機械学習

事例から学ぶ！人工知能（AI）を種類別に解説【初心者向け】

初心者向けに人工知能（AI）の種類と特徴、人工知能の歴史、人工知能(AI)でできること、できないことを詳しく紹介しています。画像や音声、言語の処理など実際にどう生活に役立っているのか事例も交えながら説明。人工知能の中でもレベルが分かれているので、理解しておきましょう。

テックアカデミーマガジンは受講者数No.1のプログラミングスクール「テックアカデミー」が運営。初心者向けにプロが解説した記事を公開中。現役エンジニアの方はこちらをご覧ください。 ※ アンケートモニター提供元：GMOリサーチ株式会社　調査期間：2021年8月12日～8月16日　調査対象：2020年8月以降にプログラミングスクールを受講した18～80歳の男女1,000名　調査手法：インターネット調査

現在、幅広い業種で人工知能（AI）が使われています。またニュースや新聞でも、人工知能の報道を目にしない日はありません。

このような状況の中、人工知能に興味・関心を寄せるエンジニアが増えてきています。また企業においても、人工知能のスキルを持ったエンジニアの採用が活発に行われています。

人工知能（AI）とは、「コンピューターが物事やルールを理解するための仕組み」の様々な技術の総称です。

よって、人工知能の種類や歴史、できること、できないことを知ることで、エンジニアとして適切なスキルアップを図ることができるようになるでしょう。

この記事では、人工知能の種類と特徴、人工知能の歴史、人工知能(AI)でできること、できないことをそれぞれ紹介していきます。

人工知能とはどのような技術か、実際にどのようなサービスに使われているか、ぜひ知っておきましょう。

なお本記事は、TechAcademyのオンラインブートキャンプ、AI講座とデータサイエンス講座の内容をもとに作成しています。

人工知能とは

人工知能(（AI）とは、「コンピューターが物事やルールを理解するための仕組み」の様々な技術の総称です。人工知能、Artificial Intelligenceという言葉は、1956年にダートマス会議でジョン・マッカーシーにより初めて使われました。ダートマス会議とは、人工知能という学術研究分野を確立した会議の通称であり、初めての人工知能プログラムもこの会議の中で紹介されています。

現代において、人工知能という言葉の定義は非常にあいまいになっており、ちょっとしたセンサーを使った家電や、ゲームソフトの処理ルーチンなども人工知能と呼ばれることがあります。

人工知能には、強いAIと弱いAIという考え方があります。

強いAIは、人間の脳そのものを表現しようとする考え方です。対して弱いAIとは、人間が知能を使ってすることを機械にさせよう、という考え方です。

現代の研究は、ほとんど弱いAIの立場に立って行われています。すなわち、人間が知能を使ってすることを機械にさせよう、という立場です。弱いと言っても、人工知能の性能が低い、という意味ではありません。囲碁や将棋などのゲーム、画像認識などの分野においては、既に人間を凌駕する性能を実現できています。

[PR] AIプログラミングコース

人工知能の種類と特徴

それでは、人工知能の活用について、代表的な種類と特徴を見ていくことにしましょう。

言語

いわゆる自然言語処理を行う人工知能です。文章を読んで構文を理解したり、内容が似た文章を選択したりすることができます。機械翻訳システムも言語処理を行う人工知能を生かして構築されています。言語処理は古くから研究されているテーマですが、特に最近の深層学習（ディープラーニング）技術の発展により、急激にその能力が向上しています。現在では「人工知能の歴史」のようなテーマを与えることで、新しい文章を人工知能が生成することも出来るようになってきています。自然言語処理については、こちらの記事も参考にしてください。

Google翻訳

りんな(Microsoft のチャットボット)

きまぐれ人工知能プロジェクト(ショートショート創作)

音声

雑多な音の中から人の声だけを抽出したり、声を認識して文章に変換したりする人工知能です。言語の人工知能と組み合わせて使う場合が多く、翻訳アプリに直接話しかけると他言語に翻訳された音声が返ってくるリアルタイム翻訳など、様々なソリューションが開発されています。音声を認識できる精度が向上したことにより、スマートウォッチやスマートスピーカーなど、音声を主要なインタフェース（操作方法）とする製品も多く登場するようになってきました。

Clova(Line社のスマートスピーカー)

Google翻訳

Shazam(音声から曲名を推測するアプリ)

画像

画像や映像に写っている物体を認識する人工知能です。Googleの画像検索や、監視カメラにおける人物識別にはこの技術が利用されています。また、物体を認識するだけではなく、画像や映像の加工にも人工知能技術が使われています。スマートフォンのカメラの美肌処理や、showのような顔写真加工アプリは身近な存在ですね。さらに最近では、「The Next Rembrandt」のような、画家の作品の特徴を学習させ、新たな作品を創造する、といった取り組みも行われるようになってきています。

Google画像検索

NeoFace(NECの顔認証技術。監視カメラなどに活用)

The Next Rembrandt(人工知能によるレンブラント作品の創造)

制御／推論

なんらかのデーターをもとに、未知の状態を予測する人工知能です。身近なところでは、家電や自動車の制御、通販サイトでのおすすめ商品の表示などもこの人工知能を活用しています。これらの人工知能は機械学習と呼ばれ、前出の人工知能も含め、広い分野をサポートする、いわばバックエンド的な存在です。機械学習には、教師あり学習、教師なし学習、強化学習といった種類があります。強化学習とは、囲碁や将棋、コンピューターゲームなどを人工知能に攻略させる種類のものです（勝つことでより学習が強化されるため、強化学習と呼ばれています）。機械学習については、こちらの記事も参考にしてください。

機械学習（マシンラーニング）とは！まずはここから理解しよう

scikit learn(代表的な機械学習ライブラリ)

TensorFlow(代表的なディープラーニングライブラリ)

人工知能の歴史

次に、人工知能の歴史について、簡単に振り返ってみましょう。人工知能は、1956年にダートマス会議で初めてその名称が使われてから、ブームと衰退（冬の時代）を繰り返して現在に至っています。これは主に、人工知能に対する期待と失望、研究資金の供給と停止によるものです。

ただ、幾度のブームと衰退を繰り返すことで、人工知能でできること、できないことが精査されてきました。現在の研究が、弱いAIの立場に立っているのもその一例です。

また、コンピューターの飛躍的な性能向上により、以前は机上の空論でしかなかった理論が、容易にできるようになったことも、現在の人工知能ブームを支えている一因です。

人工知能の誕生	1943-1956
ブーム第1期(黄金時代)	1956-1974
冬の時代第1期	1974-1980
ブーム第2期	1980-1987
冬の時代第2期	1987-1993
〜
ブーム第3期	2006-

wikipedia 人工知能の歴史

人工知能ができること、できないこと

それでは、人工知能にできること、できないこととは何でしょうか？

結論から言うと、人間が行っているほとんどの作業は、人工知能が行うことができます。例えば医療分野では、人間の医師より高い精度で病理を判断できる技術が開発されています。

また、従来は「人間の感性」に属すると思われていた、例えば写真が綺麗とか、歌が心地よい、といった分野も人工知能が対応できるようになってきました。

逆に人工知能ができないことは、倫理や人生に関することです。

例えば、自動車の自動運転技術は、技術としてはほぼ完全運転が可能になってきていますが、「人身事故を予見した際、ドライバーと歩行者のどちらの命を優先すべきか」という倫理的な問題は、人工知能だけでは判断できません。

人間同士が合意して解決しなければ社会的な正解にはなりえません。また、人生に関する選択も同様です。人工知能はアドバイスできるかもしれませんが、それを受け入れ、行動するのは人間自身です。

人工知能ができること、できないことを知り、過度に期待することなく、仕事や生活に活用して行きましょう。

人工知能について、理解は深まったかな？

人工知能の種類やできること、できないことなど、勉強になりましたー！

人工知能の概要を学習したら、機械学習や深層学習などにも取り組むと良いよ。深層学習や画像認識、自然言語処理については、また別のところで説明するね。

分かりました。ありがとうございました！

人工知能の学習書籍やサイトの紹介

人工知能の学習書籍

図解人工知能大全 AIの基本と重要事項がまとめて全部わかる

ターゲット

AI初学者向けです。

特徴

図解でわかりやすい解説です。

何が学べるのか

AIに関して誰しも最初に疑問に思うことを解説してあります。

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

ターゲット

プログラミング経験のあるAI初学者向けです。

特徴

論理的な解説で実務でも応用できる内容です。

何が学べるのか

外部ライブラリに頼らず、ゼロからPython3を使ったディープラーニングの実装方法を学習できます。

ゼロから作るDeep Learning ❷ ―自然言語処理編

ターゲット

ゼロから作るDeep Learningを学習済みの方向けです。

特徴

自然言語処理や時系列データ処理に焦点を当て、論理的な解説で実務でも応用できる内容です。

何が学べるのか

ゼロから作ることで、ディープラーニングを使ってさまざまな問題を解決する力をつけることができます。

人工知能の学習サイト

Google AI

料金

無料。

ターゲット

Googleが用意したカリキュラムで学習したい初学者から中級者向けです。

特徴

機械学習から TensorFlowに至るまで様々な内容を英語で学習できます。

Elements of AI

料金

無料。

ターゲット

ヘルシンキ大学が用意したカリキュラムで学習したいアカデミックな受講生向け。

特徴

人工知能の理論から英語で学習できます。

Udemy

料金

1400円～

ターゲット

初学者から中級者まで幅広いターゲットに対して、日本語での受講が可能です。

特徴

各講師が独自でカリキュラムを作成しているので、選択肢が広いです。

今回は、人工知能の種類について解説しました。

これから人工知能を勉強したい、人工知能を使って何か作ってみたいという方は最初に理解しておきたい内容でしょう。

TechAcademyでは、初心者でも、AI（人工知能）の構築に必要な機械学習・ディープラーニングについて実践的に学習することができる、オンラインブートキャンプAI講座を開催しています。

