます。後半ではAIの可能性やそれがもたらす社会の変化、注意すべき事象や将来の姿について考察をめぐらしていきます。

●本当のAI の姿を知る
AIがどのように開発され、どのような状況にあり、将来どのような姿になるのか、そして人間は本当に「意識のある機械」を作れるのか？本書はAIを知り、それを有効に活用するための必読の入門書です。

本書は、Ansibleの自動化の対象や目的に応じて、必要な内容を調べる逆引きリファレンス的な書籍です。とくに、自動化したい対象システムが定まっていて、これから自動化に取り組む、または取り組んでいる方に適しています。「入門書を読んで基本的なことは分かったが、自分が実現したいことに対してプレイブックをどう書いてよいか分からない。」このような場合に、手がかりとなるプレイブックを本書から見つけ、必要に応じて読み替えや公式ドキュメントも併せて参照していただければ、ご自身の課題解決に役立てることができます。

　本書では、従来のシステムをLambdaで構築するときの設計手法や具体的な事例の作成を通じてLambdaでのプログラミング手法を解説します。第2版では、2022年の最新情報にアップデート、SAM開発環境に対応しました。
　AWS Lambdaは、サーバーを必要としないプログラムの実行環境です。開発者が処理したい内容を小さな関数として実装すると、必要に応じて、それが実行される仕組みです。
　サーバーを必要としないということは、運用の手間やコストを削減できるということです。この利点はとても大きいため、新規の開発案件では、Lambdaが採用されるケースが増えています。しかし、Lambdaによる開発に大きなメリットがあるといっても、すぐに移行できるほど話は簡単ではありません。従来のEC2インスタンスを使った開発とLambdaを使った開発とでは、プログラミングの方法はもちろん、設計の考え方も大きく異なるからです。Lambdaを使い始めるには、Lambdaの仕組みの理解と、その特性を活かした設計の考え方を習得することが不可欠です。
　本書では、従来のシステムをLambdaで構築するときの設計手法や具体的な事例の作成を通じてLambdaでのプログラミング手法を解説します。とくにLambdaを使った開発では、AWSサービスの操作に重きを置きます。Lambdaを活かせるかどうかは、AWSの各種サービス――ストレージのS3、プッシュサービスのSNS、メール送信のSESなど――を、いかに使いこなせるかに左右されます。そこで本書では、実例を通じて、そうしたAWSサービスの実際の使い方にも言及されています。

クリーンで柔軟性の高いプログラムを開発できる。
プロの品質を実現するデザイン手法を多面的に解説。

＜抽象化、カプセル化、パフォーマンス、テスト、拡張性と柔軟性、
クラスの継承、疎結合、リファクタリング、デザインパターン .etc＞

プログラマーが考慮すべきソフトウェアデザインのアプローチとして、
さまざまな手法がこれまで登場し発展してきました。

たとえば、1960年代の構造化プログラミング以降で発展した「関心の分離」や「抽象化」、
オブジェクト指向の中心概念の1つ「カプセル化」などが挙げられます。
これらは、いずれもソフトウェアの開発／運用をより容易にし、拡張性・保守性を高めるものです。

本書では、それらのアプローチをどのように理解し、
Pythonでどのように実践していけばよいのかを解説します。

本書の内容を習得することで、初中級者はコーディングスキルを大きく向上させ、
プロフェッショナルなプログラミングへの道を見通せるようになります。
ベテランの開発者が最近のトレンドを押さえて昔の知識を更新するのにもよいでしょう。

さまざまなアルゴリズムを一挙に把握できる。
問題解決力、データ活用力をレベルアップ！

ソートや検索といった基本的なアルゴリズムから、
大規模処理・暗号化、機械学習・説明可能性の手法など最新系もカバー。

本書は、アルゴリズムの基本事項から始まり、検索やソートなどの実例を示します。
より複雑なアルゴリズムとしては、線形計画法、ページランキング、グラフアルゴリズム
を説明。機械学習アルゴリズム背後のロジックも理解できるようにします。
ケーススタディとして、不正分析やレコメンデーションエンジンを取り上げ、
さらには大規模処理・並列処理・暗号化のアルゴリズムも紹介します。
本書は、さまざまなアルゴリズムを活用したい方にとってその手掛かりとなる
格好のガイドブックです。

Kubernetesを活用したアプリケーションライフサイクルの自動化ノウハウを解説。
　近年、アプリケーションの実行環境として“Kubernetes”を採用している企業が急速に増えています。Kubernetes上でのコンテナ開発は、これまでのアプリケーション開発とは大きく異なるため、どこから手を付けていけばよいのかと不安に感じている方も少なくありません。こうした状況を踏まえ、本書では、1つのアプリケーションライフサイクルの実装を通して「いかに少ない労力で開発プロセスを運用し続けるか」という改善案を提示します。
　単にコンテナを導入し、Kubernetesを活用するだけでは運用負担の軽減や、迅速なサービス展開といったビジネスメリットを得るのは簡単ではありません。継続的インテグレーションや継続的デリバリの実装にとどまらず、開発プロセスに関わる開発者やレビューアの役割を見直す必要があります。本書ではこの点にも焦点を当て、ツールの使い方以上に、クラウドネイティブな開発プロセスの変化を理解し、実践しながらアプリケーションライフサイクルの改善ノウハウを解説します。

