Google Cloud Platform（GCP）マニアのクラウドエースが解説するクラウドエンジニア必携「GCPの教科書」！
Google Cloud Platform、略称「GCP」はグーグルが提供するプラットフォームで、その中では、今注目の「機械学習」「ビッグデータ」関連のサービスが特に充実しており、AI関連のシステム基盤として要注目の環境となっています。

【対象読者】
本書は、自他共に認めるGoogle CloudPlatform（以下、GCP）マニアであるクラウドエースが、GCP をぜひ皆さんに使っていただきたいと考えて執筆したものです。
「GCPを使ってみたいけど使い方がよく分からない」方から、「ある程度使っているけれども使いこなせてはないかも？」というクラウドに関して初級から中級の技術者の方を対象にしています。

【本書の内容】
GCPに触れたことのない方には、まずは触ってみて体感すること、次に基礎的なことを押さえて効果的によりたくさんのプロダクトを活用できるようになることを体系的に解説した「教科書」です。クラウドエンジニア必携の一冊です。

【本書の効用とゴール】
本書では、GCPの機能・操作法や他のクラウドとの比較など、ひととおり解説してありますので、GCPの基本・特徴については理解できます。GCP を理解し、触ってみて、今後の「クラウドネイティブ時代」を生きる一助となるべく一冊です。

【本書の構成】
第1章　Google Cloud Platformとは？
第2章　GCPの基本を知ろう
第3章　GCPの基本サービスを学ぼう
第4章　高度なサービスを知ろう（その１）
第5章　高度なサービスを知ろう（その２）
第6章　機械学習
第7章　GCPで使えるAPIの紹介
第8章　AWSユーザーへ
第9章　GCPのまとめと今後の展望

GCPの教科書

Googleが提供するクラウドサービス
AWSとの違いを軸に徹底解説

　「Google Cloud Platform」(GCP)は、Amazon Web Services(AWS)や
Microsoft Azureと同じく、企業向けのクラウドサービスとして提供されている。
後発であることは否めないが、後発であるからこその特徴を備えている。

　一般的な用途では「マネージドサービス」の充実が特徴と言える。
そのほか、今注目の「機械学習」「ビッグデータ」関連のサービスが特に充実しており、
AI関連のシステム基盤として要注目であることは間違いない。

　本書では、「コンピューティング」「ストレージ」「ネットワーキング」「ビッグデータ」
「機械学習」「アカウント管理」「運用監視」という7つのカテゴリーに分類し、
GCPの特徴を、AWSとの違いを軸に解説している。

　また、GCPのサービスを解説するほか、エンタープライズ用途のユースケースに基づいて、
GCPを用いた設計ガイドをまとめている。技術力に定評のあるGoogleのクラウドサービスを
検討するのに最適な1冊である。

Google Cloud Platform　エンタープライズ設計ガイド

インフラ基礎知識とセットで学ぶ！
Google Cloud Platformの機能＆システム構築パターン！

本書は、Google Cloud Platform（GCP）でシステム、アプリケーションを
構築するための実践的な入門書です。

GCPを初めて利用する開発者をメインターゲットとし、GCPの提供する
サービス（コンポーネント）の全体像と、サービスを組み合わせて最適な
アプリケーションアーキテクチャを実現する方法を、具体的なサンプルを
使ってわかりやすく解説します。

Webアプリケーションを動かす具体的な手順の解説に加えて、コンテナ、
オーケストレーションといったテーマもカバーするため、業務で本格的な
利用を考えている方にも適しています。

単にGCPの使い方を説明する手順書にとどまらず、GCPを利用する上で
理解しておきたいインフラの基礎技術などを解説することで、技術動向の
変化が激しいクラウドの解説書でありながらも陳腐化を最小化するよう
工夫しています。

また、GCPの強みであるクラウドネイティブなアーキテクチャによる
アプリケーション実行環境の構築をサンプルとして挙げているのも
大きな特徴です。本書の強みは、具体的なサンプルを使って丁寧に
説明することで、GCPの良さを体得してもらえるところにあります。

