【2023年】「ITエンジニア」のおすすめ 本 63選!人気ランキング

この記事では、「ITエンジニア」のおすすめ 本 をランキング形式で紹介していきます。インターネット上の口コミや評判をベースに集計し独自のスコアでランク付けしています。
記事内に商品プロモーションを含む場合があります
目次
  1. 良いコード/悪いコードで学ぶ設計入門 ―保守しやすい 成長し続けるコードの書き方
  2. 競技プログラミングの鉄則 ~アルゴリズム力と思考力を高める77の技術~ (Compass Booksシリーズ)
  3. メタバース進化論――仮想現実の荒野に芽吹く「解放」と「創造」の新世界
  4. ソフトウェアアーキテクチャの基礎 ―エンジニアリングに基づく体系的アプローチ
  5. 達人プログラマー(第2版): 熟達に向けたあなたの旅
  6. 改訂3版 これからはじめるプログラミング 基礎の基礎
  7. エンジニアリングマネージャーのしごと ―チームが必要とするマネージャーになる方法
  8. チームトポロジー 価値あるソフトウェアをすばやく届ける適応型組織設計
  9. エンジニアのためのマネジメントキャリアパス ―テックリードからCTOまでマネジメントスキル向上ガイド
  10. 1日1問、半年以内に習得 シェル・ワンライナー160本ノック (Software Design plusシリーズ)
他53件
No.3
97
みんなのレビュー
メタバース世界で活動するバーチャル美少女ねむによる、メタバースの今が分かる書籍。ビジネス観点というよりも実際にメタバースを利用する消費者側の今が学べる。
No.8
82
みんなのレビュー
まだレビューはありません
No.14
71

SEの基本

山田 隆太
日本実業出版社

第0章 SEって、いったい何をする人? 第1章 SEには、どんなテクニカルスキルが必要か 第2章 ソフトウェアエンジニアリングを意識したスキルを形成する 第3章 プロジェクトに必要なリーダーシップとチームワーク 第4章 プロジェクトを成功に導くマネジメントスキル 第5章 これだけはマスターしたいヒューマン系スキル 第6章 SEとしての自覚と心構え