挫折しない学習方法を知れる説明動画や、現役エンジニアとのビデオ通話とチャットサポート、学習用カリキュラムを体験できる無料体験も実施しているので、ぜひ参加してみてください。

この記事を監修してくれた方

太田和樹（おおたかずき）
ITベンチャー企業のPM兼エンジニア

普段は主に、Web系アプリケーション開発のプロジェクトマネージャーとプログラミング講師を行っている。守備範囲はフロントエンド、モバイル、サーバサイド、データサイエンティストと幅広い。その幅広い知見を生かして、複数の領域を組み合わせた新しい提案をするのが得意。

開発実績：画像認識技術を活用した駐車場混雑状況把握（実証実験）、音声認識を活用したヘルプデスク支援システム、Pepperを遠隔操作するアプリの開発、大規模基幹系システムの開発・導入マネジメント

地方在住。仕事のほとんどをリモートオフィスで行う。通勤で消耗する代わりに趣味のDIYや家庭菜園、家族との時間を楽しんでいる。

Pythonで使える！便利な機械学習ライブラリまとめ

今回は、便利なPythonで使える機械学習ライブラリをまとめて解説します。 Pythonで様々なライブラリを使用する際、Anacondaというソフトウェア...

機械学習

【明快に解説】いまさら人に聞けない！人工知能（AI）とは

近年、TVなどのメディアで「AI」という言葉をよく耳にします。しかし、実際AIがどんなもので私たちの生活にどのような利益をもたらしているのか、またAI産...

機械学習

時系列の種類やモデルの紹介！時系列分析とは【初心者向け】

今回は、時系列分析について解説します。時系列の種類や時系列データのモデルについて紹介しているので、どういった分析の仕方があるのかぜひ知っておきましょう。...

機械学習

【事例付き】自然言語処理とは！仕組みやライブラリを解説

2016年末頃、Google翻訳の翻訳精度が飛躍的に向上し、大きな話題となりました。それまでは、英語を日本語に翻訳すると不自然な文章になってしまうことも多かった...

機械学習

初心者向け！機械学習を学ぶのにおすすめの本10選

今回は、機械学習を学ぶのにおすすめの本をまとめています。機械学習やディープラーニングを初めて学ぶ人におすすめの本、仕事でこれから使う人におすすめの本を紹...

機械学習

データ分析のライブラリ！Pandasとは【初心者向け】｜現役エンジニアが解説

今回は、Pythonのデータ解析用ライブラリであるPandasについて解説します。 Pandasを使うと、データの統計量を表示したり、グラフ化するなど、デ...

機械学習

あわせてよく読まれている記事

【明快に解説】いまさら人に聞けない！人工知能（AI）とは

近年、TVなどのメディアで「AI」という言葉をよく耳にします。しかし、実際AIがどんなもので私たちの生活にどのような利益をもたらしているのか、またAI産業が発展することで社会がどのように変化するのか？ということについては、「わからない」という人が多いのではないでしょうか。そこで今回は人工知能/AIについてわかりやすく解説していきます。なお本記事は、TechAcademyのAIオンライン講座の内容をもとにしています。人工知能（AI）とは何なのか？人工知能（AI）とはプログラム（ソフトウェア）の一種であり自律し、自ら学習し、思考するもので、世界中で盛んに研究されています。 AIの研究の種類としては、『人間の知能のような高度な知能を機械に持たせよう』というものと『人間が知能を使ってする動作を機械にさせよう』というものがあります。例えば将棋のプロがAIと戦って負けた、というのは前者の研究の成果ですし、AppleのSiriなどは後者の研究の成果です。日常で見られるAI 次に私たちの周りではどのようなところでAIが使用されているのかご紹介します。近年私たちが使用している機会はそのほとんどがAIを搭載しており非常に便利なものとなっています。 Googleの検索エンジン googleの検索はみなさん日常的に使用されていますよね。実はそれもAIなんです。検索エンジンは、世界中でユーザーたちが検索した情報を学習していくことである検索ワード同士のの関連性を学んでいきます。私たちが検索した時に出てくる関連キーワードは実はAIが学習した事をもとに表示しているものなんです。ファッションアプリなどのオススメファションアプリなどではオススメが表示されますよね？それのも実はAIが使用されているんです。ユーザーへの質問をもとにAIが思考してオススメを表示するものや、ユーザーの購入したものからオススメを表示するものなどがあります。 LINEのAIアカウント『りんな』今ではメールの代用としても使用されているLINEですが、そのLINEの公式AIアカウント『りんな』が話題になりました。このAIアカウントはユーザーたちとの会話によって学習していくというもので、何かを送信すると自分で思考し返信してくれます。自然言語処理と呼ばれる技術を使っていますが、りんなはより女子高生っぽい返答をするのが特徴的ですね。 [PR] AIプログラミングコースAIの歴史 AIは近年突然研究が盛んになったわけではなく、以外にも数十年前から世界中の科学者の中で人気の研究でした。 AIの歴史とはどのようなものか見ていきましょう。 1950〜1960　第一次ブームこの頃にイギリス人の研究者アランチューリングによって世界で初めて人工知能の概念が提唱されました。また、アメリカ人研究者ジョンマッカーシーが初めて人工知能（AI）という言葉を使ったのもこの頃です。しかし、この時は人工知能の処理能力に関する反対意見から10年でブームが終わってしまいました。 1980〜1990　第二次ブームこの頃AI研究のブームが再び訪れます。この頃の研究者たちの注目点としては、AIに医療に関する知識やルールを記憶されることで専門家たちと同じ様な選択を行える様にする。ということでした。しかしこの場合は膨大なデータを記憶させなければならないため現実的ではなく、またその他の一般的な事柄などもインプットしなければならず使い物にならないのでブームは終わります。 2000〜　第三次ブーム第三次ブームは通信機器の発達と普及、通信技術の向上によって起こりました。高性能コンピュータの普及や通信機器の普及などにより、これまでは集められなかった大量のデータ『ビックデータ』の収集が可能になったことにも起因しています。また、現在ではこれまで人間によって与えられていたデータをAI自身が見つけ出せる『ディープラーニング』というシステムの確立もブームが起こった要因です。これからAIの進化によって実現できること人工知能は現在ものすごい速度で進化し続けていて、数年後にはもう私たちの生活は大きく変化しているかもしれません。これからAIはどのような事を実現していくのでしょうか。人間と会話できるロボット現在も人間のように会話するようなAIは開発されつつありますが、まだ完全ではないのが現状です。今後は完全に人間と同等の思考力を持ち、会話できるAIが開発され、一人暮らしの方の喋り相手になったり、高齢者の方の介護の貢献できるでしょう。そうなればロボットに恋をする時代が来るのでしょうか。車などの乗り物の完全自動操縦現在も、自動車の自動運転は導入されつつありますがあまり普及しきれていないのが現状です。人間の場合はどんなに気をつけていても事故を起こす可能性は0ではありません。しかし、もし完全に人間に近い思考のできるAIが完成すれば全ての乗り物を自動操縦化し、お互いの位置を把握し合う事で事故率をほぼ完全に０に近づけることができるでしょう。 AIの種類をレベル別に解説 AIはその知能レベルや性能によりレベル分けがされていますのでそれぞれについて解説していきます。レベル1 単純な制御プログラムです。インプットに対して決められたアウトプットを行います。命令されたことをただただ実行することしかできません。霧ヶ峰などのエアコンは自動で温度調整をしてくれますがそれがこのレベル１です。レベル2 知識を使用したAI。人間によって記憶させられた知識をルールをもとに動作を行うAIです。このレベルは自分で判断し、実行する機能を持ちますが自ら学習することはできません。ファッションサイトのオススメ表示機能などがこれにあたります。レベル3 自動的に学習するAI。このレベルのAIはある一定の情報や知識の中からパターンやルールを学習する『機械学習』と自ら情報を見つけ出し思考する『ディープラーニング』が可能になります。例えばブランコをこぐ方法を知らないロボットをブランコの上にのせると様々な動きを試していき最も効率のいい漕ぎ方を学習していく、というレベルです。ただし学習、思考する上で判断軸が必要です。日常的なものとしてはGoogleの検索エンジンやLINEのAIアカウントなどです。レベル4 このレベルになると判断軸という物事に対する思考基盤を自ら作り出してしまいます。人間によってルールや判断材料を与えられなくても、自らで考え出せるためこのAIが開発されることを『シンギュラリティ（技術特異点）』といいます。つまりAIの知能が人間の知能を超える点であるということです。これは2045年には起こるであろうとされていて、一部の科学者からはシンギュラリティを懸念する声も上がっています。最近の研究で、AI同士に話をさせていて、ある時から人間の言語ではない独自の言語で話始めたためAIを停止した。というものがありますが、シンギュラリティの前兆なのかもしれません。人工知能に関するオススメ書籍人工知能に関する初心者用書籍を紹介しておきます。図解入門最新人工知能がよ~くわかる本図解入門最新人工知能がよ~くわかる本 (How-nual図解入門Visual Guide Book) この書籍は『よくわかるシリーズ』の本なので、その名の通りわかりやすく図解で解説されているので人工知能についてほとんど知らないという方にも最適であると思います。マンガでわかる人工知能マンガでわかる人工知能 (池田書店のマンガでわかるシリーズ) この書籍は漫画で描かれているため、非常に読みやすく気軽に読み進められます。人工知能は人間を超えるかディープラーニングの先にあるもの人工知能は人間を超えるかディープラーニングの先にあるもの (角川EPUB選書) こちらは人工知能のシンギュラリティについて書かれており、人工知能について詳しい人もそうでない人も面白く、読めます。また、オンラインのプログラミングスクールTechAcademyではPythonを使って機械学習の基礎を学ぶAIオンライン講座を開催しています。初心者向けの書籍を使って人工知能（AI）や機械学習について学ぶことができます。現役エンジニアがパーソナルメンターとして受講生に1人ずつつき、マンツーマンのメンタリングで学習をサポートし、習得することが可能です。独学に限界を感じている方はぜひご覧ください。