GCPの利用や導入を検討している／初めて使う、あるいは、AWSなど
他のクラウドを使ったことがあるプログラマ／開発者の方におすすめの
一冊です。

プログラマのためのGoogle Cloud Platform入門 サービスの全体像からクラウドネイティブアプリケーション構築まで

■本書について
　Google BigQuery（ビッグクエリ）は、Googleが自社で保有している膨大なデータを効率的かつ高速に分析するために構築した社内データ分析基盤を一般提供したサービスです。その内部ではBorg、Colossus、Jupiter、DremelなどのGoogle独自のコアテクノロジーが活用されており、実行されたクエリはGoogleの保有する膨大なインフラリソース上で瞬時に並列・分散処理されます。

　その処理速度は1000億行のデータセットに対してインタラクティブに数十秒で結果を返してしまう程です。

　本書では、社内に蓄積されているビッグデータを、新人さんがBigQueryを駆使してその優れた機能に感動しながらも悪戦苦闘し、分析基盤として利用していくサンプルケースを通して、BigQueryの利用方法を具体的に解説していきます。まずは気を楽にして物語を楽しみながら、登場人物達と共にBigQueryや関連するGCPサービスについて理解を深めていただければと思います。

■執筆者紹介
・工藤 雅人（くどう まさと）、担当：前書き、後書き、第1章「人物紹介とプロジェクト概要」、会話文他。2児の父。フルスタックエンジニア（もどき）

・鈴木 達彦（すずき たつひこ）、担当：第2章「BigQueryによるデータ分析」、第3章「BigQueryの基本と特徴」、第6章「ストリーミング処理でのデータ収集」他。インフラからアプリまで幅広くやるエンジニア

・上野山 顕（うえのやま あきら）、担当：第3章「BigQueryの基本と特徴」、第4章「パフォーマンスと費用」。うさぎ好き。BigQuery信仰エンジニア

・高木 智春（たかぎ ともはる）、担当：第5章「データ収集の自動化」。犬好き。下町を愛するエンジニア

Google Cloud Platform 実践ビッグデータ分析基盤開発 ストーリーで学ぶ Google BigQuery

誰でもつくれる画像認識ＡＩ
 Google の最新技術 Cloud AutoML
 で作る機械学習モデル！！

学習データの作成から、予測モデル構築・チューニング・モデル評価・ウェブやアプリの組み込み。
ディープラーニング・ニューラルモデル・機械学習の理論を使ったシンプルな画像認識ＡＩ作成。

■事例・利用例
●ファッション系ネットショップで、たくさんある洋服の袖や襟の形を自動画像認識させて、利用者が商品を探しやすいウェブサイトにする。●不動産系ネットショップで、家の外観や内装の写真を自動認識させて、利用者が物件を探しやすくする。●フリマ系サイトで、利用者がアップしたたくさんの画像を自動認識させて、商品を探しやすくする。●とにかくたくさんの画像があって、「面倒くさい作業」「時間がかかる作業」「捌ききれない作業」を自動認識で楽にする。

Google Cloud AutoML Vision入門  画像認識・機械学習・ＡＩを使ったウェブサイトやアプリをつくる

Google Cloudは、すぐにクラウドでアプリを開発できるので、ビジネスをすばやくIT化できます。フルマネージド（サーバー管理が要らない！）なので、Googleの技術基盤にフルに任せながら、安心してソフトウェア開発に注力できます。しかもGoogle App Engineを使うならば、必要なプログラミング言語はPythonだけです。しかもWebブラウザだけで開発できます。本書はGoogle Cloudの優れた機能を紹介しながら、Python＋Flaskフレームワークを使いWebアプリ方を紹介します。この開発工程をともに学ぶことでクラウド上でのソフトウェア開発の要諦を学ぶことができるでしょう。Google Cloudのパワーとテクノロジーを習得しましょう！

Google Cloud Platform GAEソフトウェア開発入門――Google Cloud Authorized Trainerによる実践解説

身近な例からデータサイエンスの深淵を体感し
スケールさせるノウハウを学ぶ

【本書の内容】
「膨大なデータを分析して傾向を探り意思決定に援用する」とはよく耳にするフレーズですが、「膨大なデータ」から「援用する」までの間に、どのようなことがなされているのでしょうか。その各段階における必要な知識や技能やツールやインフラにはなにがあるのでしょうか。
本書はそういった疑問を、身近な例（フライトスケジュールからミーティングの参加・不参加確定）から説き起こします。とはいえ、それは単に米国運輸省のデータをダウンロードし、フライトの傾向を時間軸に合わせて分析し、スケジュールとして提示する、という“シンプル”なストーリーではありません。
「データ分析を実行してビジネスで成果を出す」ことができる人を「データエンジニア」と呼ぶ、Googleならではの文化が色濃く出た1冊です。すなわち、クエリの構築やレポート、グラフ化が最終目標ではなく、それらをひっくるめたスケーラブルで反復可能なシステムを構築できる人材への足がかりとなる1冊であり、肩書としての「データサイエンティスト」から、真に求められているデータサイエンティストへと、自身をスケールしていくための手引書です。