みんなのレビュー
まだレビューはありません
No.16
71

機械学習の研究開発が急速な勢いで進んでいます。理論研究はもちろん、機械学習手法が実装されたオープンソースのパッケージ開発も進み、それらを実務で利用するためのノウハウも蓄積されてきています。結果として、機械学習をはじめたばかりの入門者でも比較的高い精度の予測モデルを構築できるようになりました。 Deep Learning, Gradient Boosting Decision Tree, Random Forestなどの機械学習モデルは高い予測精度を誇りますが、モデルの解釈性が低いという欠点があります。これらの複雑なブラックボックスモデルにおいて、モデルがなぜそのような予測を行っているのかを知ることは困難ですが、データ分析者自身がモデルの振る舞いを把握し、説明責任を果たすことを実務においては頻繁に求められます。 本書では、このような予測精度と解釈性のトレードオフを克服するための手法について、実務において特に有用と考えるものを厳選して紹介します。本書の構成は以下になります。 1章: 機械学習の解釈性とは 2章: 線形回帰モデルを通して「解釈性」を理解する 3章: 特徴量の重要度を知る Permutation Feature Importance 4章: 特徴量と予測値の関係を知る Partial Dependence 5章: インスタンスごとの異質性を捉える Individual Conditional Expectation 6章: 予測の理由を考える SHapley Additive exPlanations 付録A: R による分析例 tidymodelsとDALEXで機械学習モデルを解釈する~ 付録B: 機械学習の解釈手法で線形回帰モデルを解釈する 2章では極めて高い解釈性を誇る線形回帰モデルを通して、予測モデルに求められる解釈性について説明します。以降の4つの章では、それらの解釈性をブラックボックスモデルに与えるPFI, PD, ICE, SHAPと呼ばれる手法について解説します。 本書は機械学習の解釈手法を実用して頂くことを目的としています。Pythonでゼロから手法を実装することを通じて解釈手法のアルゴリズムを理解し、実データの分析を通じて解釈手法の勘所を押さえて頂きます。機械学習の解釈手法は強力な反面、使い方を誤ると間違った結論を導いてしまう危険もあります。本書では解釈手法を実用する際の注意点についても丁寧に触れています。 1章 機械学習の解釈性とは  1.1 機械学習の解釈性を必要とする理由  1.2 予測精度と解釈性のトレードオフ  1.3 機械学習の解釈手法  1.4 機械学習の解釈手法の注意点  1.5 本書の構成  1.6 本書に書いていること、書いていないこと  1.7 本書で用いる数式の記法   1.7.1 確率変数と実測値   1.7.2 期待値と分散   1.7.3 確率分布   1.7.4 線形回帰モデル   1.7.5 集合  1.8 本書のコードを実行するためのPython環境  1.9 参考文献 2章 線形回帰モデルを通して「解釈性」を理解する  2.1 線形回帰モデルの導入   2.1.1 回帰問題と線形回帰モデル   2.1.2 最小二乗法による回帰係数の推定  2.2 線形回帰モデルが備える解釈性   2.2.1 特徴量と予測値の平均的な関係   2.2.2 特徴量と予測値のインスタンスごとの関係   2.2.3 特徴量の重要度   2.2.4 インスタンスごとの予測の理由  2.3 実データでの線形モデルの分析   2.3.1 データの読み込み   2.3.2 データの前処理   2.3.3 線形モデルの学習と評価   2.3.4 予測誤差の計算   2.3.5 線形回帰モデルの解釈   2.3.6 Random Forestによる予測  2.4 線形回帰の利点と注意点  2.5 参考文献 3章 特徴量の重要度を知る~Permutation Feature Importance~  3.1 なぜ特徴量の重要度を知る必要があるのか  3.2 線形回帰モデルるにおける特徴量の重要度   3.2.1 シミュレーションデータの設定   3.2.2 シミュレーションデータの生成   3.2.3 線形回帰モデルの特徴量重要度の確認  3.3 Permutation Feature Importance   3.3.1 PFIのアルゴリズム   3.3.2 PFIの実装   3.3.3 PFIのシミュレーションデータへの適用  3.4 Leave One Covariate Out Feature Importance  3.5 Grouped Permutation Feature Importance   3.5.1 特徴量が相関するケース   3.5.2 GPFIの実装   3.5.3 GPFIのシミュレーションデータへの適用  3.6 特徴量重要度は因果関係として解釈できるか?   