シンプルなゲームを作りながら、C＃とUnityの概念や基本を理解できる！―Unityは、最も人気の高いゲームエンジンの1つで、開発環境も備えています。本書では、Unityのインストール方法などを示した後、シンプルな3Dゲームを構築しながら、プログラムの構成部品としてC＃スクリプトを作成／活用する方法を解説します。前半は変数、メソッド、制御フローなどプログラミングの初級テーマを取り上げます。後半はカメラ制御、衝突、ライティングなどゲーム機構を説明し、さらにコレクションやジェネリックなどプログラミングの中級テーマもカバーします。本書では「実践」「クイズ」といったセクションも設けており、Unityゲーム開発におけるC＃の基礎を把握するのに格好の一冊です。―◎制御フローやジェネリック／イベントなど様々なキーポイントをカバー。◎ゲーム機構やUIの実装、C＃の中級トピックも把握できる―『Learning C# by Developing Games with Unity 2020, 5th Edition』を翻訳【本書は原著の第5版を翻訳】

　2017年から2018年にかけて、コンテナ型仮想化技術を実現するDockerやコンテナアプリケーション基盤を支える、Kubernetesを始めとするコンテナアプリケーション開発プラットフォームに関連するマネージドサービスが、クラウドプロバイダーやベンダー企業からリリースされています。それに伴い、従来のアプリケーション開発からコンテナアプリケーション開発へとシフトし始めています。
　コンテナアプリケーション開発は、基盤や運用を含め一つのパラダイムシフトでもあり、従来のアプリケーション開発とは、さまざまな点において異なります。本書では、プリケーションエンジニア、インフラエンジニア、オペレーションエンジニアの方々を対象に、これまでのアプリケーション開発とコンテナアプリケーション開発の違い、コンテナアプリケーション開発に必要となるDocker、Kubernetesや自動化で必要となるCI/CD、コンテナアプリケーションの運用方法を基本から解説しています。

コンテナ技術の発展と普及に合わせ、現在ではさまざまなコンテナが提供されるようになっています。
「コンテナ」とはLinuxのカーネルの機能を使ったインフラ技術であり、1つのLinuxサーバーを複数のサーバーのように振舞わせることで従来よりもオーバーヘッドの低い仮想化を実現します。
コンテナの代表的な仕組みであるDockerを使うことで、さまざまなサーバー環境がパッケージ化でき、システムへ簡単に導入／移動／削除できるようになります。そして、これらの普及に合わせて新しいソフトウェアや独自の環境をコンテナ化したいという要望も増えて来ました。
本書は、コンテナの作成に広く使われている「Alpine Linux」を解説するものです。Alpine LinuxはOSに付属のソフトウェア群を極力削った軽量ディストリビューションであり、とても小さなフットプリントを持ちます。このため、導入が簡単で運用しやすい小さなコンテナを作ることが可能です。
本書では、OSとしてのAlpine Linuxの特徴を解説し、その導入の方法や基本的な操作をLinuxの基本から解説します。また、各種のサーバーの導入方法など、目的のソフトウェアを導入したシステムを作成するための手順を解説するほか、それらをDockerコンテナとするための手順も詳しく解説します。
本書の内容を学ぶことで、自分の目的に応じたオリジナルのコンテナを開発でき、それらを公開して運用することも可能となります。現代のシステムインフラストラクチャーに欠かせないコンテナ技術の実践的な活用法を学べる一冊です。

言語設計者によるScalaのバイブル 第4版！
バージョン2.13に対応。全35章の包括的チュートリアル

Scalaは、1行コードから大規模プログラムまで書けるスケーラブルな言語です。
オブジェクト指向と関数型をバランスよく融合し、並行処理やパーサー・
コンビネーターなどライブラリーも豊富に提供されています。

本書では、言語設計者自らが、Scalaの考え方と使い方を
ステップ・バイ・ステップで解説。

取り上げるテーマは、オブジェクト指向、関数型、制御構造、クロージャー、
トレイト、パターンマッチ、Futureなど。

第4版では、バージョン2.13に合わせて改訂し、
新しいコレクションライブラリーに対応しています。

「Scalaのスタイルやパターンを学びたい人は必読」
「言語の"なぜ"を深く追求している」。
―（原書への）読者の声

◎本書は「Programming in Scala, Fourth Edition」の翻訳書です。

●仮想化システムの活用を基礎から解説
vSphereは現代のコンピュータシステムで広く使われている仮想化基盤ソフトウェアです。ハイパーバイザー型のコンピュータの仮想化を実現し、システムの運用にさまざまな利点や柔軟性をもたらします。本書では、このvShereの最新バージョンであるvSphere 7を題材に、システムにおける活用を解説します。仮想化の基本から説明し、新規にvSphere 7を導入する場合のほか、既存vSphereから移行する場合の手順、確認事項、注意点をまとめました。そのほかにも、システムの設計、運用、バックアップリカバリーなどを詳しく説明し、仮想化されたデータセンターSDDC（Software-Defined Data Center）の実現のための情報を提供します。
●クラウド／コンテナの活用を見据えたvSphere 7
また、オンプレミスのシステムだけでなく、クラウドを使ったシステム構築とvSphereとの連携についても解説します。現在のvSphereはクラウドとの連携機能を充実させており、仮想マシンをオンプレミスとパブリッククラウドで相互運用できるようになりました。こうしたクラウド連携によるシステム運用についてもポイントを解説します。さらに、Kubernetesに代表されるシステムのコンテナ化にも対応し、より軽量で柔軟な仮想システムの運用を実現することもできます。
vSphereは仮想化の登場以来、つねに進化を続けており、vSphere 7でも多くの機能が提供されています。本書では、新しい時代のコンピューティングに対応した、仮想化環境の活用を実現するためのさまざまな情報を提供します。