機械学習

【徹底解説】機械学習（マシンラーニング）とは！まずはここから理解しよう

現在、幅広い業種で人工知能（AI）が使われています。またニュースや新聞でも、人工知能の報道を目にしない日はありません。このような状況の中、人工知能に興味・関心を寄せるエンジニアが増えてきています。また企業においても、人工知能のスキルを持ったエンジニアの採用が活発に行われています。機械学習は、その人工知能の中核をなすテクノロジーであり、現代のエンジニアにとっては、ほぼ必須の知識とも言えるでしょう。この記事では、機械学習の概要、各種手法についての解説、ディープラーニングとの違いなどを紹介します。機械学習とはどのような技術か、実際にどのようなサービスに使われているか、ぜひ知っておきましょう。なお本記事は、TechAcademyのAIオンライン講座の内容をもとに作成しています。目次機械学習とは教師あり学習とは教師なし学習とは強化学習とはディープラーニングとの違いとは機械学習の代表的なライブラリ田島悠介今回は機械学習について解説するよ。大石ゆかり田島メンター！機械学習って最近よく耳にしますね。具体的にどのような技術なんですか〜？田島悠介人工知能の中核をなす技術の1つなんだ。詳しく見ていこう。大石ゆかり分かりました！機械学習とは人工知能（AI）とは、「コンピューターが物事やルールを理解するための仕組み」の様々な技術の総称です。コンピューターが物事やルールを理解するためには、人間が学習するプロセスと同様に、情報を与えて物事の特徴やルールを学習させなくてはなりません。この学習方法のことを機械学習（マシンラーニング）と呼びます。機械学習は、従来のプログラミングと違い、開発者が全ての動作をプログラミングするわけではありません。開発者はコンピューターにデータと分け方を与えます。コンピューターはその情報を元に、データの特徴を学習し、新たなデータに対する正解を予測します。例えば、以下のような手書き数字の画像データがあったとします。 MNIST 開発者は、この画像データに対する正解、「0」や「1」といった数値をペアで与えます。コンピューターは、画像データと正解の数値をもとに、数値毎の画像データの特徴を学習します。例えば「画像データのどの位置が濃い」といった特徴です。この学習の成果を「モデル」と言います。 tensorflow.org また、このことは、機械学習はデータの特徴をモデル化（数式化）できることを前提としている、とも捉えることができますね。そして、このモデルをもとに、新たな画像データの正解を「予測」します。これが機械学習の大まかな流れです。なお、人工知能の精度を高めるには、大量のデータでコンピューターに学習させることが必要です。2000年代に入り、高速・高性能なコンピューターが容易に入手できるようになりました。また、インターネットの発展により、従来より格段に多くのデータを収集できるようになりました。このことが、現代の機械学習の技術を支えています。それでは、次に機械学習の種類について確認して行きましょう。機械学習は大きく「教師あり学習」、「教師なし学習」、「強化学習」の3つに分けることができます。 [PR] AIプログラミングコース教師あり学習教師あり学習とは、データと正解を与えて、コンピューターに学習させる方法です。前出の手書き数字の学習例も教師あり学習です。教師あり学習は、分類問題と回帰問題に分けることができます。分類問題分類問題は、データを種類ごとに分けることを目標とします。例えば画像データを与えて花の種類を予測する、音声データを与えて文字を予測する、これらは分類問題となります。 Iris_flower_data_set 回帰問題回帰問題は、データの特徴から、新しいデータに対する値を予測することを目標とします。例えば株価の予測や、天気予報、これらは回帰問題となります。教師あり学習の手法次に代表的な教師あり学習の手法について紹介します。線形回帰、線形分類データを直線で予測するのが線形回帰、直線で分けるのが線形分類です。線形回帰（分類）は、学習も予測も高速で、モデルをシンプルに構築できる特徴があります。また古くから研究されており、以外に線形回帰（分類）できるデータは多いため、まず最初に検討してみるべき機械学習の手法の1つでしょう。 Wikipedia SVM(サポートベクターマシン) SVMは線形回帰（分類）の手法の1つです。線形回帰（分類）は直線で分類を行うのに対し、SVMは超平面分離定理という考え方をもとに、空間をねじれさせることで、最終的に曲線で回帰（分類）を行う手法です。 SVMは優れた機械学習の手法の1つで、ディープラーニングが登場するまでは、とても多く使われていました。モデルをシンプルに構築出来、精度も良いことから、現在でも多く使われている手法です。決定木木構造のモデルにより分類する手法です。決定木は機械学習の手法としてだけでなく、意思決定を助けるためのツールとしてもよく用いられます。他の手法に比べて、人間が見てもモデルを理解しやすいことから、リスクマネジメントのような、人間の判断が必要な分野の予測によく用いられます。 Wikipedia ニューラルネットワークニューラルネットワークは、重回帰分析（多変数解析）の手法の1つです。人の神経回路をモデルとしており、機械学習の手法としては、最も古く(1950年代)から研究された来たものの1つです。 Wikipedia ロジスティック回帰「回帰」と書いていますが「分類」の手法です。ニューラルネットワークのモデルの一部を変更（活性化関数をシグモイド関数に変更）したものです。ディープラーニングの1層版です。ディープラーニングはこのロジスティック回帰を複数層組み合わせたモデルです。教師なし学習とは教師なし学習とは、データだけ与えて、コンピューターにデータをグループ化（クラスタリング）させる方法です。例えば通販サイトで商品を購入した時「この商品を買った人はこんな商品も買っています」という文章を見たことは無いでしょうか。これは、コンピューターに「購買履歴」のデータを与えることで、教師なし学習により「商品Aを買った人は、商品Bを買う確率が高い」というようにユーザをグループ化することで実現しています。また、教師なし学習には主成分分析といって、データ分析をより行いやすくするための方法もあります。教師なし学習には以下のような手法があります。 k平均法クラスタ（分類するグループ）の数を決め、クラスタの数分、ランダムな点を起きます。各データは一番近い点に所属させます。所属が決まったら、クラスタに属するデータの中心を新しい点とします。これを繰り返すことでデータをグループ化します。主成分分析機械学習でモデルを構築する際、その前段階として、データの次元（説明変数の数）を削減するために用いられます。変数同士の相関度合いと寄与率をもとに、複数の変数を相関の少ない「主成分」と呼ばれる変数にまとめる手法です。これにより、機械学習のモデルをシンプルに構築することができるようになります。強化学習とは強化学習とは、よい結果には報酬を与えることにより、コンピューター自らに最適な方法を導き出させるようにする学習方法です。ゲームやロボットの学習によく用いられます。強化学習では、守るべきルールと、行動に対する報酬が与えられます。例えば、トランプのゲームにおいては、守るべきルールはゲームのルール、行動に対する報酬としては、勝つことに対する報酬、のようになります。コンピューターはその情報をもとに、考えられるパターンをランダムに試行していきます。最初は全く上手く行かないように見えますが、何度も試行していくうちに、コンピューターはより報酬を多く得られる行動を選択するようになります。代表的な手法として、Q学習といった手法が知られています。ディープラーニングとの違いとはそれでは、機械学習と並んでよく耳にする、ディープラーニングとは、どのような違いがあるのでしょう。結論としては、ディープラーニングは機械学習をより発展させたものです。機械学習はデータの特徴をモデルで表します。しかし、機械学習ではデータの特徴は何かを開発者が指示しなくてはなりません。手書き数字の画像データを例にすると、「画像データの濃淡」がデータの特徴である、ということを開発者が指示します。これに対して、ディープラーニングは、データの特徴自体をコンピューターが見つけます。つまり、データのどこに注目すれば良いかということをコンピューター自身が学習して見つけ出すことで、自動的にどんどん賢くなっていく、という訳です。 tensorflow.org 機械学習の代表的なライブラリそれでは最後に、機械学習の代表的なライブラリを紹介します。 scikit-learn 機械学習のライブラリと言えば、まずはscikit-learnです。教師あり学習・教師なし学習とも、基本的な機械学習の理解を深めるには、初学者はscikit-learnから学習することをおすすめします。 scikit-learnには、多くの機械学習のモデルとテスト用データセットが含まれており、初学者でもすぐ機械学習を試してみることができます。 scikit-learnの特徴は、ほんの少しのソースコードの変更だけで、モデルを変更した機械学習を行える点です。例えば、最初、SVM(サポートベクターマシン)でモデルを構築したとしましょう。こちらはソースコードの一部です。 from sklearn import svm clf = svm.SVC(gamma=0.001) clf.fit(X_train, y_train) 次に、モデルをロジスティック回帰に変更してみます。 from sklearn.linear_model import LogisticRegression # ロジスティック回帰 clf = LogisticRegression() # ロジスティック回帰 clf.fit(X_train, y_train) このように、わずか2行変えるだけでモデルを変更できます。現在、機械学習(非深層学習)のライブラリと言えばscikit-learn、ほぼ一択です。現在は深層学習（ディープラーニング）のライブラリが主流となっています。 Tensorflow 深層学習（ディープラーニング）のライブラリで最も有名なものと言えばTensorflowです。TensorFlowはGoogleが開発し、オープンソースで公開しています。オープンソースで公開されているため、私たちはGoogleの最新の研究成果を自分の手で試してみることができます。例えば、画像分類のInception-v3というモデルは、人間を超える、約96%の画像正解率を達成しています。 TensorFlow Image Recognition 田島悠介機械学習について、理解は深まったかな？大石ゆかり機械学習の仕組みやライブラリの種類など、勉強になりましたー！田島悠介機械学習は、これからエンジニアの必須の知識として必要になってくるよ。深層学習や画像認識、自然言語処理については、また別のところで説明するね。大石ゆかり分かりました。ありがとうございました！今回は、機械学習について解説しました。これから機械学習を勉強したい、機械学習を使って何か作ってみたいという方は最初に理解しておきたい内容でしょう。また、オンラインのプログラミングスクールTechAcademyでは、AIオンライン講座を開催しています。 AI（人工知能）の構築に必要な機械学習・ディープラーニングについて実践的に学習することができます。現役エンジニアがパーソナルメンターとして受講生に1人ずつつき、マンツーマンのメンタリングで学習をサポートし、習得することが可能です。この記事を監修してくれた方太田和樹（おおたかずき） ITベンチャー企業のPM兼エンジニア普段は主に、Web系アプリケーション開発のプロジェクトマネージャーとプログラミング講師を行っている。守備範囲はフロントエンド、モバイル、サーバサイド、データサイエンティストと幅広い。その幅広い知見を生かして、複数の領域を組み合わせた新しい提案をするのが得意。開発実績：画像認識技術を活用した駐車場混雑状況把握（実証実験）、音声認識を活用したヘルプデスク支援システム、Pepperを遠隔操作するアプリの開発、大規模基幹系システムの開発・導入マネジメント地方在住。仕事のほとんどをリモートオフィスで行う。通勤で消耗する代わりに趣味のDIYや家庭菜園、家族との時間を楽しんでいる。

