株式会社クイープの書籍一覧

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。

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。

※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
購入前にお使いの端末で無料サンプルをお試しください。

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。

※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
購入前にお使いの端末で無料サンプルをお試しください。

広大な因果世界を幅広くカバー！
因果推論・因果探索のコード例を多数掲載
原著は米国Amazonでカテゴリーベストセラー（2024/6上旬など）

データサイエンティスト、機械学習エンジニアなら知っておきたい
因果的概念、グラフによる理解、因果探索の実践などを解説。

パート1では、関連・介入・反事実、構造的因果モデルなど、
因果推論を構成する基本概念と、グラフ表現を解説。

パート2では、因果推論プロセスの4ステップのほか、
DoWhy／EconMLを使った因果推論の実装などを説明。

パート3では、因果探索の概念、因果分析プロセスでの位置づけ、
gCastle等を使った高度な因果探索の実装を取り上げます。

【章構成】
■Part1 速習：因果関係
第1章 因果関係に取り組む理由：機械学習があるのに？
第2章 ジューディア・パールと因果のはしご
第3章 回帰、観測、介入
第4章 グラフィカルモデル
第5章 チェーン、フォーク、コライダー

■Part2 因果推論
第6章 ノード、エッジ、統計学的な独立と従属
第7章 4ステップの因果推論プロセス
第8章 因果モデル―仮定と課題
第9章 因果推論と機械学習―マッチングからメタ学習器まで
第10章 因果推論と機械学習―高度な推定器、実験、評価など
第11章 因果推論と機械学習―ディープラーニング、NLPなど

■Part3 因果探索
第12章 因果グラフをいただけますか―因果関係の知識源
第13章 因果探索と機械学習―仮定から応用まで
第14章 因果探索と機械学習―高度なディープラーニングとその先へ
第15章 エピローグ


※この商品は固定レイアウトで作成されており、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、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
購入前にお使いの端末で無料サンプルをお試しください。