「<em>CentOS 8による企業のIT基盤を支える必須技術を集約</em>」
　CentOS 8の運用管理、サーバ構築にかかわるシステム管理者を対象に、従来型のデータベース、Webサーバ、メールといったサーバシステムの構築から最先端の仮想化、コンテナ基盤、IaS、GPU・AIサーバ、といったクラウドネイティブ型サーバ構築に至るまで、実際のIT基盤の提案、構築、日常の運用業務など、さまざまなシーンで役立つ情報を網羅しています。
CentOS 8.3対応

日本語テキスト解析処理を快速プログラミング！
単語／文書の分類、機械翻訳などを実装。

自然言語処理は、検索エンジン、自動要約、機械翻訳、音声認識などで利用される技術です。
PyTorchでは、特にTransformersというBERT系モデルを提供することで、
より簡単にBERTを利用できるようになっています。
本書では、自然言語処理で特に重要なディープラーニング技術である
word2vec、LSTM、seq2seq、そしてBERTを取り上げます。

まず第1章でPyTorchの基本を説明します。そのあと各技術の考え方を説明し、
PyTorchを使ったそれぞれのプログラミング手法を解説します。
それらのプログラミングでは、以下のことなどを目的にしています。

・単語や文書の類似度を測る
・文章内の単語の品詞を分類する
・日英の機械翻訳を実行する
・文書を分類する
・質問／回答タスクを実行する

【本書の構成】
第1章　PyTorchの基礎
第2章　word2vecによる分散表現 ～単語をベクトルで表現～
第3章　LSTMによる時系列データ解析 ～文を単語の系列として解析～
第4章　seq2seqモデルによる機械翻訳 ～ある系列を別の系列に変換～
第5章　事前学習済みモデルBERTの活用 ～タスクに応じてモデルを調整～
付録A　プログラミング環境の構築（Windows）
付録B　本書で解説した主要プログラム集

※本書の内容はPython／PyTorch／機械学習の基本事項を
理解されていることを前提としています。

　本書は、Web開発のプロが書き下ろしたの国内初のElixirプログラミングの解説書です。新しい言語に挑戦しようとする現役のプログラマだけでなく、プログラミング自体の初心者にも門戸を開くべく、「変数」や「整数」のような基本的な概念についてもできるかぎり丁寧に説明しています。また、具体的なソースコードとその実行結果を数多く掲載しています。特に誤ったソースコードの例とそれを実行したときに出力される警告とエラーメッセージについて詳しく解説されており、初心者が戸惑い、学習意欲を損なわないようなに配慮されています。本書で扱ったサンプルコードは、Webサイトからダウンロード可能です。実行環境としてはDockerコンテナを利用し、Elixir 1.11に対応しています。また、著者のサポートサイトでは、本書の内容に関する質問も受け付けています。
　本書はの主要なテーマは、モジュール、関数、データ型、パターンマッチングなどです。より複雑なテーマである構造体、ポリモーフィズム、ビヘイビア、メタプログラミング、並行プログラミングなどは、続編となる「Elixir実践ガイド アドバンスト編」で扱います。

●本書の特徴
現在のコンピューティングの世界において、機械学習の分野は最も注目されている領域と言えるでしょう。機械学習の登場により、従来とは比べものにならないくらいの高精度かつ複雑なデータの分析が可能となりました。
本書は、機械学習の手法の中でもとくにディープラーニングに注目し、その実践のための知識を基礎からまとめています。概念としての「人工知能」「機械学習」「ディープラーニング」の紹介から、数学知識のまとめ、プログラミングとフレームワークの利用方法、環境の構築までを解説していきます。
機械学習基盤の構築について、理論から実践までの要素を紹介することから、実際の業務にも応用可能な本格的システムを作るための知識を一気通貫に習得可能です
●Python/PyTorchによる機械学習の実現
本書では、機械学習を実現するためのプログラミング言語としてPythonを取り上げ、ディープラーニングを実現するライブラリとしてPyTorchを用います。PyTorchは機械学習のさまざまな機能を備えており、煩雑な処理を極めて簡潔に書けます。本書では、PyTorchを利用した画像の解析とテキスト分析を例に、ディープラーニングの実践について詳しく見ていきます。
また、本書では開発したソフトウェアを動作させる環境についても言及します。クラウドを利用した実行基盤の実現についても多くのページを割き、スケーラビリティを有するシステムの構築についても学ぶことが可能です。
本書は、執筆者の人工知能の分野での教育活動やコンサルテーションの豊富な経験をもとに執筆されており、機械学習の分野における「学び」を、読者が基礎からひととおり体験できるように構成されています。

舞台裏も他言語との違いも分かる！ 関数型／オブジェクト指向／非同期の活用、モジュールによる拡張、落とし穴の回避などを解説［基本事項を中心に、中級～超上級レベルも学べます］
本書は、JavaScript標準であるECMAScript 6以降に対応した、完全かつ簡潔なガイドブックです。古いバージョンについては解説をスキップし、現在のはるかに強力なモダンJavaScriptの中核技術からスタートできます。近年、JavaScriptプログラマーの達人たちは、エラーが発生しやすい手法を回避するために、関数型／オブジェクト指向／非同期プログラミングを積極的に採用しています。そうした最新のテクニックやヒントを本書で習得し、開発生産性の飛躍的な向上をぜひ目指してください。Java、C#、C/C++など他言語の経験者、初中級者がモダンJavaScriptを本格的に学べる一冊です。◎本書は『Modern JavaScript for the Impatient』の翻訳書です。