機械学習

概念を理解しよう！深層学習（ディープラーニング）とは

最近、人工知能（AI）関連のニュースでキーワードとしてよく取り上げられる深層学習（ディープラーニング）について解説します。 2010年代から、コンピューターの性能向上とともに、人工知能が盛り上がりを見せています（第3次人工知能ブーム）。この人工知能の盛り上がりのきっかけとなったのが、深層学習（ディープラーニング）という技術です。人工知能の実態を知るためにも深層学習（ディープラーニング）技術の理解は欠かせないでしょう。深層学習（ディープラーニング）とはどのような技術か、実際にどのようなサービスに使われているのか、ぜひ知っておきましょう。なお本記事は、TechAcademyのAIオンライン講座の内容をもとに作成しています。目次深層学習（ディープラーニング）とは深層学習（ディープラーニング）の仕組み、原理とは深層学習（ディープラーニング）の事例深層学習（ディープラーニング）のライブラリ田島悠介今回は深層学習（ディープラーニング）について解説するよ。大石ゆかり田島メンター！深層学習というのは具体的にどのような技術なんですか〜？田島悠介人工知能の学習方法の1つなんだ。詳しく見ていこう。大石ゆかり分かりました！深層学習（ディープラーニング）とは人工知能（AI）を活用したテクノロジーが次々と発表されています。例えば以下の事例はニュースとして聞いた方も多いのではないでしょうか。囲碁AIのAlphaGo（アルファ碁）が囲碁チャンピオンを破った自動運転技術の発展グーグルのAIが動画を見て猫の概念を学習したこれらに共通して使われているのが深層学習（ディープラーニング）という技術です。人工知能とは、「コンピューターが物事やルールを理解するための仕組み」の様々な技術の総称です。コンピューターが物事やルールを理解するためには、人間が学習するプロセスと同様に、情報を与えて物事の特徴やルールを学習させなくてはなりません。この学習方法のことを機械学習（マシーンラーニング）と呼び、その中でも、より人間の脳に近い学習手法の1つが、深層学習（ディープラーニング）という技術です。 [PR] AIプログラミングコース深層学習（ディープラーニング）の仕組み、原理とは深層学習（ディープラーニング）とは、人や動物の脳の神経回路をモデルにした、多層のニューラルネットワーク（ディープニューラルネットワーク）による機械学習の手法です。「神経回路」「ニューラルネットワーク」「多層」、いろんなキーワードが出てきましたね。まずは、神経回路から確認していきましょう。神経細胞（Wikipedia）こちらが神経細胞です。神経回路は、この神経細胞が複数接続されたものです。神経細胞は、他の細胞からの入力を樹状突起（左側の紫色の部分）で受け、他の細胞に軸索（右側の紫色の部分）で出力します。このとき神経細胞では、複数の細胞からの入力を受けたり、内部で入力信号を変化させることで、情報の修飾が行われます。この情報の修飾が、神経回路全体として行われることで、感覚の伝達、視覚の認識、そして脳の知覚、すなわち知能が実現されています。例えば、人間が「0」や「1」といった数字を目で見たとしましょう。この時、1つ1つの視覚細胞では、入力された視覚信号をもとに情報を修飾し、他の細胞に伝達することが行われています。この時の情報の修飾により、「0」であれば「丸い円」、「1」であれば「縦方向の直線」といった「特徴」が認識されます。また人間は、その視覚情報に対して、「0」や「1」といった概念（正解、機械学習ではラベルといいます）を教えてもらうことで、「数字の特徴」と「数字」という概念を対応づける「学習」を行うことができます。この学習を繰り返すことで、人間は、少し違った形の数字であっても、視覚情報から得られる特徴から「数字」と認識できるようになります。では次に、神経回路をモデルにしたニューラルネットワークについて確認します。こちらはニューラルネットワークにおいて、神経細胞と同等の役割を果たすものです。パーセプトロンと呼ばれます。個々のパーセプトロンでは、人間の神経細胞と同様に、他のパーセプトロンからの入力を左側のInputで受け、他のパーセプトロンに右側のOutputで出力します。また、複数のパーセプトロンからの入力を、内部で変化（数学的な計算）させることで、情報の修飾を行っています。ニューラルネットワーク（Wikipedia）パーセプトロンを複数接続したのがニューラルネットワークです。個々のパーセプトロンでは、人間の神経細胞と同様に、入力された値をもとに情報の修飾（数学的な計算）を行い、他のパーセプトロンに伝達することが行われています。この情報の修飾により、入力された情報の「特徴」が認識されます。ただしこれまでは、コンピューターの能力に限界があり、ニューラルネットワークの層（左から右に伝達する間に存在するパーセプトロン群）を増やすことができませんでした。そのため、パーセプトロン同士の接続が（人間の神経回路に比べて）単純であり、特徴を十分に学習させることができない問題がありました。ディープニューラルネットワーク（Wikipedia）しかし近年のコンピューターの著しい能力向上、そして情報修飾（数学的な計算）方法におけるブレークスルーなどがあり、ニューラルネットワークの層を増やしたモデルの構築が可能となりました。それがディープニューラルネットワークです。ディープニューラルネットワークでは、より人間の神経回路に近いパーセプトロンの接続を行うことができます。これにより入力された情報から、多くの特徴を認識できるようになり、機械学習の精度が飛躍的に向上しました。深層学習（ディープラーニング）の事例深層学習には、前出のAlphaGo（アルファ碁）や自動運転技術の他、多くの場面で利用されています。ここでは代表的な例を見ていきましょう。画像認識、映像解析ディープラーニングが大きく注目されるようになったきっかけは、2012年に開催された「ILSVRC2012」という画像認識の大会です。この大会では、ImageNetという大量のラベル付き画像（画像と写っている物の名前のセット）を基に画像認識率を競い会います。前年度までの正解率は、高くても70%台前半でした。ところが2012年、ディープラーニングを使ったモデルが、一気に約85%の正解率を叩き出します。翌年からは、ディープラーニングを使ったモデル同士が競い合うようになり、正解率もどんどん向上して行きました。現在では正解率95%以上、人間を超えるレベルにまで到達しています。現在は、この画像認識／映像解析の技術が、多くの製品で実装されています。 Deep Learning を応用した監視カメラソリューション（株式会社システム計画研究所）日立がカメラ映像の人物を深層学習で特定する技術 IBM Watsonによるガン診断（画像解析）音声解析日本でも、「LINE Clova」や「Google Home」、「Amazon Echo」といったスマートスピーカーが次々と発売されています。また、iPhone／Macの「Siri」やAndroidの「Googleアシスタント」、Windows10の「Cortana」などといった音声入力システム。これらには、ディープラーニングを使った音声解析技術が用いられています。音声解析は、リアルタイムに大量のデータを処理しなければなりません。また、一般用途向け製品、スマートフォンやスマートスピーカー、パソコン等、多くのコンシュマーデバイスから日々情報が入力されています。各社とも、具体的な規模は明らかにしていませんが、サーバ数万台が連携した音声解析のクラウドシステムを構築し、対応しているものと思われます。翻訳、言語解析 2016年の秋、Googleはディープラーニングを用いた、Google Neural Machine Translation(GNMT)と呼ばれる新しい翻訳システムを導入しました。これは、これまでの語句レベルでの翻訳から、文章全体を見た、より適切な翻訳を行うシステムです。実際、Google翻訳を使用すると、ほとんどの文章において、自然な文章で翻訳されているのが実感できると思います。また、翻訳の研究は、日本でも古くから行われています。NICT（独立行政法人情報通信研究機構）が開発した音声翻訳アプリには、NICTが開発した多言語翻訳エンジンが使われています。もう一つの事例として、Googleの絶滅危惧言語プロジェクトを紹介しましょう。これは、世界で絶滅の危機に瀕している言語の保存、ドキュメント化を目的としています。これまでの翻訳では、多数の人力を必要としていました。ところがディープラーニング技術を用いると、翻訳例をもとに、モデル自らが学習を進めていきます。そのため、より低コストで質の高い翻訳を行うことが可能になり、従来は費用などの制約から行われてこなかった、利用者の少ない言語の翻訳も行えるようになりました。深層学習（ディープラーニング）のライブラリでは最後に、深層学習（ディープラーニング）のライブラリをいくつか紹介しましょう。 TensorFlow 世界で最も使われている（であろう）深層学習のライブラリです。チュートリアルや解説本も多く、初心者が入門するには最適のライブラリです。 TensorFlow Chainer Preferred Networks(プリファード・ネットワークス、PFN)社が開発した、日本製のライブラリです。日本ではよく使われています。 Chainer Caffe/Caffe2 画像認識に特化しており、高速な処理が可能です。 Caffe / Caffe2 NNabla SONYが開発したライブラリ。Neural Network ConsoleというGUIツールを用いてモデルを作成できるのが特徴です。 NNabla Keras こちらは深層学習を、より便利に使うためのライブラリです。深層学習は層が増えてくると、コードの記述が面倒になりがちですが、それらを解消するためのライブラリです。TensorFlowの他、CNTKやTheanoといったライブラリにも対応しています。 Keras 田島悠介深層学習について、理解は深まったかな？大石ゆかり仕組みや活用事例など、勉強になりましたー！田島悠介深層学習は、これからエンジニアの必須の知識として必要になってくるよ。機械学習や画像認識、自然言語処理については、また別のところで勉強するね。大石ゆかり了解です。ありがとうございました！今回は、深層学習（ディープラーニング）について解説しました。これから深層学習を勉強したい、深層学習を使って何か作ってみたいという方は最初に理解しておきたい内容でしょう。また、オンラインのプログラミングスクールTechAcademyでは、AIオンライン講座を開催しています。 AI（人工知能）の構築に必要な機械学習・ディープラーニングについて実践的に学習することができます。現役エンジニアがパーソナルメンターとして受講生に1人ずつつき、マンツーマンのメンタリングで学習をサポートし、習得することが可能です。この記事を監修してくれた方太田和樹（おおたかずき） ITベンチャー企業のPM兼エンジニア普段は主に、Web系アプリケーション開発のプロジェクトマネージャーとプログラミング講師を行っている。守備範囲はフロントエンド、モバイル、サーバサイド、データサイエンティストと幅広い。その幅広い知見を生かして、複数の領域を組み合わせた新しい提案をするのが得意。開発実績：画像認識技術を活用した駐車場混雑状況把握（実証実験）、音声認識を活用したヘルプデスク支援システム、Pepperを遠隔操作するアプリの開発、大規模基幹系システムの開発・導入マネジメント地方在住。仕事のほとんどをリモートオフィスで行う。通勤で消耗する代わりに趣味のDIYや家庭菜園、家族との時間を楽しんでいる。