3.6.1 疑似相関   3.6.2 疑似相関のシミュレーション  3.7 訓練データとテストデータのどちらで予測精度を評価するべきか  3.8 実データでの分析  3.9 PFIの利点と注意点  3.10 参考文献 4章 特徴量と予測値の関係を知る~Partial Dependence~  4.1 なぜ特徴量と予測値の関係を知る必要があるのか  4.2 線形回帰モデルと回帰係数   4.2.1 シミュレーション1:線形の場合   4.2.2 シミュレーション2:非線形の場合  4.3 Partial Dependence   4.3.1 1つのインスタンスの特徴量とモデルの予測値の関係   4.3.2 すべてのインスタンスに対する特徴量と予測値の平均的な関係   4.3.3 Partial Dependenceクラスの実装   4.3.4 Partial Dependenceの数式表現  4.4 Partial Dependenceは因果関係として解釈できるのか   4.4.1 シミュレーション3:相関関係と因果関係   4.4.2 PDを因果関係として解釈することの危険性  4.5 実データでの分析   4.5.1 PDによる可視化  4.6 PDの利点と注意点  4.7 参考文献 5章 インスタンスごとの異質性をとらえる~Individual Conditional Expectation~  5.1 なぜインスタンスごとの異質性をとらえる必要があるのか  5.2 交互作用とPDの限界   5.2.1 シミュレーションデータの生成   5.2.2 PDの可視化  5.3 Individual Conditional Expectation   5.3.1 ICEの実装   5.3.2 ICEのシミュレーションデータへの適用  5.4 Conditional Partial Dependence   5.4.1 CPDの数式表現   5.4.2 CPDの可視化  5.5 ICEの解釈   5.5.1 what-if   5.5.2 特徴量に依存関係があるケース  5.6 実データでの分析  5.7 ICEの利点と注意点  5.8 参考文献 6章 予測の理由を考える~SHapley Additive exPlanations~  6.1 なぜ予測の理由を考える必要があるのか  6.2 SHAPのアイデア   6.2.1 SHAPの数式表現   6.2.2 貢献度の分解:線形回帰モデルの場合  6.3 協力ゲーム理論とShapley値   6.3.1 アルバイトゲーム   6.3.2 限界貢献度   6.3.3 Shapley値の数式表現  6.4 SHapley Additive exPlanations   6.4.1 特徴量が分かっている/分かっていない場合の予測値   6.4.2 具体例:特徴量が2つの場合  6.5 SHAPの実装   6.5.1 SHAPの実装   6.5.2 `ShapleyAdditiveExplanations`クラスの実装  6.6 実データでの分析   6.6.1 shapパッケージの導入   6.6.2 SHAP値の可視化  6.7 ミクロからマクロへ   6.7.1 SHAPによる特徴量重要度の可視化   6.7.2 SHAPによるPDの可視化  6.8 SHAPの利点と注意点  6.9 参考文献 付録A: Rによる分析例~tidymodelsとDALEXで機械学習モデルを解釈する~  A.1 tidymodelsとDALEX  A.2 データの読み込み  A.3 tidymodelsによる機械学習モデルの構築  A.4 DALEXによる機械学習モデルの解釈   A.4.1 PFIで特徴量の重要度を知る   A.4.2 PDで特徴量と予測値の平均的な関係を知る   A.4.3 ICEで特徴量と予測値のインスタンスごとの関係を知る   A.4.4 SHAPでインスタンスごとの予測の理由を知る  A.5 まとめ  A.6 参考文献 付録B: 機械学習の解釈手法で線形回帰モデルを解釈する  B.1 なぜ機械学習の解釈手法で線形回帰モデルを解釈するのか   B.1.1 線形回帰モデルの設定   B.1.2 シミュレーションの設定   B.1.3 線形回帰モデルの学習  B.2 線形回帰モデルとPFIの関係   B.2.1 シミュレーションによる比較   B.2.2 数式による比較  B.3 線形回帰モデルとPDの関係   B.3.1 数式による比較   B.3.2 シミュレーションによる比較  B.4 線形回帰モデルとICEの関係   B.4.1 数式による比較   B.4.2 シミュレーションによる比較  B.5 線形回帰モデルとSHAPの関係   B.5.1 数式による比較   B.5.2 シミュレーションによる比較  B.6 まとめ  B.7 考文献