オブジェクト指向は、現代のソフトウェア開発には欠かすことのできない技術要素となっています。オブジェクト指向分析、オブジェクト指向プログラミング、オブジェクト指向データなど、オブジェクト指向を元にした技術にはさまざまなものがあります。しかし、それらはすべて基本的な要素や概念を共有しており、ひとつの基礎から成り立っています。オブジェクト指向に通底する考え方を理解しておくことは、それぞれの技術の使いこなしには欠かすことができません。
本書では、プログラミングを軸に、オブジェクト指向のさまざまな概念を学んでいきます。基礎的な概念であるクラスやオブジェクトを学び、それらがどのような方法でシステムを抽象化し、開発やメンテナンスを効率化するかを示します。プログラミング言語を学んだだけではオブジェクト指向を活かすことはできませんが、こうした思考法を身につけていくことで、次第に依存性の少ない見通しの良いシステムの設計／開発が可能となっていきます。
本書では、1～9章でオブジェクト指向のさまざまな要素を解説していきます、各要素の概念を説明するとともに、クラスをどのように設計すべきなのか、難しいとされる「継承」をどのように実現すべきなのか、さらにインタフェースや抽象クラスなどの利用についても充実した解説を行います。また、後半の10～12章では、デザインパターンの利用、依存関係の制御、設計の原則であるSOLIDなど、よりプロジェクト的な観点からの知識を身につけることができます。
本書はオブジェクト指向開発の揺籃期から、その概念を学ぶための優れた指南書となってきました。第5版ではWebを前提としたシステムやモバイルデバイスなどの要素も取り込んで、現代の開発のさまざまな局面でオブジェクト指向を活かせるようになっています。
オブジェクト指向のエッセンスを正しく理解して、システム開発を効率化し、一歩進んだ開発者となるための有用な知識をまとめた一冊です。

本書は、機械学習コンセプト全般をカバーし、理論的背景とPythonコーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング（CNN／RNN）、敵対的生成ネットワーク、強化学習などを取り上げ、scikit-learnやTensorFlowなどPythonライブラリの新版を使ってプログラミング。第3版では13～16章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる一冊です。◎本書は『Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd 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。［原著の第1版］●ドイツ語、韓国語、中国語、日本語、ロシア語、ポーランド語、イタリア語に翻訳。●ACM（米国計算機学会）の「21st Annual list of Notable Books and Articles（2016）」にランクイン。［日本語の第1版］●「ITエンジニア本大賞2017」ベスト10にランクイン。

ディープラーニングは、近年のAIテクノロジーの中心的な存在です。企業でもこの技術を活用しようとする動きが増えてきていますが、ディープラーニングのシステム化に成功するには、そのための十分な知識が必要です。本書では、ディープラーニングフレームワークの開発者であり、さまざまなAIプロジェクトでの経験を有するアダム・ギブソン氏が、ディープラーニングなどAIを活用したシステム化のキーポイントを説明します。また、ディープラーニングの使いこなしに役立つ本質的な技術的知識も解説。今まさに現場でAI技術の実装を行っている方、AIプロジェクトの管理を行っている方に格好の内容となっています。

Elastic Stackは、単なる全文検索システムではなく、Webシステム管理者、データサイエンティスト、インフラエンジニアなど、幅広い用途で利用できるデータ分析基盤です。
本書は、Elastic Stack 7.6を利用し、さまざまな形式のログデータの加工・蓄積・可視化・解析を行うための分析基盤の構築、基本操作、ログ分析の具体的なユースケースを解説した実践ガイドです。
ログデータの具体的なユースケースから、Logstash（データパイプライン）とBeats（データシッパー）によるログ分析基盤の構築、Logstashプラグインの活用、LogstashによるETL処理、AWSにおけるログ分析の活用など、実践的なノウハウを提供します。
アプリケーション開発者からデータサイエンスにかかわるインフラエンジニアまで、多くの利用者に役立てていただける内容です。Elastic Stack 7.6対応

Kubernetes解説書の決定版がついに改訂！
Kubernetesはコンテナ化されたアプリケーションのデプロイ、スケーリングなどの管理を自動化する「コンテナオーケストレーションエンジン」です。「クラウドネイティブ」を実現するためのコア技術として、現在多くのシステムでの利用が進んでいます。
本書では、アプリケーション開発者やインフラエンジニアを対象に、Kubernetesの機能やそのエコシステムについて網羅的に解説します。好評をいただいた前版を全面的に見直し、バージョン1.18に対応しました（アルファ機能を含む）。前版以降に追加された機能や変更点にも言及し、最新のKubernetesを活用するための多くの知見を提供します。
これまでKubernetesを触ったことがない方でもそのコンセプトを理解し、実際にアプリケーションをコンテナ化して実行できるようになることを目標としています。また、Kubernetesの認定資格であるCKA（Certified Kubernetes Administrator）およびCKAD（Certified Kubernetes Application Developer）取得のための副読本として、学習に役立つ様々な知識を得ることも可能です
新版は、285枚の図、312個のサンプルマニフェスト、257個のよくある質問とその回答により、より分かりやすいものとなっています。Kubernetesを使ったプロダクションレベルでの活用を目指す人のための、価値ある一冊です。

