現場のPython ──Webシステム開発から,機械学習・データ分析まで(技術評論社) [電子書籍]
    • 現場のPython ──Webシステム開発から,機械学習・データ分析まで(技術評論社) [電子書籍]

    • ¥3,520704 ゴールドポイント(20%還元)
    • すぐ読めます
100000086602491322

現場のPython ──Webシステム開発から,機械学習・データ分析まで(技術評論社) [電子書籍]

価格:¥3,520(税込)
ゴールドポイント:704 ゴールドポイント(20%還元)(¥704相当)
フォーマット:
専用電子書籍リーダアプリ「Doly」が必要です。無料ダウンロード
出版社:技術評論社
公開日: 2024年09月12日
すぐ読めます。
お取り扱い: のお取り扱い商品です。
ご確認事項:電子書籍リーダーアプリ「Doly」専用コンテンツ
こちらの商品は電子書籍版です

現場のPython ──Webシステム開発から,機械学習・データ分析まで(技術評論社) の 商品概要

  • 『WEB+DB PRESS』の人気連載が待望の書籍化です。Webシステム開発から機械学習・データ分析まで,現場で使えるPythonのノウハウが1冊にまとまっています。取り上げる話題は,環境構築,コード品質,テスト,構造化ログ,リリース管理,Django,Django REST framework,GraphQL,Fast API,Django ORM,データサイエンスプログラムの品質,データ分析レポート,pandasのパフォーマンス改善,JanomeとSudachiPyによる日本語処理,pandasやNumPyによるテスト,数理最適化などなど。今日から仕事で活かせるヒントやテクニックがきっと見つかるです。
  • 目次

    ■■第1部 基礎編
    ■第1章 最新Python環境構築 シンプルでコーディングしやすい環境を整える
    1.1 Pythonのインストール
    1.2 ライブラリのインストール
    1.3 コーディング環境を整える
    1.4 漸進的型付けと静的型チェック
    1.5 開発支援ツールを一括実行──tox

    ■第2章 型ヒントとmypyによるコード品質の向上 型チェックの基本から,既存コードの改善プロセスまで
    2.1 型ヒントの役割と型チェッカーの活用
    2.2 型ヒントの使い方──基本編
    2.3 型ヒントの使い方──発展編

    ■第3章 pytestを使って品質の高いテストを書く parametrize・フィクスチャ・pytest-covの活用
    3.1 テストの品質向上のポイント
    3.2 pytestによるテストの書き方
    3.3 pytestでテストを書くときに押さえるべき基本
    3.4 サンプルコードのテストを作成しよう
    3.5 pytestを使いこなしてテストコードを改善しよう
    3.6 テストの品質をチェックしよう

    ■第4章 structlogで効率的に構造化ログを出力 横断的に検索や解析のしやすいログのしくみを整えよう
    4.1 ログはなぜ必要なのか
    4.2 構造化ログはなぜ便利なのか
    4.3 Python標準モジュールのみで構造化ログを実現しよう
    4.4 structlogでより便利に構造化ログを出力しよう
    4.5 django-structlogでリクエストとレスポンスログを拡張しよう
    4.6 ログを活用する

    ■第5章 リリースを管理して開発効率を高める towncrierとGitHub Actionsによるリリースの自動化
    5.1 リリースを管理しよう
    5.2 リリースを管理する方法
    5.3 GitHub Actionsでリリースを自動化する

    ■■第2部 Webシステム開発編
    ■第6章 Djangoアプリケーションの品質を高める 単体テストと運用時の監視
    6.1 Djangoとアプリケーション品質
    6.2 サンプルアプリケーションの作成
    6.3 標準モジュールを使った単体テスト
    6.4 単体テストを効率化するライブラリ
    6.5 運用に役立つロギングと監視

    ■第7章 DjangoでAPI開発 初めてのDjango REST framework
    7.1 Django REST framework(DRF)とは
    7.2 サンプルアプリケーションの準備
    7.3 シリアライザ
    7.4 APIビュー

    ■第8章 Django×StrawberryによるGraphQL入門 GraphQLの基礎から実際のプロダクトへの導入まで
    8.1 GraphQL──自由で過不足の少ないAPI
    8.2 Strawberryとは
    8.3 Django×StrawberryでGraphQLサーバを立ち上げてみよう
    8.4 ミューテーションの実装──カテゴリ登録APIの実装
    8.5 子ノードと子孫ノードを取得しよう──リゾルバチェインズ
    8.6 N+1問題とどう向き合うか──データローダパターン
    8.7 エラー対応──開発者用のエラーとユーザー用のエラーを使い分ける
    8.8 GraphQLにおけるユニットテストの考え方