みんなのレビュー
まだレビューはありません
No.25
67

サービスやプロダクトの開発に 行動経済学の理論を活かすヒント 本書は行動経済学の本ですが、むずかしい専門書ではありません。 本書のテーマは「行動経済学をビジネスデザインに活用すること」です。 行動経済学の理論を知るだけでなく、 新しいサービスやプロダクトの開発に活用することが目的です。 商品サービスとユーザーとの関係に 行動経済学の理論を活用するためのアイデアを、 デザイナー視点でわかりやすく図解していきます。 〈本書の特徴〉 ●個別の理論ではなく全体構成で仕組みを理解できる ●図で多く用いることで理論がパッと見てわかる ●社会心理学やデザインなどの観点も織り交ぜている ●商品やサービスなどへの活用方法に言及している ●実際のビジネスを想像しながら読むことで楽しく学べる 1章.フレーム フレーム1.ユーザーとビジネスをつなぐ 01.利便性や効率性追求の落とし穴 02.ビジネスに役立つ行動経済学 03.ユーザーの立場から考える フレーム2.認知と行動の特徴をつかむ 04.人と機械の違い 05.認知の流れ 06.8つのバイアス 07.4つのナッジ 08.バイアスとナッジで行動を変える 2章.バイアス バイアス1.人は相手を気にする 09.ピア効果(一緒だと頑張れる) 10.社会的選好(相手への気づかい) 11.返報性(お返ししなければ) 12.シミュラクラ現象(顔の力) 13.権威(上下関係の意識付け) バイアス2.人は周囲に左右される 14.バンドワゴン効果(行列心理) 15.ハーディング効果(少数派は不安) 16.ナッシュ均衡(お互いさまの関係) 17.希少性(失いかけると欲しくなる) 18.社会的証明(何かに頼りたい) 19.傍観者問題(みんな見て見ぬ振り) バイアス3.人は時間で認識が変わる 20.ヒューリスティック(近道思考) 21.現在バイアス(今が大事) 22.正常性バイアス(変化がキライ) 23.回想バイアス(つじつま合わせ) 24.エンダウドプログレス効果(進むとやる気が出る) 25.ピークエンドの法則(終わりよければすべてよし) バイアス4.人は距離を意識する 26.保有効果(自分のものが一番) 27.DIY効果(自分が関わると過大評価) 28.MAYA理論(先進さと馴染み) 29.タッチ効果(触れるが勝ち) 30.内集団と外集団(身内びいきの習性) 31.ノスタルジア(なつかしさマーケティング) バイアス5.人は条件で選択を変える 32.プロスペクト理論(損失回避) 33.アンダーマイニング効果(報酬とやる気) 34.ギャンブラーの誤謬(次こそは心理) 35.心理的リアクタンス(やっちゃダメの反動) バイアス6.人は枠組みで理解する 36.プラセボ効果(病は気から) 37.キリのいい数字効果(ざっくり分類思考) 38.選択のパラドックス(多いと選べない) 39.アンカリングとプライミング(順番が大事) 40.フレーミング効果(ものはいいよう) バイアス7.人は気分で反応する 41.好意(好きだと寛容に) 42.チート(みんなラクしたい) 43.真夜中のラブレター(感情まかせで後悔) 44.ゲーミフィケーション(遊びと努力) バイアス8.人は決断にとらわれる 45.一貫性(固執と結び付け) 46.サンクコスト(もったいないの罠) 47.認知的不協和(セルフ洗脳) 3章.ナッジ ナッジ1.ナッジを理解する 48.ナッジの構造 49.ナッジのフレームワーク ナッジ2.ユーザーの行動につなげる 50.デフォルト(無意識にうながす) 51.仕掛け(自然にうながす) 52.ラベリング(意図的にうながす) 53.インセンティブ(報酬でうながす) ナッジ3.商品やサービスをデザインする 54.テキスト 55.ビジュアル 56.モノ 57.画面操作 58.場や接客 59.ビジネス戦略 60.心がけ