Elastic Stackは、単なる全文検索システムではなく、Webシステム管理者、データサイエンティスト、インフラエンジニアなど、幅広い用途で利用できるデータ分析基盤です。
本書は、Elastic Stack 7.6をベースに、分散型全文検索システムによるデータ分析基盤の構築、Elasticsearchのインデックスの作成やクエリの基本的な使い方、Analyzer/Aggregationによる高度な分析やElastic Stack（Logstash/Kibana）によるログ収集・解析・可視化など、全文検索の基礎から具体的なデータ分析の手法まで、豊富な事例と応用的な使い方をまとめた実践ガイドです。
全文検索エンジンとしてのElasticsearchの特徴や導入・利用方法を紹介するだけでなく、ログ収集・解析などの用途で使う際に関連する製品と組み合わせて使う手順や、Elasticsearchを運用する際の注意点なども含めて、総合的に使える内容をまとめました。
アプリケーション開発者からデータサイエンスにかかわるインフラエンジニアまで、多くの利用者に役立てていただける内容です。Elastic Stack 7.6対応

本書は、2019年12月に出版された『Ruby on Rails 6実践ガイド』の続編です。本編で作成した企業向け顧客管理システムBaukis2の機能をさらに拡張し、実用性の高いシステムにしていきます。本書のテーマは多岐にわたります。クッキー、リクエスト元のIPアドレス、Ajax、データベーストランザクション、排他的ロック、ツリー構造のデータなど、さまざまなWebアプリケーションに必須の機能を実装しながら解説します。また、この機能拡張編では、HTMLフォームのさまざまなバリエーションを紹介しています。特にRailsで業務システムを開発する場合、要求仕様に応じて自由にHTMLフォームを設計・実装する力が求められます。本書では、さまざまなフォーム設計の事例を扱っていますので、一種のレシピ集として活用できます。

本書は、ITプロを目指す初心者が、CentOS 8を通してLinuxのシステム管理とサーバ構築の基本操作を学習していくための入門書です。普段はWindowsやmacOSといったウィンドウ環境を利用している方を対象に、Linux（CentOS 8）におけるコマンドライン操作、ユーザー管理、パッケージ管理、ネットワークの基本設定、サーバーの管理・構築について、実際の操作を行いながら解説します。本書を読み終えた段階で、CentOSでの基本的なシステム管理やWebサーバやファイルサーバの構築が行えるようになることを目指しています。Chapter 1～Chapter 3までは、CentOSのインストールから始めて、コマンドラインの使い方を学習します。その後のChapter 4とChapter 5では、Linuxのシステム管理、ネットワークやセキュリティの基本的な設定を行います。Chapter 6以降は、より実践的なサーバ構築のテーマとして、ファイルサーバとしてSambaとNFS、WebサーバとしてApacheの構築を取り上げ、最後にSSHによるリモートアクセスの方法を解説します。

マイクロサービスは、現在最も注目されるソフトウェアのアーキテクチャスタイルです。巨大なモノリシック（一枚岩）システムを、独立した複数のサービスへと分割することによって、それらのサービスはRESTやメッセージングを介して協業できるようになります。機能別に分割されたサービスはそれぞれ個別に開発／デプロイ／管理され、疎結合となっており、保守性や運用性が飛躍的に向上します。
マイクロサービスは巨大なエンタープライズシステムのモダナイゼーションに役立つアーキテクチャスタイルですが、その実践は簡単なことではありません。本書は、システムのマイクロサービス化の成功に向けた極めて実践的な解説書です。豊富なサンプルコードを示しながら、ストーリー仕立てで具体的な解説を試みます。システムやプロセス間通信の設計や、ビジネスロジックの開発、データの永続化などを解説し、さらにテストやデプロイ、開発プロジェクトのマイクロサービスへの移行などについても考察しています。
マイクロサービスについて詳しく知り、その実現のための具体的な方法を知りたい、開発の失敗を避けるための生きた知識を得たいという方のために、本書はさまざまな知見を提供します。

Javaのテクニックをアップグレードしよう！

バージョン10から最新版まで
さまざまなアップデートを一挙に学べる！

Java SE 10以降では、年2回のバージョンアップサイクルとなっています。
そのうちバージョン11は、長期サポート版としてリリースされました。

本書では「Java SE 10～13の新機能」と「開発中の機能」を取り上げています。
取り上げるテーマは、以下のとおりです。

型推論、アプリケーション・クラスデータ共有、
ガベージコレクタ、ラムダ式、ラムダパラメータ、enum、
データクラス、テキストブロック、パターンマッチング、など

機能の内容だけでなく、背景、使い方、ユースケースも適宜、説明しています。
本書は、機能拡張のサイクルを加速させるJava SEのアップデートを確認したい
読者にとって、最適な一冊です。

