コンピュータ・ITの書籍一覧

Swiftは言語仕様として多くの機能を持っていますが、それを実現しているのは主にSwift Compilerです。Swift Compilerがどういう仕組みで動いているか理解できれば面白いと思いませんか？

もし、Swift Compilerの気持ちを理解できれば、Swiftらしいコードを書けるはずです。また、いいパフォーマンスになるようにもコードを書けるかもしれません。もしくは勢い余ってコンパイラの改善にコントリビュートするのも楽しいと思います。この本を通してSwift Compilerのことをよく知り、さらに楽しくSwiftを書きましょう。


目次
* はじめに
* 第1章 Swift Compilerの概要
* 第2章 Swift Compilerの環境構築
* 第3章 Swift Compilerの構成
* 第4章 Swift Compilerのデバッグ
* 第5章 Swift Compilerのテスト
* まとめ

「うさちっぷ」は筆者のノウハウを集めたTips集です。
第二弾である本書で紹介するのはAndroidに関するTipsです。

第４版、完成しました。
　あなたがもし、ビル・ゲイツさんやトーマス・エジソンさん、本田宗一郎さんの技術者としてのこれまでの体験について興味が沸けば、 WEBで検索をすればすぐにその情報が手に入るでしょう。しかし、 そのような知名度のあるエンジニア以外にも世の中には果てしない努力をしてきたエンジニアの方がたくさんいるはずです。またそのエンジニア一人一人に唯一無二の貴重な体験があるはずです。
　もしあなたがそのようなエンジニアこれまでの体験について知りたくなったとき、どのような手段を取ればそれらの情報が得られるでしょうか。私がその答えを考えたときに容易にその情報が得られる方法は思いつきませんでした。

ぜひ想像してみてください。
　 もしあなたがこれからエンジニアとして社会に出ていく新人さんだとして、このタイミングで様々なキャリアを積んだエンジニアの一番の成功体験や一番の失敗体験などについて事前に聞いておくことができるのであれば、その後の自分のキャリアに大きく活用できると思いませんか。
　もしあなたが成長途中の若手エンジニアだとしたら、今だからこそ先人から学び、今後の仕事を更に加速していきたいと思いませんか。
　もしあなたがベテランエンジニアであれば、ご自身のこれまでの経験と照らし合わせて、ご自身のされてきた努力、他のエンジニアのされてきた努力を互い間接的にでも労う、また今だからこそ人に学び今後に活かせることがないかを考える。そんな時間を少しとってみてもいいのではないでしょうか。

私は検索をしてもなかなか出てこない”無名の”エンジニアの方の１番の成功体験・１番の失敗体験について、知りたい気持ちが強かったです。

そこで本書ではあらゆる技術職における、新人からベテランまでの成功体験・失敗体験について、ヒアリングを行い（エンジニアの方の了承を得た上で）有益な情報のまとまりとして皆さんに共有ができるものに仕立て上げました。

また、エンジニアの方々の体験や労力にはきちんとした対価を支払うべく、身銭を切ってヒアリングを行い、また単なるエンジニアさんへの報酬だけでなく、魂のこもった体験をぞんざいに扱うことにはならないようにできる限り敬意を払う意味でも、デザイナーさんにもお仕事として発注させていただき装丁やデザインに関してご協力いただくなど工夫をしました。

どうか少しでも皆さんのキャリアの一助になれば幸いです。

Love Swift & Kotlin第２弾！

本書はSwiftを愛するメンバーが集まるSwift愛好会とKotlinを愛するメンバーが集まるKotlin愛好会の有志メンバーがネタを持ち寄って作成した技術同人第２弾です。

言語についての話にとどまらず、Swift/Kotlinに関連の深いプラットフォームやサービスについての話など多岐にわたるネタについて盛り込んでいます。

各章は独立しています。「はじめに」にある著者紹介でそれぞれの章の概要を紹介しますので、興味を持った章から読み進めてください。
楽しんでいただけるととても嬉しいです！

2019年のWWDCで発表されたSwiftUIのサンプルを集めたカタログ本です。
基本コンポーネントの見本と、よく見るアプリのUIをSwiftUIで再現してみたサンプルを収録しています。

本書を通じて、SwiftUIでどのようにUIを作成するのかを知っていただければと思います。
※UI作成に特化しているため、データバインディングは考慮していません

本書はCore ML Toolsの実践入門書です。

KerasやTensorFlowを用いて構築した機械学習／ディープラーニングのモデルをiOSで利用するために必要な変換ツールである「Core ML Tools」（Pythonパッケージ名としては`coremltools`）の利用方法を**さまざまなモデルをつくりながら**学んでいきます。

最初はわずか2行のコードで変換することからはじめてCore ML Toolsに入門しつつ、もっと高度な変換方法や、モデルのサイズを縮小する方法、パイプラインを構築する歩法、オンデバイスで学習できるようにする方法等も解説していきます。