みんなのレビュー
まだレビューはありません
No.26
67
みんなのレビュー
まだレビューはありません
No.27
67

あらゆるプロダクト開発に応用できるビジネス・デザイン・テクノロジー知識を完全網羅。 世界水準のプロダクトマネージャーの叡智は この1冊で完璧に得られる Google、Microsoft、SmartNewsなどのプロダクト、 BtoCおよびBtoB領域で国内のみならずグローバル展開に 携わってきた百戦錬磨の著者陣が 日本とシリコンバレーのあらゆる知見を詰め込み書き上げた、 プロダクトマネジメントの決定版。 あらゆるモノがIT化する現代では、 プロダクトの成功を抜きに、ビジネスを語ることはできない。 事業戦略、IT開発、UXデザイン、マーケティング、 カスタマーサクセス、セキュリティ、知的財産、組織運営……。 何をどこまでおさえればいいのか? 本書はその海図となって、ビジネスを成功に導く。 プロダクトマネジメントに欠かせない 知識、スキル、方法論、マインドセットを網羅しているため ●新事業・新サービス開発 ●既存事業テコ入れ ●DX ●起業 ●スタートアップ にかかわるすべてのマネージャー、エンジニア、デザイナーにとっては 必読の完全保存版である。 【目次概要】 PartⅠ プロダクトの成功 PartⅡ プロダクトを育てる PartⅢ ステークホルダーをまとめ、プロダクトチームを率いる PartⅣ プロダクトの置かれた状況を理解する PartⅤ プロダクトマネージャーと組織の成長 PartⅥ プロダクトマネージャーに必要な基礎知識 ■PART Ⅰ プロダクトの成功 Chapter 1 プロダクトの成功とは 1.1 プロダクトの成功を定義する3要素 1.2 プロダクトの成功はバランス 1.3 プロダクトステージごとの成功 Chapter 2 プロダクトマネージャーの役割 2.1 プロダクトマネージャーの2種類の仕事 2.2 プロダクトとは 2.3 プロダクトをつくるチーム Chapter 3 プロダクトマネージャーの仕事とスキルの全体像 3.1 プロダクトを網羅的に検討するための4階層 3.2 プロダクトマネージャーに必要なスキル ■PART Ⅱ プロダクトを育てる Chapter 4 プロダクトの4階層 4.1 プロダクトのCore:ミッションとビジョン、事業戦略 4.2 プロダクトのWhy:「誰」を「どんな状態にしたいか」、なぜ自社がするのか 4.3 プロダクトのWhat:ユーザー体験、ビジネスモデル、ロードマップ 4.4 プロダクトのHow:ユーザーインターフェース、設計と実装、Go To Marketなど 4.5 プロダクトの4階層の中における仮説検証 4.6 プロダクトの方針を可視化する 4.7 プロダクトをつくる心構え Chapter 5 プロダクトのCore 5.1 プロダクトが向かうミッションとビジョン 5.2 事業戦略 ケーススタディ:プロダクトのCoreの検討 Chapter 6 プロダクトのWhy 6.1 ターゲットユーザーと価値の組合せを選ぶ 6.2 なぜ自社がするのか 6.3 ペインとゲインの仮説検証 6.4 プロダクトのCoreとのFit & Refine ケーススタディ:プロダクトのWhyの検討 Chapter 7 プロダクトのWhat 7.1 解決策を発想する 7.2 何をつくるのか―ユーザー体験 7.3 何をつくるのか―ビジネスモデル 7.4 どのような優先度で取り組むか 7.5 プロダクトのWhyとのFit & Refine ケーススタディ:プロダクトのWhatの検討 Chapter 8 プロダクトのHow 8.1 プロダクトバックログをつくる 8.2 