　現在のLinuxの適用領域は、LAMPのようなWebサーバやデータベースサーバに留まらず、ビッグデータ処理やAIを利用したデータ分析、HPC、ソフトウェア定義型分散ストレージなど、その用途を拡大させています。それとともに、ハードウェアも高機能化し、オペレーティングシステムであるCentOSでも、数百のメニーコア、数十テラバイトの大容量メモリ、ペタバイト級のストレージを搭載したハードウェアに対応し、コンピューティングにおいても、クラスタリング、仮想マシン、コンテナ、クラウド環境へも対応可能な機能を備えています。
　CentOS 8は、CentOS 7でのシステムにおける大幅な改良を引き継ぎつつ、さらにさまざまな新機能を搭載しました。主なツールとしては、統合OS管理（Cockpit）、コンテナ管理（Podman）、仮想マシンイメージ作成（Image Builder）、ストレージ管理（Stratis）、パケットフィルタリング（nftable）、セッション録画/再生（tlog）などがあります。
　本書では、これらの最新のツールを使いながら、IT現場の技術者にとって必要な、システム管理に伴うさまざまな手法を解説しています。
CentOS 8 1911（2020年1月バージョン）対応

基本的なコードから1つ1つ試せる！
プログラミング・スキルを着実にレベルアップ。
初中級テクニックと実践力を強化しよう。

本書ではPythonのさまざまな側面をカバーしています。
文法＆基本テクニック、目的別テクニック、
そして、実践的なプログラムの発想と実装まで。

【文法＆基本】インストール、初歩、リスト／タプル／辞書、イテレータ…
【目的別テクニック】ファイル操作、GUI、DB、ネットワーク、Webアプリ、テスト…
【開発プロジェクトサンプル】マークアップ処理、ファイル共有、GUI、ゲーム

本書は、2014年4月出版の『実践Ruby on Rails 4: 現場のプロから学ぶ本格Webプログラミング』をRuby on Railsのバージョン6向けにアップデートしたものです。本書では、1つの企業向け顧客管理システムを作る過程で、RailsによるWebアプリケーション開発の基礎知識とさまざまなノウハウを習得していきます。各章末には演習問題が設けられているので、理解度を確かめながら確実に読み進められます。著者が試行錯誤を繰り返した上でのベストプラクティスを提供し、読者は、実際に業務システムを構築しながらRailsのさまざまな機能、方法、作法、メソッド、テクニックを学ぶことができます。

クラウドの活用ステージをレベルアップ！ シンプルな移行からクラウドネイティブへ。クラウドの潜在能力を存分に引き出す！ ― ITリソースをクラウドネイティブに移行すると、コストの削減、パフォーマンスの向上、リソースの効率的な活用、スケーラビリティの向上といった、さまざまなメリットを享受できます。さらには、クラウドベンダーによるITイノベーションを容易に活用できるようになり、ユーザーのシステムは飛躍的に進化する機会を得ます。本書は、技術面だけではなく、事業や組織との関係性にも踏み込み、シンプルな移行からクラウド活用の成熟化へと道筋をつける、格好の一冊となっています。※本書は『Cloud Native Architectures: Design high-availability and cost-effective applications for the cloud』の翻訳書です。

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、Windowsサーバー、ネットワーク機器設定の自動化など、さまざまな応用事例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 2.8/CentOS 7.6対応。

AWSインフラ構築/管理の基礎と手法を網羅。アカウント作成から、システム規模の自動化（自動スケーリング）までカバーした格別の一冊！ 無料枠での利用についても適宜示しています。多くの章で共通するテーマの1つが「自動化」。本書の内容を試せば、AWS CloudFormationを使いこなせるようになるでしょう―Part 1では、活用事例や長所、料金などを紹介した後、基本サンプルとしてWordPressシステムの構築法を示します。Part 2では、インフラ構築/管理の基礎事項を中心に説明。Part 3では、データを格納する6種類の方法を具体的に見ていきます。Part 4では、動的スケーリングが可能で、高可用性そして耐障害性を持つインフラアーキテクチャを重点的に見ていきます―［サーバー＆ネットワーク］自動デプロイ、セキュリティ、サーバーレス開発…［データストア］オブジェクト、リレーショナル、共有、キャッシュ、NoSQL…［高信頼化］高可用性、耐障害性、オートスケーリング…AWSには、さまざまなメリット―最新機能の活用、自動化、スケーラビリティ、信頼性、より短期間での環境構築など―があります。本書の内容を把握すれば、こうしたメリットを享受できる準備が整うはずです。※本書は『Amazon Web Services in Action, Second Edition』の翻訳書です。掲載した画面や手順は、2019年8月上旬に確認したものを掲載していますが、今後変更される可能性があります。

　本書では、クラウドネイティブに求められる背景やトレンドを押さえるとともに、「Kubernetes」やそのエコシステムを利用し、クラウドネイティブアプリケーションの実装について解説しています。Kubernetesは、コンテナを管理するコンテナオーケストレーションツールであり、これを活用することで、適切なインフラリソースの提供だけではなく、アプリケーションの開発や展開が、容易かつ動的に行える環境を構築できます。
　本書の読者対象は、これからクラウドネイティブアプリケーションの開発・運用を始める方です。したがってその内容も、Kubernetesとそのエコシステムを活用したアプリケーションの開発、運用にフォーカスしています。最初にKubernetesそのものの仕組みの基礎を説明したあとは、その上で動くアプリケーションを運用するために必要なエコシステムやその活用方法に重点を置いています。
全体は、2部構成になっており、第1部では、クラウドネイティブアプリケーションを支える技術の一つとして注目される、Kubernetesの概要を紹介します。クラウドネイティブの考え方からKubernetesが提供するコンポーネントの役割まで、本書を読み進める上でのポイントを取り上げます。
　第2部では、Kubernetesエコシステムを活用して、クラウドネイティブアプリケーションの開発やその上で動くアプリケーションの管理方法を紹介します。クラウドの特徴を活かしたアプリケーション開発や運用の重要性を取り上げます。