本書は、
Valliappa Lakshmanan,
"Data Science on the Google Cloud Platform: Implementing End-to-End Real-Time Data Pipelines: From Ingest to Machine Learning", O'Reilly Media, January 12, 2018.
の邦訳版です。

【本書のポイント】
・Google Cloud Platformの具体的な活用方法
・データ分析からサービス構築まで、必要な知識
・データサイエンスをスケールするという考え方

【読者が得られること】
・データサイエンスに必要な知識を段階を追って習得できる
・データ収集からサービス構築までの一連の流れを理解できる
・各ステージにおける勘所や肝となる考え方を学べる
・Google Cloud Platformにある一群のツールを使えるようになる
・統計学や機械学習を理解していれば、モデルをコード化できるようになる

【対象読者】
・データエンジニア、データサイエンティスト
・データアナリスト、データベース管理者
・システムプログラマ

スケーラブルデータサイエンス データエンジニアのための実践Google Cloud Platform

Google Cloud Platform（GCP）のプレミアムパートナーである株式会社トップゲートが、Webアプリケーションを開発する上で主なアーキテクチャとして採用しているGoogle App Engine（GAE）とその周辺サービスの活用方法について、親しみやすいストーリー仕立てで紹介します。

　本書は、「サーバーレス」という概念が企業に浸透する以前からフルマネージドなアプリケーション構築基盤として洗練を続けたGAEが、テクノロジーの進化に伴い複雑化している要件にも柔軟に適合できることを、開発シミュレーションを通してわかりやすく読者の皆様にお伝えします。トップゲートの新入社員用入門書として配布することも想定していますので、クラウドを活用したアプリケーション開発に親しみのないエンジニアにとっても、良い導入となるでしょう。

　次のような方を対象読者と想定しています。

*   GCPを活用したWebアプリケーションの開発方法について学びたい方

*   GCPのアプリ開発基盤に関する基礎を学びたい方

*   GAEについて具体的な利用方法を学びたい方

*   クラウドの開発基盤としてGCPを検討中の方

■執筆者紹介
・キム ハンソル、担当：3.4「アプリケーションのテスト」。バイオリンが好きなエンジニア

・工藤 雅人（くどう まさと）、担当：前書き、後書き、会話文他、第1章「人物紹介とプロジェクト概要」、3.3「フロントエンドの開発」。2児の父、フルスタックエンジニア（もどき）

・白川 舞（しらかわ まい）、担当：3.2「サーバサイドの開発」、3.5「アプリケーションのデプロイ」。スーパー銭湯を愛するエンジニア

・田中 有作（たなか ゆうさく）、担当：第2章「[基礎] プラットフォームの選択」、4.2「認証機能」。カメラいじりが好きなエンジニア

・對馬 直哉（つしま なおや）、担当：前書き、第1章「人物紹介とプロジェクト概要」、2.1「開発環境の準備」。30歳パパエンジニア

・原 隆太（はら りゅうた）、担当：3. 2「サーバサイドの開発」、第4章「[ 応用] 運用・パフォーマンス改善」、終わりに。App Engineしかできないエンジニア

・渡邊 成樹（わたなべ しげき、担当：第4章「[応用] 運用・パフォーマンス改善」。CIしかできないエンジニア

Google Cloud Platform 実践Webアプリ開発 ストーリーで学ぶGoogle App Engine

AIやIoTが実用化フェーズに入りつつあるのみならず、デジタルトランスフォーメーション（DX）への注目の高まりによって、事業やサービスを取り巻くデータを分析・活用・管理するためのインフラであるデータ基盤の重要性が増しています。 データ基盤を構築するにあたり、先行する事例から、Google Cloud（Google Cloud Platform, GCP）はデータ領域に強みがある、あるいは、BigQueryは高速に動作するデータウェアハウスである、と聞いたことがある方は多いでしょう。