機械学習

初心者向け！機械学習を学ぶのにおすすめの本10選

今回は、機械学習を学ぶのにおすすめの本をまとめています。機械学習やディープラーニングを初めて学ぶ人におすすめの本、仕事でこれから使う人におすすめの本を紹介しています。書籍によって概念中心のもの、実践中心のものなど特徴が違うので、自分の好みに合った本を見つけてみてください。なお本記事は、TechAcademyのAIオンライン講座の内容をもとに作成しています。まず最初に、非エンジニア向けのおすすめ本を紹介します。仕事ではじめる機械学習仕事ではじめる機械学習特徴プロジェクトのはじめ方や、システム構成、学習のためのリソースの収集方法を中心にビジネスサイドの視点を踏まえた特徴があります。対象者深層学習も画像認識も自然言語処理も機械学習も全て含めて人工知能という1つのソフトウェアを使うと簡単に解決できるという思想の上司から、「人工知能のプロジェクト立ち上げるからあとよろしく」と言われて、現場を任された担当者向けです。学習できること最初に機械学習プロジェクトの流れを理解した上で、現場のシステムにおける機械学習の問題点を理解し、その対処方法を考えていきます。アルゴリズムについての学習では、例えば、パーセプトロン・ロジスティック回帰・SVM・ニューラルネットワーク・k-NN・決定木・ランダムフォレスト・GBDTを学習します。実装部分では、映画の推薦システムをつくるという内容で、実際に機械学習を利用した実装の解説があります。 60分でわかる! 機械学習&ディープラーニング超入門 60分でわかる! 機械学習&ディープラーニング超入門 (60分でわかる! IT知識) 特徴新聞を読むような感覚で機械学習とディープラーニングについて理解できます。対象者機械学習とディープラーニングを使うとどんなことができるのか全体像を理解したいビジネスマン向け学習できること自分で機械学習や人工知能について学習したい方だけでなく、だれかに説明することが出来るレベルの分かりやすい解説テキストとして学習利用することができます。 [PR] AIプログラミングコースやさしく学ぶ機械学習を理解するための数学のきほんアヤノ＆ミオと一緒に学ぶ機械学習の理論と数学、実装までやさしく学ぶ機械学習を理解するための数学のきほん ~アヤノ&ミオと一緒に学ぶ機械学習の理論と数学、実装まで~ 特徴忘れかけた高校卒業程度の数学の知識でも読むことが出来るという、機械学習というタイトル本の中でも抜きん出て安心感の有る文系向け機械学習解説本です。著者は、LINE Fukuoka株式会社に勤務しているデータエンジニアです。対象者機械学習に興味があるけど、数式が出てきた時点で意味がわからなくなってしまうという方向けです。学習できること基本的な機械学習の内容と、必要な数学の復習、PythonとNumPyの基礎について学習できます。ここから先はエンジニア向けの機械学習書籍です。 Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎 Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎特徴 scikit-learnのリリースマネージャである筆者が、機械学習の基礎だけでなく、「特徴量エンジニアリング」と「モデルの評価と改善」について詳しく解説している特徴があります。ここでは網羅できないほど多岐にわたる開発手法に関して、ちょうどよい掘り下げ方で解説してある点が特徴的です。対象者「特徴量エンジニアリング」と「モデルの評価と改善」に関しても関心があるエンジニア向け。学習できること scikit-learnと関連ライブラリの環境設定から、教師あり学習や、教師なし学習についても、その種類とメリット・デメリットに関して細かく解説してあります。「特徴量エンジニアリング」、「モデルの評価と改善」、「アルゴリズムチェーンとパイプライン」、「テキストデータの処理」等実践的な内容も学習できます。機械学習スタートアップシリーズベイズ推論による機械学習入門機械学習スタートアップシリーズベイズ推論による機械学習入門 (KS情報科学専門書) 特徴ベイズ主義機械学習に基づいた、モデルの構築→推論の導出という手順をステップ・バイ・ステップで解説してあるとう特徴をもちます。対象者ベイズ推論について学習したい入門者向け学習できること基本的な確率に関する期待値・離散確率分布・連続確率分布などの説明から、ベイズ推論・ポアソン混合モデルや、ガウス混合モデルを学習します。最終的には、線形次元削減・非負値行列因子分解・隠れマルコフモデル・トピックモデル・テンソル分解・ロジスティック回帰・ニューラルネットワーク等の応用モデルの学習を行います。機械学習入門ボルツマン機械学習から深層学習まで機械学習入門ボルツマン機械学習から深層学習まで特徴機械学習の基礎的な表現方法や単語の意味だけでなく、その背景を掘り下げて解説してある点が特徴的です。対象者機械学習初心者でもイラストを多用して学習したい入門者向け学習できることイラストを多用した入門者向けにもかかわらず、最終的には、ボルツマン機械学習による画像処理等の学習まで可能です。データサイエンスのための統計学入門 ―予測、分類、統計モデリング、統計的機械学習とRプログラミングデータサイエンスのための統計学入門 ―予測、分類、統計モデリング、統計的機械学習とRプログラミング特徴データサイエンティストに必要な統計学の基礎と、50種類の機械学習の基本概念を学習することができます。対象者データサイエンティストを目指すエンジニア向け学習できることデータの分類、分析、モデル化、予測という一連の手法において統計学の必要な内容・不要な項目を概念・プログラミング理論・数学の見地から学習することができます。分類では、ナイーブベイズ・判別分析・ロジスティック回帰・混同行列やROC曲線等の分類モデルの評価や、不均衡データの戦略についても学習することができます。統計的機械学習では、k近傍法・木モデル・バギングとランダムフォレスト・ブースティングを学習します。最終的には、成分分析・k平均クラスタリング・階層クラスタリング・モデルベースクラスタリング・スケーリングとカテゴリ変数を通じて、教師なし学習についての理解を深めることができます。 ITエンジニアのための機械学習理論入門 ITエンジニアのための機械学習理論入門特徴ビジネスサイドの担当者が読むにはハードルがある、機械学習のツールやライブラリの内部処理や、その結果をビジネスでどのように役立てるかを、ITエンジニア向けに解説してあるのが特徴です。対象者ビジネスサイドの要求で機械学習を開始する必要に迫られたITエンジニア向けです。ベイズ推定の専門書を読む前の入門書として良いです。学習できることまず、パーセプトロンによる分類アルゴリズムの基礎を学習します。次に、ロジスティック回帰とROC曲線を通じて、学習モデルの評価方法を習得します。そして、k平均法による教師なし学習モデルの基礎と、EMアルゴリズムによる、最尤推定法の教師なし学習を訓練します。最終的に、ベイズ推定モデルとベイズの定理や、ベイズ推定の回帰分析への応用を学習します。パターン認識と機械学習上パターン認識と機械学習上特徴 2006年の発行以来世界的にトップセールスを続ける機械学習の入門書です。翻訳も日本のトップ研究者たちが行っているため、学術知識に裏打ちされた日本語で読むことができます。各学習の最後には演習問題が用意されています。対象者数学的な見地から機械学習の理論を学習したいITエンジニア向けです。学習できること確率分布では、ベータ分布・ディリクレ分布・ガウス分布・指数型分布族・ノンパラメトリック法等を学習します。線形回帰モデルでは、線形基底関数モデル・ベイズ線形回帰・ベイズモデル比較・エビデンス近似等を学習します。線形識別モデルでは、識別関数（判別関数）・確率的生成モデル・確率的識別モデル・ラプラス近似・ベイズロジスティック回帰を学習します。最後にニューラルネットワークについて学習します。パターン認識と機械学習下パターン認識と機械学習下 (ベイズ理論による統計的予測) 特徴パターン認識に関する統計学的解説をすべて網羅している様な内容の濃い学習書です。機械学習エンジニアの辞書という特徴を持ちます。対象者機械学習エンジニアとして転職を考えるITエンジニア向け学習できること上巻を凌ぐ濃密な内容と共に、ベイズ理論による統計的予測を中心とした学習が可能です。なにより、インターネット上にこの本を元にした解説やサンプルプログラムが多いため、この本だけでは理解しづらい部分も、この本を通じて氷が溶けるように徐々に学習することができます。今回は、機械学習を学ぶのにおすすめの本を解説しました。書籍によって扱っている機械学習の分野も違うものがあるので、自分が学びたい部分があるか確認しておきましょう。言語もライブラリも様々な種類があるので、事前にチェックしておくことが重要です。また、オンラインのプログラミングスクールTechAcademyでは、AIオンライン講座を開催しています。 AI（人工知能）の構築に必要な機械学習・ディープラーニングについて実践的に学習することができます。現役エンジニアがパーソナルメンターとして受講生に1人ずつつき、マンツーマンのメンタリングで学習をサポートし、習得することが可能です。この記事を監修してくれた方中本賢吾（なかもとけんご）アジマッチ有限会社　代表取締役社長開発実績：PHPフレームワークを利用した会員制SNS・ネットショップ構築、AWSや専用サーバー下でLinuxを使用したセキュアな環境構築、人工知能を利用したシステム開発、店舗検索スマホアプリ開発など。その他にも地域の職業プログラマー育成活動を行い、2018年には小学生がUnityで開発したオリジナルAndroidアプリをGooglePlayでリリース。ゲームで遊ぶより作ろうぜ！を合言葉に、小学生でも起業できる技術力を育成可能で有ることを証明し続けている。