進化し続けるブロックチェーン「イーサリアム」。その思想を知らなければ次世代のビジネスは作れない！ ― 過大な期待と幻滅が入り混じるブロックチェーンの中で、「イーサリアム」は、契約を自動化するスマートコントラクトや、Dappsと呼ばれる分散アプリケーションといった技術を生み出し、ブロックチェーンを新世代のビジネス基盤へと進化させています。本書は、その普遍的な技術思想と基本要素を知るための格好の一冊です。取り上げるテーマは、仮想マシン、ウォレット、暗号資産の移動、プログラミング言語、社会的役割など。ノンプログラマーの方もプログラマーの方も、ブロックチェーンをビジネスに導入する前に知っておきたいイーサリアムの基本をたっぷり解説しています。 ― 【本書の構成】第1章　イーサリアムはなぜ経済を作るのか／第2章　ウォレットから理解するトランザクション／第3章　EVMが世界を1つの巨大なコンピューターにする／第4章　スマートコントラクトのためのSolidityプログラミング／第5章　スマートコントラクトとトークンの発行／第6章　イーサのマイニングとコンセンサスのプロセス／第7章　クリプトエコノミクスのインパクト／第8章　分散型アプリケーションのデプロイ／第9章　プライベートチェーンとパブリックチェーン／第10章　イーサリアムの応用領域／第11章　イーサリアムが約束する未来

必須のPython機械学習ライブラリを使いこなそう！ 機械学習の各手法を80超のレシピとして幅広く解説。具体的には、次のテーマを取り上げます ― ◎機械学習の基本的な枠組み、◎モデル構築前のワークフローと前処理、◎次元削減、◎線形モデルの構築、◎ロジスティック回帰、◎距離指標によるモデル構築、◎交差検証とモデル構築後のワークフロー、◎サポートベクトルマシン、◎決定木とアンサンブル学習、◎テキストと多分類、◎ニューラルネットワーク、◎単純な評価器の作成 ― 原著 2nd Edition待望の翻訳！ 本書は『scikit-learn Cookbook - Second Edition』の翻訳書です。 本書の対象読者として、機械学習のPythonプログラミングについてある程度知識または経験のある方を想定しています。

　本書では、技術者だけでなく、IT基盤の方向性の検討や戦略の立案、意思決定を行う立場の方が、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、コンテナの特徴、導入時の検討項目、注意点などのチェックリストを設け、システム構成例などを解説図にまとめ、要点を把握しやすいようにしました。また、大規模データセンター向けのコンテナ基盤構築の経験がない技術者でも、その基礎を理解できるよう、Dockerのインストール手順、使用法などを具体的に記載しています。
　また、今回出版される第2版では、新たに商用版Docker EEの検討項目、構築手順、使用法、セキュリティ管理手法の掲載に加え、Dockerを取り巻くエコシステムについて、2019年時点での最先端のトピックを取り上げました。内容の詳細は目次を参照していただきたいのですが、コンテナの連携を行うDocker Compose、クラスタ化を実現するDocker Swarm、コンテナ向けの仮想化基盤を構築するDocker Machine、GUI管理ツール、CRIUを使ったライブマイグレーション、コンテナ専用OSのCoreOSとRancher OS、コンテナ基盤におけるネットワーキング、周辺機器の使用例、インターネットに接続しない社内コンテナ環境の構築、そして、複数コンテナによるオーケストレーションを実現する人気のKubernetesなどの解説を網羅しています。

◇スクレイピング・テクニックの基礎と実践を学べる。Webからデータを収集、適切なデータセットを作成しよう！―本書では、HTTP／HTML／CSSといった基本技術の仕組み、フォーム／ログイン／Cookie／JavaScriptへの対応、クローラーの開発、ベストプラクティスを解説。データサイエンス指向の15のサンプルも収録。Pythonの各種ライブラリを活用！［requests、Beautiful Soup、Selenium、records、matplotlib、pandas、scikit-learn … etc.］◇Webページから情報を取得するスクレイピングは、データサイエンスに必須の技術です。本書では、Pythonを使ったスクレイピングの基本と実践を解説。有用なツール、ベストプラクティス、実用サンプルについても説明。本当に興味深いプロジェクトは、情報という宝の山を探索することから始まります。本書を携えて探索の旅を進めていきましょう。◇本書は『Practical Web Scraping for Data Science: Best Practices and Examples with Python』の翻訳書です。◇Pythonプログラミングの基礎を理解していることを前提に解説しています。

本書は、これからAmazon EchoなどのAlexa対応デバイスを使って独自の機能を開発してみたいというエンジニアが、段階を追って学べるような内容になっています。音声ユーザーインターフェース（VUI）、Alexaデバイスの機能やスキルの仕組み、スキルプログラムの構造といった、固有の考え方を踏まえたうえで、Alexaスキルの開発ツールの使い方やコードの書き方を簡単なサンプルプログラムを作成しながら手順を追って解説します。プログラミング言語としてJavaScript、フレームワークにはNode.jsを用います。