ユーザーにプロダクトを提供する仕組みを整える(GTM) 8.3 リリースの前にすべきこと 8.4 プロダクトのWhatとのFit & Refine 8.5 リリースする 8.6 次の改善のために ケーススタディ:プロダクトのHowの検討 ■PART Ⅲ ステークホルダーをまとめ、プロダクトチームを率いる Chapter 9 プロダクトマネージャーを取り巻くチーム 9.1 代表的な他の役割との責任分担 9.2 プロダクトマネージャーの組織 9.3 「ステークホルダーをまとめ、プロダクトチームを率いる」とは Chapter 10 チームとステークホルダーを率いる 10.1 多拠点がある場合の情報共有で注意すべきこと 10.2 プロダクトに関する情報の透明化 10.3 チームビルディング Chapter 11 チームでプロダクトをつくるためのテクニック 11.1 ドキュメンテーション 11.2 コーチング 11.3 ファシリテーション 11.4 プレゼンテーション 11.5 ネゴシエーション ■PART Ⅳ プロダクトの置かれた状況を理解する Chapter 12 プロダクトステージによるふるまい方の違い 12.1 プロダクトのライフサイクルの捉え方 12.2 ステージごとの違いを理解する Chapter 13 ビジネス形態によるふるまい方の違い 13.1 BtoCプロダクト 13.2 BtoBプロダクト Chapter 14 未知のビジネスドメインに挑む 14.1 なぜビジネスドメイン知識が必要なのか 14.2 未知のビジネスドメインに挑むときのふるまい方―グローバル展開 14.3 未知のビジネスドメインを学ぶ方法 14.4 ドメイン知識をプロダクトチームで理解する 14.5 ビジネスドメインの法規制を理解する Chapter 15 技術要素の違いによるふるまい方の違い 15.1 ハードウェアプロダクト 15.2 AIプロダクト ■PART Ⅴ プロダクトマネージャーと組織の成長 Chapter 16 プロダクトマネジメントと組織 16.1 プロダクトマネジメントを組織に導入する方法 16.2 プロダクト志向組織への移行ステップ 16.3 ジョブディスクリプションにより責任範囲を明確にする Chapter 17 プロダクトマネージャーのスキルの伸ばし方 17.1 プロダクトマネージャーになるための方法 17.2 プロダクトマネージャーとしてのスキルの育て方 17.3 プロダクトマネージャーに求められる知識の適度な深さとは 17.4 知識やスキルをアップデートする方法 17.5 W型モデルで自分のスキルをマッピングしてみよう Chapter 18 プロダクトマネージャーのキャリア 18.1 プロダクトマネージャーの肩書と役割 18.2 プロダクトマネージャーを務めたあとのキャリア ■PART Ⅵ プロダクトマネージャーに必要な基礎知識 Chapter 19 ビジネスの基礎知識 19.1 収益、コスト、ビジネス環境の基礎知識 19.2 パートナーシップを構築する 19.3 指標を計測し、数字を読む 19.4 知的財産の扱い Chapter 20 UXの基礎知識 20.1 UIデザイン、UXデザインの基礎知識 20.2 マーケティング施策 20.3 プライバシーポリシーと利用規約をつくる Chapter 21 テクノロジーの基礎知識 21.1 プロダクトの品質を保つ 21.2 開発手法の基礎知識 21.3 ソフトウェアの基礎知識 21.4 セキュリティを強化する Appendix 1 プロダクトマネージャーのためのセルフチェックリスト Appendix 2 プロダクトの4階層とフレームワークの対応表 Appendix 3 推薦図書と講座