機械学習

これからのエンジニアに必要なスキルとは【非エンジニアサミット・イベントレポート】

TechAcademyでは、2015年6月14日に『非エンジニアサミット「プログラミングをシゴトにする」』というイベントを開催しました。これからプログラミングの学習を始める方を対象に、第一線で活躍するエンジニアから直接話を聞けるイベントです。第1回目となる今回は、株式会社クラウドワークスCTOの大場光一郎氏、株式会社Fablicの堀井雄太氏をゲストとしてお迎えしました。本記事ではイベントレポートをお届けします。これからプログラミングの学習を始める方は参考にしてみてください。ゲスト大場光一郎氏（株式会社クラウドワークス執行役員CTO） 2001年、伊藤忠テクノソリューションズ株式会社へ入社。在職中、Rubyの導入支援やRubyを用いたクラウドサービスの開発・運用に従事。グリー株式会社インフラストラクチャ部門にて、開発環境からプロダクションをつなぐDevOps周りを担当し、GitHub Enterpriseの導入による開発品質の向上や、デプロイメント支援システムをRubyで開発。 Rubyやソースコード管理に関する講演、著書多数。 2014年1月、株式会社クラウドワークスに参画、執行役員CTOに就任。堀井雄太氏（株式会社Fablic チーフエンジニア）「Fril(フリル)」を開発しているエンジニア。2007年、株式会社ECナビ（現：VOYAGE GROUP）に新卒入社。比較サイトの運営やディレクトリ検索サービス、広告配信システムの開発などを経験。2012年、株式会社Fablicを創業し女性向けのフリマアプリ「Fril」を開発、インフラ、サーバーサイドの開発担当。クラウドワークス大場氏講演まずは、大場光一郎氏から講演いただきました。講演では、エンジニアになったきっかけ、社内の開発体制、これからエンジニアを目指す人に期待することをお話しいただきました。エンジニアになったきっかけ学研の教材に載っていたマンガがきっかけでBASICを使ってプログラムを書いてゲームを作りながら自分でやってみようと思ったのが、一番最初にプログラムを書くことのスタートだったとのこと。その後は、ハードウェアを組み合わせた業務システムを開発している会社に入社。当時は「プログラムさえ書ければいい」と思って社会人をスタートしたそうです。その時のことを大場氏は「今から考えると当たり前ですが振り返るとコードを書けるだけで会社を選ぶのは良くない」とも語りました。またその頃、働いていた会社とは別に、オープンソースを開発するプロジェクトに入り、そのプロジェクトの開発者との交流を通じて、組織の垣根を越えてプロジェクトを進めることを経験したそうです。そのため、大場氏の考え方の根本は「オープン」。実際仕事の中でもオープンソースのように仕事をしているのが特徴なんだそうです。クラウドワークスでの開発体制クラウドソーシングサービスのクラウドワークスの開発体制はどうなっているのでしょうか。特徴は、UX改善会を開催してユーザー体験を大切にした開発を重視していること。「UX改善会」は、3、4人のチームを組んで、ユーザー視点でサービスを使い、サービスにおける課題を見つけ、改善案などをプレゼンテーションに落とし込んで全社員に発表するというもの。社員はもちろん、エンジニアインターンの学生から率直な意見を聞いて改善に役立てているといいます。この取り組みにより、サービスを使い続けていると当たり前になって気づかないことを、改めてフレッシュな気持ちでサービスを見つめられ、実際にサービス落としこんで、日々改善ができているんだそうです。開発分野の他に、クラウドワークスでは日報の書き方にも工夫があり、お互いがどんな仕事をしているか共有し合えるように、他の部署の人でもわかる言葉で伝えることを推奨しているそうです。これからエンジニアを目指す人に期待すること大場氏は「今は技術が折り重なってできているので、深堀りすればするほど深いし、技術の移り変わりも早いので、エンジニアとしては多層的に折り重なる技術を同時に理解できないといけない状況です。」とエンジニアとして必要なことを語りました。そのような状況の中で、初心者としてプログラミングをはじめるのは、チュートリアルなどが充実しているため、比較的簡単で、初心者から中級者に上がるにはいろいろな技術をキャッチアップする必要がでてくるため、1人では限界があるとのこと。そのため大場氏は、勉強会を通して仲間を見つけることや、プログラミング学習のサービスの活用などを推奨しているそうです。また、JavaもRubyも最初は「おもちゃ」と言われていた背景があり、「おもちゃ」と言われているような技術を使ってみることの大切なんだそうです。「イノベーションを起こすようなものは最初おもちゃのように思われがちですが、だからこそチャレンジすることが今後のエンジニアに必要なのではないか」と大場氏は締めくくりました。 [PR] AIプログラミングコースFablic堀井雄太氏講演続いて、堀井雄太氏に講演いただきました。大場氏と同じく、エンジニアになったきっかけ、社内の開発体制、これからエンジニアを目指す人に期待することお話しいただきました。エンジニアになったきっかけもともとは経済学部出身で、大学でもプログラミングの授業で受けていたわけではない、いわゆる文系プログラマーだという堀井氏。それでも大学生のころから漠然とWebサービスを作ってみたいと思っていたそうです。そこで大学生のうちにいろいろな会社でインターンをとして働いていたのがプログラミングを学ぶきっかけ。最初はHTML/CSSを使ってWebサイトを作るところからはじめ、本を読み込んでサービスを作ってみるなど独学で学んだとのことです。その後、ECナビ（現在のVOYAGE GROUP）に新卒で入社し、自社プロダクトの開発と運用をして、後半の2年はインフラの部署に所属されていました。会社に所属することのメリットとしては、独学よりも体系的に学べる、先輩や同僚がいることで成長できるなどを挙げていました。堀井氏が講演の中で話した、「エンジニアとしては遅咲きだが、遅いということはない。意志があれば、とりあえずやってみるのが大事」という言葉が印象的でした。 Frilの開発体制株式会社Fablicは、2012年7月にフリマアプリのFril（フリル）をリリース。累計ダウンロード数が300万を越えているといいます。現在は、12、13人のメンバーで開発しているそうです。エンジニアはまだまだ増やしたいとのことで、募集も随時行っているとのこと。開発体制として特徴的なことは、ユーザーと一緒に開発すること。実際にFrilを使っているユーザーをカスタマサポートとして採用しているそうです。開発の現場にユーザーがいて、「困ったことがあったらユーザーに聞く」が信条で、実際の開発フローにユーザーが関わるようにしているといいます。これからエンジニアを目指す人に期待することどんなエンジニアになるかを意識することが大事とのことです。会社のフェーズによってエンジニアに求められることは違うので、技術の経験たくさんを積むことが大事。堀井氏自体も、サーバーサイドもインフラも関わってきましたが、今では全てが関係しているそうです。それぞれの領域を学んでいく中で、強みを形成していくのが良いとのことでした。また、技術を学ぶだけでなく、行動して実践することも大事。チームで開発できる、社内で共有できる、社外にアウトプットできる、リーダーシップを発揮できるなど、技術をもとに行動することが今後のエンジニアに求められていると語っていました。また、最後には「ものづくりは楽しいので、楽しみながら開発していくのが大事」というメッセージで堀井氏は締めくくりました。パネルディスカッション「これからのエンジニアに必要なスキルとは」続いて、大場氏、堀井氏によるパネルディスカッションです。モデレーターはTechAcademyを運営するキラメックス株式会社の代表取締役社長の村田がつとめました。パネルディスカッションでは、事前に参加者から募集した質問をもとに回答いただきました。質問はこれからエンジニアになっていくことを想定して、下記のセクションに分けて進めています。エンジニアになる前の段階エンジニアとして働く段階エンジニアとしてさらにスキルアップする段階エンジニアになる前の段階（村田）それではパネルディスカッションを始めていきます。非エンジニアの方のプログラミング学習が一歩前に進むきっかけになればいいなあと思っています。最後には会場のみなさんからの質問も受け付けます。（村田）まず1つ目の質問ですが、「どのプログラム言語から勉強するべきか」という疑問にお答えいただこうと思います。これみなさん非常に悩ましい点だと思うのですが、このあたりお二人はどのようにお考えでいらっしゃいますか？