本書では「データ基盤」そのものを体系的に整理しながら、Google Cloudの各サービスをどのように活用することで実用的なデータ基盤を構築できるか、また発展的なデータ分析ニーズに答えるデータ基盤をどのように設計できるか、といった点について解説しています。 特にGoogle Cloudはマネージドサービスを中心として提供されているため、その特性を正しくとらえることで、最大限の価値を発揮できるようになります。 実際にGoogle Cloudやオンプレミス、他のクラウドサービスを用いたデータ基盤の構築や設計に携わってきた筆者らによる一歩踏み込んだ解説が本書の特徴です。

本書は以下のような方におすすめです。

・これからデータ基盤の構築に関わる可能性があるエンジニア
・Google Cloudや他のクラウドサービスを利用しており、これからデータ領域での活用を広げようとしている方

また、すでにGoogle Cloudを利用しているエンジニアやデータ基盤に携わっているエンジニアにとっても、より洗練されたデータ基盤の設計を行うための知識やノウハウを得ることができるでしょう。

本書は近年のビジネス要件の変化からデータ基盤に求められる要件、一般的なデータ基盤のアーキテクチャを紹介した後、Google Cloudでの設計として以下のようなトピックを取り扱います。

・データウェアハウス
・データレイク/ETL/ELT
・データパイプラインマネジメント/データ統合
・データ基盤のセキュリティとコスト管理（アクセス制御、データ持ち出しの防止、重要データ検知）
・BI、データの可視化
・発展的な分析（地理情報分析、機械学習、リアルタイム分析）

Google Cloudではじめる実践データエンジニアリング入門[業務で使えるデータ基盤構築]

GCP上でのコンテナベースの開発する際の御作法　すべて教えます！

近年、アプリケーションエンジニアにとってコンテナベースでの開発は「超必須」とも
言える重要な技術となっております。しかし、一通りの開発ができたとしても、コンテ
ナの利点を十分に活かすことは難しいものです。
Googleが提供するGCP（Google Cloud Platform）には、このコンテナ開発ができる
様々なツールが多く用意されています。本書では、この中でも開発者がよく使う
（けど、わかりづらい）Kubernetes、GKE、Cloud Runを中心に解説しました。

◆本書の主な内容
第1章　Google Cloud Platformの紹介
　1.1　Google Cloud Platformとは
　1.2　プロジェクトの準備
　1.3　GCPのプロジェクトの作成
第2章　Google Container Registry
　 2.1　Google Container Registryとは
　2.2　Container Imageの形式
　2.3　GCRにイメージを保存
　2.4　Cloud Storageとの関連性
　2.5　コンテナイメージの脆弱性スキャン
第3章　Cloud Build
　3.1　Cloud BuildはGCPのCI/CDサービス
　3.2　Cloud Buildで利用可能なコードホスティングサービス
　3.3　Cloud Buildトリガー
　3.4　Cloud Build構成ファイル
　3.5　Cloud BuildでCI/CD基盤構築
第4章　Kubernetes
　4.1　コンテナ
　4.2　Kubernetesの概要
　4.3　Kubernetesの機能
　4.4　宣言的な構成管理
　4.5　Minikube
　4.6　Kubernetesのアーキテクチャ
　4.7　Kubernetes APIオブジェクト
第5章　GKE
　5.1　Cloud Consoleで始めるGKE
　5.2　Cloud SDKで始めるGKE
　5.3　GKEを用いたアプリケーションの公開
　（以降については「目次」を参照）
第6章　Cloud Run
第7章　サービスメッシュ

GCPの教科書II　【コンテナ開発編】　　KubernetesとGKE、Cloud Run、サービスメッシュを詳解

Kubernetes完全ガイド

大規模なサイトを運用・構築していくための手法「SRE」について詳述!
Google社内で発展した、大規模なサイトを運用・構築していくための手法「サイト リライアビリティ エンジニアリング」について、様々な場面での実践的なストーリーを紹介します。

SRE サイトリライアビリティエンジニアリング

今求められる「モダンなモニタリング」を解説 !
なぜモニタリングをする必要があるのか、どこから、どのように始めたらよいのかを起点に各テーマに沿って書かれているため、モニタリングについての深い知識を身につけることができます。