みんなのレビュー
まだレビューはありません
No.28
67
みんなのレビュー
まだレビューはありません
No.30
66

RESTful Webサービス

Leonard Richardson
オライリー・ジャパン
みんなのレビュー
まだレビューはありません
No.34
66

ITエンジニアと一言でいっても職種はさまざまで、その役割とスキルは多様化かつ細分化されています。その中でもAIエンジニアは、昨今のAI分野の発展とともに、ニーズが高くなっています。ただし、AIエンジニアには高度な知識が求められること、今後も技術の発展が見込まれることなどから、敷居の高い職種といわれていますが非常に魅力度が高い職種です。本書は、AIエンジニアを目指す学生、またキャリアアップを考えているエンジニアを対象に、AIエンジニアの業界知識、業務内容、労働環境、必要な知識、心構え、キャリアパスなどについてわかりやすく解説した書籍です。 ●1章 AI業界の現状と基礎知識 01 幅広く使えるAI 02 企業へのAI導入の動向 03 AI人材の需要 ●2章 AIエンジニアの仕事と仕組み 04 AIエンジニアってどんな人? 05 AIエンジニアと関わる人々 06 AIシステム開発の全体像を把握する 07 PMの仕事と役割 08 自社開発と受託開発 09 AIシステムの頭脳 10 AIモデルの作成とプログラミング 11 AIシステムの導入事例 ●3章 AIエンジニアの求人状況と働き方 12 AIエンジニアの転職市場 13 AIエンジニアの労働条件 14 AIエンジニアの学歴と年齢層 15 AIエンジニアの1日 CASE1 16 AIエンジニアの1日 CASE2 17 AIエンジニアの1日 CASE3 18 AIエンジニアの仕事とは - 総括 - ●4章 AIエンジニアになるには 19 AIエンジニアに必要なスキル 20 AIスキルに必要な基礎知識 21 AIプログラミングの始め方 22 アプリケーション開発スキル 23 AIエンジニアに必要な資格とは 24 AIエンジニアになるには~学生の場合~ 25 AIエンジニアになるには~ITエンジニアの場合~ 26 AIエンジニアになるには~非ITエンジニアの場合~ ●5章 AIシステムの概要 27 AIシステムとは 28 AIシステム開発の流れ 29 AIシステムに何をさせたいのかを決める 30 AIモデルの学習 31 AIモデルの検証と評価 32 データの扱い方を考える 33 システムの規模を検討する 34 AIシステムに必要な仕組み ●6章 AIモデルの構築とPoC 35 PoCの重要性 36 AIモデルの試作で「何を」分析するのか 37 データ収集で注意すべきこと 38 AIモデルで使うアルゴリズムを検討する ①教師あり学習 39 AIモデルで使うアルゴリズムを検討する ②教師なし学習 40 AIモデルで使うアルゴリズムを検討する ③アンサンブル学習 41 AIモデルで使うアルゴリズムを検討する ④ディープラーニング 42 AIモデルの性能を検証する 43 AIモデルの性能を評価する 44 高すぎる精度には過学習を疑う 45 データが少ない場合 ●7章 AIシステムを作る 46 PoC終了後から製品化までの流れ 47 PoCで作成したAIモデルを本番用に改良する 48 AIシステムを構築する 49 AIシステムをテストする 50 AIモデル更新の方法を検討する ●8章 AIシステムの運用 51 システムの運用 52 AIシステムを監視して異常がないかチェックする 53 AIモデルの更新 54 AIシステムの苦手部分は人がフォローする ●9章 AIエンジニアになったら 55 地道な経験を積もう 56 理想のデータと現実のデータを知る 57 大規模なデータを扱うにはインフラの知識が必須 58 顧客の期待値を調整する 59 ビジネススキルを身に付ける 60 最先端技術だからこそ学び続けなければならない 61 ステップアップのために

みんなのレビュー
まだレビューはありません
No.39
65
みんなのレビュー
まだレビューはありません
No.40
65

インフラエンジニアの教科書

佐野 裕
シーアンドアール研究所
みんなのレビュー
まだレビューはありません
No.45
65
みんなのレビュー
まだレビューはありません
No.46
65
みんなのレビュー
まだレビューはありません
No.49
65

SEの仕事の成否を分けるのは、コミュニケーションとマネジメントだった!業務システム開発の本質は「人」にあるということをいち早く見抜き、20年以上にわたって開発プロジェクトを次々に成功させてきた著者が、その成功の秘密を公開するSE必読の書。2006年の初版発行以来、増刷に増刷を重ね、No.1マニュアルとして全国のSEから絶賛されてきた『SEの教科書』が、続編『SEの教科書2』とあわせて改訂・完全版で登場。 第1部 成功するSEの考え方、仕事の進め方(SEの仕事は「人」が9割 失敗の原因はコミュニケーション不足 マネジメントが成否の鍵 コミュニケーション重視の会議術-準備編 コミュニケーション重視の会議術-実践編 プロジェクト初期段階の仕事術 成果物作成の仕事術 顧客業務分析の仕事術 設計・実装・テストの仕事術 プロジェクト運営の仕事術 業務システム開発は「伝言ゲーム」) 第2部 成功するSEのプロジェクト計画・運営術(名ばかりプロジェクトマネジメント 誤解がプロジェクトを破綻させる 上流工程はすべて計画活動 本当の計画、名ばかりの計画 ネットワーク図による計画作成術(アナログ式) ネットワーク図による計画作成術(デジタル式) ネットワーク図による計画の最適化 IT業界が日本を救う)