（堀井）最初はPHP、Perl、Rubyあたりから始めるといいのかなあと思っています。理由は、コミュニティが活発なので困ったらそういうコミュニティに相談して聞く環境があることですね。あとは、実際に企業に入ってみて使われていることも多いです。実際、私が新卒で入った会社も主要な言語がPHPであとPerlとRubyも少しあったので就職するときも有利だと感じています。（村田）なるほど。大場さんはいかがでしょうか？エンジニア歴も長いと思いますが。（大場）最初に触る言語としては僕はなんでもいいかなと思ってるんですけど、子供向けや教育向けと呼ばれる機能が制限された言語よりは汎用的な言語を使った方がいいかなと思っています。それがコンピュータが本来持っている能力を引き出せる可能性があるという理由です。なので、あんまり学びやすさとか初心者向けといった軸で選ぶよりは、なんでもできるような言語を選ぶのがいいのではないでしょうか。（村田）では続いてプログラミングを勉強する段階になった際に「どこから着手すればいいか」という質問に入っていきたいと思います。具体的にあれば教えていただけますか？（大場）さっき話したことと関係しているのですが、一つのサービスを成り立たさせるためにはいろんな技術の積み重ねがあって、一部分だけわかっててもサービスとしては成り立たないことがあります。だから、どこからというよりは「これが作りたい」とか「こんなサービスをやってみたい」といったところを目指して、それに足りないのはどこなのか、簡単そうなのはどこなのか、一番難しそうなのはどこなのか、そういう切り分けでちょっとずつ自分がどこにいるかわかるように進めるのがいいんじゃないかなと思います。この言語を覚えたいといった学習の仕方だとモチベーションが続かないと思うんですよね。（村田）それはありますよね。（大場）コンピュータという分野も3ヶ月勉強した人や10年仕事で使ってますという人とか経験にいろいろあっても、その中で「マスターしました」って自分で言える人はあんまりいないと思うんですよね。すごい奥が深い世界なんで。だからこの言語をマスターするまでやろうとなると結構どこまでいっていいかわからない。なので、道具として何をやりたいかというところを目標にすると続きやすいんじゃないかなと思います。（村田）目的ありきでその言語をツールとして使って、形にしていくところから足りない部分を補うのがいいんじゃないかということですよね。堀井さんはいかがでしょうか？（堀井）大場さんも仰ったように一つを学べば終わりというものではないですね。プログラミングをするモチベーションを保たないと結局意味ないので、自分がこういうのがあったら便利だなというものをとりあえず手を動かしながら作るのがいいと思います。（大場）さっきTechAcademyのオンラインブートキャンプの説明の中で、Twitterクローンを作るというお話しでしたが、あれってどこまでのクローンなんですかね？投稿するだけだと簡単だけどTwitterを真面目に作ると結構難しいと思うのですが。（村田）Ruby on Railsチュートリアルに載ってるくらいのマイクロポストみたいなレベル感ですね。ユーザー登録ができてフォローして、その投稿がそれぞれタイムラインに一列に出てくるクローンです。（大場）フォローもするということは、ある程度データベースの関係性もグラフみたいなところもやるんですね。そういう意味では歯ごたえのある感じですね。（村田）そうですね。実際に世界中で使われているようなサービスに近い形で作る方がモチベーションが上がると思っています。全く使わなそうな図書館データベースを作るよりもTwitterクローン作る方がイメージがわきやすいし面白いなと感じてもらえるはずです。プログラミングを学習するときのモチベーション、特に一人で勉強する時間が長いので、自分がやる気になるようなところから始めるのがいいのかもしれませんね。（村田）では次にいきましょう。「プログラミング習得をする上でつまずきやすいポイントとその解決方法」について聞いてみたいと思います。堀井さんいかがですか？（堀井）つまずくところいっぱいありますね。特に、環境構築が一つのハードルになるかなと思ってます。弊社でもインターンに来てもらうことが多いのですが、プログラミングを書き始めるまでの開発体制を整えるところで時間がかかることがあります。ただ、今はEC2とかHerokuとか、必要なパッケージがそろっている状態で始められるものもありますね。無料プランを使うか、少しお金を出せばサーバーが簡単に手に入るので、うまく使って最初のハードルを乗り越えてから本を一冊写経してみるといったことから始めるのがいいのかなと思ったりしますね。（大場）個人的には難しいところって技術と技術の境目の部分かなと。例えば、Rubyだとアプリケーション開発の知識がいるし、データベースにアクセスするときにSQLみたいな言語をわかってないといけないし、両方わかってないといけないようなシチュエーションがサービス開発の中でたくさんあります。両方の知識が求められるところでハードルがぐっと上がって、新しいことを覚えるのが難しいのかなと思いますね。その解決方法としては繰り返すということですかね。繰り返していると、「これはこのことだったんだ」みたいに理解できることもあるので、反復するところがコツかなと思っています。もう一つつまずきやすいところとしては、技術の中でそもそも難しいところです。C言語だったらポインタ、Rubyだったらブロックとかですね。そもそも考え方が難しいものがいくつかあって、それを変な例えで理解しようとしても、結局どこかで嘘が入っていたりして本質的には理解できないところがあります。それは難しいものだと受け入れて、わかるまで何回も繰り返すところが必要なんじゃないかなと思っています。（村田さん）そうですね。僕も最初はPHPから始めたんですけど、クラスみたいな概念がそもそも理解できなかったです。その時は、10日くらいわからないまま続けたら理解できました。繰り返しながらやっていくと、ピーンとわかるときがくるので諦めずに繰り返すのが重要ですね。（大場）悟るまでですね（笑）（村田）悟りが降りてきますからね。さて次の質問ですが、「おすすめのプログラミング学習方法はありますか」ということです。いま繰り返しやるとありましたけれど、もうちょっと具体的に聞きたいと思います。大場さんは仕事を始めてから学んだという感じですか？（大場）まあプログラムを書くのがもともと好きでゲームをつくるなかで学びました。Windows3.1が出たときに「マインスイーパ」というゲームが入っていたのですが、当時Windowsが動くパソコンがすごい高かったんですよね。なので、みんなができるように、MS-DOSのキャラクターベースでできるマインスイーパを開発してみんなに配ったとか、そのなかでいろんな技法みたいなものを学んでいったというところです。今はほんと一つのアプリケーションを成立させるのにいろんな技術が必要なので、競争仲間であるとか教えてくれる先輩とかそういう人がいる環境に身を置くところが大事かなという気がします。（堀井）小さいところから考えて手を動かすのがいいかなと思っています。会社に入ってみて思ったのが、システムって完璧じゃなくてすでに困っている人がいるんですね。そこで私もわからないなりに、管理画面にあったらいい機能とかを他の部署の人から聞いたりして、改善や機能追加できるところを調べながら徐々に開発技術を学んでいくところがありました。あとは、勉強会もおすすめです。新卒で入った会社では勉強会を定期的に開催していたので、自分の回が来たら学んできたことを発表しなきゃいけない場がありました。そういう半ば強制的にでも自分のスキルを底上げするようなイベントに身を置いてステップアップしていくのはいいかなと思います。（村田）なるほど。僕も自分で学習してきていたときは、何かインターネット上で気になるサービスをまねてそれと同じ動きを作ってみることをしていました。あとは、わからないところでずっと迷ってるとやる気がなくなっていくので、すぐ人に聞くというのは結構重要ですね。僕は新卒で楽天に入ったので、エンジニアの部署にいる同期を休日にカフェとかに呼び出して、わからないことを聞くというのを結構な頻度でやってました。（大場）あとはオープンソースの開発に関わっていくこともいいですね。そんなに難しくなくても手が足りないというプロジェクトはたくさんあって、それこそプログラムだけじゃなくてドキュメントの追加みたいな簡単なところから手伝うこともできます。それでコミュニティの人たちの顔がわかってきて、だんだん開発に協力していく中でいいプログラムをたくさん読んで、自分がやるならどうしようみたいなことを考えたりすることがスキルアップにつながると思います。