ハイパフォーマンス組織を実現する方策のエッセンス！―本書では、LeanとDevOpsといった開発・運用スタイルがどのように実践されているのかを科学的に調査。こうしたスタイルが、開発組織や組織全体のパフォーマンスのほか、組織文化、リーダーシップ/マネジメントとどう関連しているかを明らかにする。　■『これはアジャイル、リーン、DevOpsの概念的根拠に関して新境地を開く本ではない。むしろもっと貴重なものを提供してくれる』― Cameron Haight, VMware南北アメリカ大陸担当バイスプレジデント兼CTO　■『現代の、何につけてもソフトウェアが中心、という未曾有の世界で生き残りを図るCEO、CFO、CIOに必須の洞察力を授けてくれる本』― Thomas Limoncelli, The Practice of Cloud System Administrationの共著者　■『本書では「速度か安定性か」という2分化の考え方に異論を投げかけるエビデンスを示す。「速度は安定性に依存する。効果的なプラクティスを実践すれば速度も安定性も高められる」と主張』― Martin Fowler, アジャイルソフトウェア開発、エクストリームプログラミングなどの提唱者　◇米Amazonのカテゴリーでベスト10！―2018/08/17時点。Software Development、Operations Research、Information Managementの3カテゴリー◇ ◎本書は『Accelerate: The Science of Lean Software and DevOps』の翻訳書です。

マーケティング自動化の予測モデル、ベストプラクティス、アーキテクチャをまとめた大著！ 1・2章では、アルゴリズムマーケティングの概念、ケーススタディ、理論基盤となる機械学習/経済モデルを説明します。3～6章では、「プロモーションと宣伝」「検索」「レコメンデーション」「価格設定と品揃え」といった領域を取り上げ、「顧客と商品のマッチング」「顧客に適した商品の特定」「商品特性の最適化」を考察します。本書は、どのような理論を基に各領域のシステムが実現されるか、総合的に理解できる稀有な一冊です。（本書は『Introduction to Algorithmic Marketing: Artificial Intelligence for Marketing Operations』の翻訳書です。統計学や微積分学などの数学的知識を前提としています）。原著への読者の声―「市場原理を理解して実装しようとする者にとってきわめて有益」「小売業に関わるデータサイエンティストは必読」。推薦の言葉―「本書はマーケティング分野でのデジタル変革を鮮やかに映し出しており、データサイエンスがいかにしてあらゆるマーケティング活動に不可欠な部分になるのかを示している。データ駆動型アプローチとスマートなアルゴリズムによって、従来の労働集約型のマーケティングタスクにディープな自動化がどのようにしてもたらされるのかを詳しく解説している。意思決定は改善されるだけでなく、はるかに高速になる。このことは、加速する一方の競争環境において決定的に重要である。データサイエンティストとマーケティング責任者の必読書である」（Andrey Sebrant, Director of Strategic Marketing, Yandex）。

コンテナオーケストレーションの業界標準
クラウドネイティブ開発の第一歩を踏み出そう!
Kubernetes認定資格(Certified Kubernetes Administrator/Certified Kubernetes Application Developer)保有者直伝! プロダクション環境で培われた、Kubernetesを使い倒すための実践ノウハウが満載の一冊です。
Kubernetesはコンテナ化されたアプリケーションのデプロイ、スケーリング、および管理を自動化するためのプラットフォーム(コンテナオーケストレーションエンジン)です。 本書籍では、Kubernetesを触ったことがない方でもKubernetesのコンセプトを理解し、実際にアプリケーションをコンテナ化して実行することができるようになることを目標としています。
前半の章では図をふまえながらKubernetesの各リソースについて体系的かつ網羅的に説明します。さらに後半の章では、マニフェスト管理(Helm/Ksonnet)、モニタリング(Prometheus/Datadog)、ログ集約(Fluentd/Datadog)、CI/CD(Spinnaker/JenkinsX/Scaffold)、サービスメッシュ(Istio/Conduit/Linkerd)、Service Brokerなど、Kubernetesを用いてクラウドネイティブな開発を促進させる周辺エコシステムについても紹介します。

どのようなデータの固まりがどのようにつながっているか。その機能や仕組みはどうなっているのか。分散システム、P2P、所有権、二重支払い、ハッシュ、非対称暗号鍵、分散コンセンサス…ブロックチェーンの重要ポイントを1つ1つ説き明かす！「非対称暗号鍵は郵便箱」「データ格納は蔵書管理」といった例えを用いて技術の仕組みをイメージしやすくしています。取り上げるテーマは、ブロックチェーンの目的、可能性、必要性、各種機能、限界/克服など。本書はブロックチェーンの基礎的な概念をしっかりと理解したい人に格好の一冊です。─原著への読者の声─「理解を確実にするのにたいへん役に立つ」「徹底的な理解が目的なら上位3冊に入る」「ブロックチェーンのベストブック」─原著は米Amazonの複数カテゴリーで第1位。カテゴリーは「Banking」「Storage & Retrieval」（2018/6/12時点）。本書は「Blockchain Basics: A Non-Technical Introduction in 25 Steps」の翻訳書です。─本書が必要になるとき─＞ブロックチェーンの基礎を理解したいときに。＞ブロックチェーンの技術詳細に踏み込む前に。＞ブロックチェーンの社会的/経済的なビジョンや影響を考える前に。─次のような本ではありません─＞Bitcoinあるいは暗号化の解説書ではありません。＞ブロックチェーンの数学的基礎あるいはプログラミングの解説書ではありません。＞ブロックチェーンの法的影響あるいは社会的・経済的影響の解説書ではありません。

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。

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。