また巻末には「逆引きリファレンス」も収録しています。開発の現場で「どう書くんだっけ？」となったときに大いに役立つことでしょう。

サンプルコードはGitHubよりダウンロード可能です。

本書は、前著「Amazon Web Servicesコスト最適化入門」の続編として、マルチアカウントにおけるコスト最適化や可視化・分析について紹介した書籍です。

2016年にAWS Organizationsが発表されてからここ数年で、目的に特化したAWSアカウントに分けるマルチアカウント戦略が主流になってきました。請求関連に関しては昔と今で大きく変わっていませんが、今後のマルチアカウント化においてコストや予算管理の重要性が高まってきています。

AWS Cost Explorer、AWS Cost and Usage Report、AWS Budgetsは、個々のAWSアカウントにおいても十分な機能を果たしますが、マルチアカウント構成ではより強力に機能します。また本書では、前著の出版後に発表されたコスト異常検出、AWS Budgets Actionsについても紹介しています。これらの機能を使いこなすことでコストの無駄な出費を押さえることができるでしょう。また、AWS請求書やビリングサービスに出てくる「ブレンド」「ブレンドレート」という謎キーワードについてもしっかり解説しています。

■ 本の構成

第１章 AWS Organizations
　・ 一括請求のメリット
　・ ブレンドコスト、非ブレンドコスト
第２章 AWS Cost Explorer
　・ AWS Cost Anomaly Detection（コスト異常検出）
第３章 AWS Cost and Usage Report
　・ メンバーアカウントへの共有方法
第４章 AWS Budgets
　・ AWS Budgets Actions
　・ 新料金体系
第５章 NAT Gateway
　・ VPCフローログを使用したコスト分析方法
　・ NAT Gatewayのコスト最適化ポイント

■ 対象読者

・マルチアカウントにおけるコスト最適化のノウハウを知りたい方
・個々のアカウントでコスト最適化はやっている方だけど、組織全体ではよくわからない方
・最近発表されたコスト関連の機能について知りたい方
・請求書に記載されている「ブレンド」「ブレンドレート」を説明できない方

Love Swift & Kotlin第３弾！

本書はSwiftを愛するメンバーが集まるSwift愛好会とKotlinを愛するメンバーが集まるKotlin愛好会の有志メンバーがネタを持ち寄って作成した技術同人の第3弾です。

言語についての話にとどまらず、Swift/Kotlinに関連の深いプラットフォームやサービスについての話など多岐にわたるネタについて盛り込んでいます。

各章は独立しています。「はじめに」にある著者紹介でそれぞれの章の概要を紹介しますので、興味を持った章から読み進めてください。
楽しんでいただけるととても嬉しいです！

Amplify Console を導入された方・検討している方に向けて、@hiroga_cc が現場で得た知見を共有するために書きました。

筆者は 2019 年に Amplify Console をプロダクションに導入して以来、3 つ以上の AWS アカウントで合計 20 以上の Web アプリケーションをセットアップしました。

そうした経験から得た、Amplify Console の機能の概観・業務に取り入れるためのテクニック・トラブルシューティングなどにを紹介いたします。
これから Amplify Console に触る方も、既に Amplify Console を導入されている方も、Amplify Console を実践する上での何らかの発見があれば幸いです。

対象となる読者

以下に当てはまる方は、本書を読むと AWS のドキュメントの理解・処理の実装が効率化できるかもしれません。
・Amplify Consoleの導入を検討されている方
・Amplify Consoleで手が届かない機能、困っていることの解決方法を探している方

以下に当てはまる方には、Amplify Console の役割を見直す効果があるかもしれません。
・現場で Amplify Console を利用されている方

本書ではGCP Cloud AutoMLを使った手軽にできる機械学習の手法を解説しています。具体的には文章の感情分析、画像認識と画像分類、Kaggleのタイタニック問題をAutoMLを使って予測していきます。

まず最初に人工知能の一分野である機械学習とはどのような分野であるのか、教師あり学習と教師なし学習の違い、強化学習、特徴量、モデル、過学習、ニューラルネットワークやディープラーニングの概説を紹介します。その上で元GoogleのAI 研究者のフェイ・フェイ・リー 氏が提唱した「AI の民主化」と「利用者としての人工知能」を考えていきます。

次にGCPのアカウントの作り方、予算とアラートの設定方法、PythonからAutoML APIを実行する開発環境の作り方を解説していきます。

文章の感情分析では、AutoML Natural Language APIをPythonから実行して、近代日本文学を代表する文豪・太宰治の『走れメロス』や『人間失格』の感情分析を試みます。

画像分類では、AutoML Visionを使ってデータセットから都市の写真を学習させ、その学習結果のモデルを元に新しいデータセットに対してどの都市の写真であるのかを自動予測させます。

AutoML Tablesを使ってKaggleのタイタニック問題も解いていきます。タイタニック問題は幾つかの限られたデータを元に誰がタイタニック号から生還したかを予測する問題です。特徴量を適切に選定しながら、この問題をAutoMLで解いていきます。

本書は機械学習を学び始めたい方、手軽に機械学習を実行できる環境を創りたい方に最適です。お気軽に機械学習を始めて未来型生活を構築しましょう。