    ■第9章 FastAPIによるWeb API開発 型ヒントを活用したAPI仕様中心の開発手法
    9.1 FastAPIの特徴
    9.2 FastAPIの開発環境をセットアップしよう
    9.3 API仕様とモックを作成しよう
    9.4 DBに接続する処理を追加し,API実装を完成させよう
    9.5 バリデーションとエラー処理を追加しよう
    9.6 FastAPIの強み

    ■第10章 Django ORMの速度改善 クエリ発行の基礎,計測,チューニング
    10.1 作成するサンプルアプリケーション
    10.2 DjangoアプリケーションのSQL発行ログの確認
    10.3 Django ORMのクエリ発行タイミング
    10.4 親子モデルの情報の取得を改善する
    10.5 大量レコードの作成・更新を改善する

    ■第11章 Django ORMトラブルシューティング ORMにまつわる問題を解決するための型を身に付けよう
    11.1 ORM利用の3つの基本
    11.2 SQLを確認する
    11.3 意図しないタイミングでのSQL発行を避ける
    11.4 理想のSQLからORMを組む

    ■■第3部 機械学習・データ分析編
    ■第12章 データサイエンスプログラムの品質改善 5つのステップで製品レベルの品質へ
    12.1 PoCフェーズのあとに必要なこと
    12.2 ステップ1:単体コマンドとして実行できるようにする
    12.3 ステップ2:回帰テストを行えるようにする
    12.4 ステップ3:パフォーマンス対策をできるようにする
    12.5 ステップ4:コードの可読性を向上する
    12.6 ステップ5:コードの保守性を向上する
    12.7 まとめ──限られた時間で最大の効果を

    ■第13章 データ分析レポートの作成 JupyterLab+pandas+Plotlyでインタラクティブに
    13.1 環境構築
    13.2 表にスタイルを適用する──pandasのStyling機能
    13.3 動的なグラフを描画する──Plotly Express
    13.4 レポートを出力する──ノートブックのHTML化

    ■第14章 pandasを使った処理を遅くしないテクニック 4つの視点でパフォーマンス改善
    14.1 なぜpandasによるデータ処理が遅くなってしまうのか
    14.2 遅い機能を使わないようにしよう
    14.3 「Pythonの遅さ」に対処しよう
    14.4 アルゴリズムやデータ構造の効率化を考えよう
    14.5 マルチコアCPUを使い切ろう
    14.6 まとめ──チューニングは必要になってから

    ■第15章 JanomeとSudachiPyによる日本語処理 フリガナプログラム作成で学ぶ自然言語処理の流れ
    15.1 日本語の処理とは
    15.2 Janomeで形態素解析
    15.3 SudachiPyで形態素解析

    ■第16章 データサイエンスのためのテスト入門 pandasやNumPyのテスト機能を使って快適に実験
    16.1 データサイエンスにおけるテスト
    16.2 仮想環境の作成
    16.3 assert文による簡単なチェック
    16.4 pandasのテスト機能──pandas.testingモジュール
    16.5 NumPyのテスト機能──numpy.testingモジュール
    16.6 Pythonモジュールに切り出し,pytestでテストの実行を自動化

    ■第17章 Pythonで始める数理最適化 看護師のスケジュール作成で基本をマスター
    17.1 数理最適化とは──数理モデルによる最適化
    17.2 ライブラリを使った数理モデルの作成
    17.3 数理最適化で看護師のスケジュールを作成
    17.4 StreamlitによるWebアプリケーション化

現場のPython ──Webシステム開発から,機械学習・データ分析まで(技術評論社) の商品スペック

シリーズ名 Web+DB PRESS plus
Cコード 3055
出版社名 技術評論社
本文検索
他の技術評論社の電子書籍を探す
紙の本のISBN-13 9784297144012
ファイルサイズ 33.4MB
著者名 株式会社ビープラウド 監修
altnight
石上晋
delhi09
鈴木たかのり
斎藤努
著述名 著者

    技術評論社 現場のPython ──Webシステム開発から,機械学習・データ分析まで(技術評論社) [電子書籍] に関するレビューとQ&A

    商品に関するご意見やご感想、購入者への質問をお待ちしています!