みんなのレビュー
まだレビューはありません
No.52
65
みんなのレビュー
メタバースについて知りたいならまずこの書籍を手にとってみるべき。日本の新興メタバーススタートアップとして注目を浴びているクラスター創業者の加藤氏が語るメタバース。
No.53
65
みんなのレビュー
コレ一冊読めばWeb技術の基本が分かる!新しいテクノロジーが登場しても基本となるWebの技術は非常に大事だし活きる!IT系の仕事に付く人はまずこの書籍を読んで基本を固めるべし!
No.55
65
みんなのレビュー
今では色んなところで引用される人生100年時代というパスワードのきっかけになった書籍。もう既に1つの会社に勤め上げるような旧来の生き方は崩壊している。将来に不安を抱いているビジネスパーソンはこの本を読んで時代の変化に置いていかれないような生き方を選択して欲しい。
No.56
65

お金の力を正しく知って、思い通りの人生を手に入れよう。変化の時代のサバイバルツールとして世界中で読まれるベスト&ロングセラー オリエンタルラジオ 中田敦彦さん「YouTube大学」で紹介、大絶賛! □最初に読むべき「お金」の基本図書 毎年多くの「お金」に関する本が出版され,書店に並び、そして消えていきます。 そんな状況の中で、「金持ち父さんシリーズ」は刊行から20年経った今でも変わらず多くの支持を得ています。 その第1作目である『金持ち父さん 貧乏父さん』は、時代が変わっても古びない原理原則を示す「お金」の基本図書。 「目からウロコの連続でした! 」という声が絶えず寄せられ、これまで数多の人々の「お金観」を変えてきました。 日本やアメリカのみならず、本書が刊行された2013年時点で51ヶ国語に翻訳され、109ヶ国で読まれています。 教えの書―金持ち父さんの六つの教え 金持ちはお金のためには働かない お金の流れの読み方を学ぶ 自分のビジネスを持つ 会社を作って節税する 金持ちはお金を作り出す お金のためでなく学ぶために働く 実践の書 まず五つの障害を乗り越えよう スタートを切るための十のステップ 具体的な行動を始めるためのヒント

みんなのレビュー
ネットワークビジネスとかのイメージが強くて怪しいイメージを持たれがちだが、書籍自体はめちゃくちゃ参考になる名著。お金に対する価値観が変わるので、若いうちに絶対読んでおくべき書籍の中の1冊。資本主義の世界で疲弊しているなら絶対読むべき。目から鱗
No.57
65
みんなのレビュー
まだレビューはありません
No.59
65
みんなのレビュー
学生の時に読んでよく分からなかったが社会人になって読んでめちゃくちゃ腹落ちした書籍。何度も何度も読み返すことで多くを学べる。社会人で日々の仕事に忙殺されて大変な人には是非読んで欲しい書籍。
No.60
65
みんなのレビュー
まだレビューはありません
No.61
65
みんなのレビュー
まだレビューはありません
No.62
65
みんなのレビュー
学生の時にこの書籍を読んで統計学に興味を持った。統計学の魅力について分かりやすく学べる書籍。専門的な内容はそれほどないのでスラスラ読める。統計学ってどんなことができるの?なんでそんなにすごいの?ということを知りたい人がまず最初に読むべき本。
No.63
65
みんなのレビュー
まだレビューはありません
search