入門監視

AWS（Amazon Web Services）を活用・構築する知識を持っていることを証明するのがAWS認定です。「AWS認定 クラウドプラクティショナー」は、エンジニアだけでなくマネージャーや営業職など、さまざまなポジションを対象とした新しい試験で、AWSクラウドの知識とスキルを身に付け、全体的な理解を効果的に説明できるようになることが求められます。
本書はその「AWS認定 クラウドプラクティショナー」向けの試験対策教科書です。AWSを利用していくのに必要となる「クラウドの概念」「セキュリティ」「テクノロジー」「請求と料金」といったカテゴリを、しっかり丁寧に解説しています。
実際に豊富な構築経験と深い知識を持った著者が、試験の合格のポイントになる知識と解答の考え方が理解できるように構成しています。さらに、練習問題で知識を解答につなげる力がしっかりと身につきます。

AWS認定試験対策　AWS クラウドプラクティショナー

本書は、GoogleがGCP（Google Cloud Platform）上で提供している各種機械学習関連のツール・APIを活用し、実際に機械学習の環境やデータに触れながら、その原理と動作を体験的に学ぶことができる機械学習入門書です。

■対象読者
本書では、実際に手を動かしながら、機械学習を体験的に学ぶことができ、さらに、次の方々の要望にも応えられる内容となっています。
　・機械学習に初めて取り組むエンジニア
　・数学が苦手
　・ツールとしてだけでなく、原理も学びたい
　・学びだけでなく実践につなげたい

■内容紹介
●Googleは、機械学習にも有用な優れた環境を提供しており、特にDatalabはブラウザ上でPythonのコードを実行でき、グラフ・表を出力できるほか、ビッグデータを高速で処理するBigQueryや便利な各種APIにも簡単にアクセスできるツールです。

●本書では、Datalabを通じて、Googleが膨大なリソースを使って初めから用意している機械学習環境にアクセスし、高度な機能と豊富な資源を十分に活用できるよう読者を導いていきます。

●本書による学習では、数式はほとんど使わず、簡単なコードとそのグラフィカルな実行結果により、理解を深めていきます。
まずは識別の基礎から入り、各種識別関数を通じて機械学習の原理や手法を学びます。
続いて実践的にデータを扱いながら、データの評価方法やチューニングを学び、さらに深層学習（ディープラーニング）へと進んでいきます。
深層学習では、画像識別による具体例から始まり、より高度なニューラルネットワークまで学んだ後、実際にGoogleの深層学習用ライブラリー（TensorFlow）を使ってニューラルネットワークをモデリングする方法を学びます。
最後に、画像識別を代表するCNN（畳み込みニューラルネットワーク）の実装法を学び、実運用の入り口へと案内します。

Google Cloud Platformではじめる機械学習と深層学習

「ビッグデータ（Big Data）」という用語は，2010年頃から特にビジネスの分野を中心によく見かけるようになり，2012年の米国大統領選をきっかけに爆発的なブームとなりました。しかし，多くの人は，ビッグデータとはいったい何なのかを未だによくわかっていないのが現状だと思います。本書は，データベース研究者である著者が「ビッグデータとは何か」，「ビッグデータに関わる技術や課題とは何か」について常日頃から考えている内容を整理して執筆したものです。
　1章では，まずビッグデータおよびその解析技術について概観します。2章では，ビッグデータ解析の応用事例について，代表的なものを紹介します。3章では，以降の章における技術的な解説の理解を促進するために，ビッグデータ解析の典型的な流れについて，データ収集とデータ解析に焦点を当てて解説します。4～7章では，ビッグデータを支える技術として，分散処理フレームワーク，ストリーム処理エンジン，データベース，機械学習について代表的な技術をそれぞれ紹介します。次に8章では，ビッグデータ解析が今以上に広く浸透するために重要となるオープンデータについて，国内外の動向を踏まえて解説します。最後に9章では，本書のまとめとして，ビッグデータに関する将来の動向，可能性について議論します。
　ビッグデータについて知りたい，学びたいと思っている読者が，押さえておくべき重要な事項を一通り学ぶことができる1冊になっています。

ビッグデータ解析の現在と未来

データ分析の結果を正しく表現し、適切に伝えられていますか？

本書は、データを効果的に表現するコミュニケーションの技術を、

・考え方（理論編）とテクニック（実践編）に分け、
・実践編では、悪い例と改良例の比較形式で示した72通りの実例を用いて、

わかりやすく伝授します。第7章では、人気のBIツールTableau（タブロー）を用いて、実践的に解説しています。

【2021年3月最新】GCPおすすめ入門/参考書ランキング