エンジニアとして働く段階（村田）では次の項目に入っていきますね。「採用したいと思うエンジニアの特徴」について聞いてみたいと思います。具体的にこんな人がいいなというものがあれば教えていただけますか？（堀井）大前提としてプログラミングが好きなことが当てはまるのかなと思っています。やっぱ好きな人って勝手に自分でどんどん技術習得して、自分自身でスキルアップしていくので根本的にプログラミングが好き、ものづくりが好きという素養はまず見てますね。あとは、Githubとかを使って自分が書いたコードを他の人に見てもらう、シェアするみたいな文化があると思うんですけど、自分の恥をさらすことができる、自分の持っていることをシェアするとかオープンさみたいなものを持っている人は素晴らしいかなと思いますね。（大場）堀井さんのお話の中でもサービス志向のエンジニアみたいな話題がありましたけども、スキルはすごい優秀だけどうちの事業にそんなに興味ないみたいな人は今のステージでは採用が難しいです。なにかしら共感をもってるところのプラスアルファでエンジニアリングを見て採用してます。（村田）会社の規模とかフェーズによっても変わってくるかなと思うんですけれども、やっぱりそのそもそものエンジニアとしてのプログラミングが好きであったりとか、サービスが好きみたいなところは基本的には重要ですよっていうことですね。（村田）では次です。「優秀なエンジニアはどうやって見極めているんですか？」という質問です。大場さんいかがでしょうか？（大場）正直言って僕もこれだというものはないですけど、一番確実なのは一緒に働いたことがある人ですよね。やっぱりいろんな会社にいると、こいつは本当にすごいみたいな人が何人かいたりします。（堀井）優秀の定義にもよるかなと思うんですが、見極めるとしたら今はGitHubとかあるので、どういうコードをその人が書いているのか、アプリなど個人でプロダクトを出しているのかとか見たりしますね。（村田）結局その人がどういう人かとか、どれくらいできるのかっていうのが見えるかどうかっていうのは結構重要なのかもしれませんね。ポートフォリオなりGitHubなり、今だとそういうのが結構アピールしやすい時代かなと思います。（村田）次に行きますね。「プログラミングスキル以外でエンジニアに求めることはありますでしょうか」という質問です。堀井さんどうでしょうか？（堀井）これはもうたくさんあります。まず弊社もベンチャーなのでプログラミングだけできる人は結構厳しいのかなと。具体的に言うと、やっぱコミュニケーション能力が高い人がいたら嬉しいです。実際、弊社はユーザーにヒアリングすることがあるので、ちゃんとそのユーザーさんとコミュニケーションが取れるかとか、仕様が上から降ってくるのを待つのではなくて自分で考えたものをデザイナーやディレクターに発表して巻き込んでいく力みたいなのが問われるシーンが多いです。（大場）エンジニアに求めるコミュニケーション能力でいうと、そもそも人と話すのが苦手だからコンピュータを扱う仕事を選んだみたいなところもあると思うんですよね。立ち上げ初期のベンチャーだと、とにかく作るというところがメインになっていて、そんなにコミュニケーションする必要がなかったりします。でも組織がちょっと大きくなってサービスが伸びてくると、ある時点からチーム開発みたいなものが求められて個人技だけでは限界がきたりします。そういう時にちゃんと自分に求められている役割の変化を感じて、それについてこれるかは考えてほしいなと思ったりします。具体的にはさっきの仕様の話だと、ゆるふわで落ちてきた仕様に対してこんな仕様でできるかと思うか、僕が決めてもいいんだというように受け止めるかで大きな違いがあると思うんですよ。それってエンジニアリングのバックグラウンドがあって、そういう幅のある仕様のなかで可能性として見られるかどうかっていうのは大きな違いじゃないかなと。（村田）自分から能動的に動いて、与えられたものだけじゃなくてしっかりそれ以外も自分で発信できるっていうことを理解した上でスキルを上げていけるような方が優秀になってくるし、それが求められるかもしれないですね。（村田）次の質問ですが、「エンジニアとして働き始めてからどんな勉強が必要ですか」とのことです。基本的にはエンジニアは日々勉強みたいなところがあると思うんですけど、そういったこと以外に何か具体的にあれば教えていただけますか？（大場）最近だとエンジニアの向かう方向性としてフルスタックみたいに、いろんな層の技術をまたがって自分一人でもサービス立ち上げができるみたいなところを目指したりもしますけど、実際本当に伸びてくサービス開発のなかでフルスタックになっていくのはめちゃくちゃ難しいと思っています。他に得意な人がいればなかなか手を出すのも難しい、どこをやってもいいよと言われても躊躇してしまうというところがあったりします。その中でできることは、一つひとつ極めていくところだと思っています。ただ、一個の技術だけで戦ってるとやっぱりリスクも高いので、次はこの専門家になろうみたいな二つ掛け合わせるものが何かあるといいんじゃないかと思います。（堀井）私はどういう勉強をしてたかなと思い返してみると、やっぱり学んでいくには段階的になると思うんですよね。一つの言語を学んで、データベースのことも学んで、今度はその言語の上に動いているフレームワークのことを学んだりと段階的に自分が学んだことに派生して勉強してきました。なので、最終的に自分が得意であると言えるくらいのところまで行けるように深掘りして、一つの技術を学んでいくのがいいのかなと思いますね。エンジニアにもスペシャリストを目指すのか、ジェネラリストを目指すのかいろいろ方向性があると思うんですけど、ひとつ自分はこういうエンジニアだとか自分の代表するプロダクトはこれだとか、そういうものを作れるようになるまでは深掘りすることがいいかなと思いますね。（村田）やっぱりエンジニアとしてどこか一つでもいいので、ある程度極めるというか、できたというところまでやって、そこからスキルの掛け算みたいなところが重要になってくるということですよね。エンジニアとしてさらにスキルアップする段階（村田）最後の項目に入っていきたいと思います。「エンジニアとしてどんなキャリアパスが描けると思いますか」という質問ですが、エンジニアとしてキャリアの長い大場さんお願いできますか。（大場）いまエンジニアの責任者として会社の中での役割を担っていますが、究極的には「事業のためにエンジニアリングをどうするのか」みたいな話になっていくかなと思っています。なので、技術だけではなくて、最近だとよく読んでいるのはマネジメントの本とかビジネス書みたいなところからキャッチアップするような勉強をしたりしてます。（村田）技術だけではなくて、その先の事業をテクノロジーで解決していくみたいなところに進めるようなパスがいいんじゃないかという話ですよね。（村田）では次に、「エンジニアが仕事したいと思う環境はどんなところですか」という質問です。堀井さんいかがでしょうか？（堀井）やっぱりエンジニア目線でいうと自由度が高いであるとか、個人の裁量が大きい方がチャレンジングなことがしやすいですよね。なのでそういう環境をいまの会社で作っていきたいと思ってます。弊社ののコアバリューがいくつかあるんですが、「エンジニアもチャレンジする」というのもあります。ある程度エンジニアの裁量でどういう設計をするかなど決められるような体制になっているので、自分がいいと思ったものをすぐ試せる環境があるのはエンジニアにとっていいのかなと思いますね。（村田）なるほど。では最後の質問として「エンジニアとして成長するためにどんな人がいる会社で働くべきだと思いますか」という質問です。いかがでしょうか？（大場）前職のように本当にエンジニアリングに関して職人みたいな人がいっぱいいるところにいて感じるのは、自分より優秀な人がいるところに身を置くことですね。自分が一番下手になって、あとは登っていくしかないみたいなイメージです。例えば、学生時代にインターンで初めてプログラミングをして、ベンチャー企業を手伝いながら一番下っ端でがんばってたらいつの間にか自分が一番詳しくなっていた。その後、さらに強い奴に会いにいきたいと言って弊社にジョインしてくれたエンジニアがいます。僕自身もいかに自分より優秀な人に来てもらうか、自分自身がキャップにならないようにすごく気をつけていて、優秀な人が活躍できるような環境や会社やサービスが大事だなと思っています。（堀井）これは私もほとんど同意見なんですけれども、自分よりも技術において素晴らしいと思った人がいるところですね。あとは、自分のスキルセットに近しいのを持っている人がいるような環境にいくと、自分のやろうと思っていることが一段引き上げられるのでいいのかなと思っています。あと最近は勉強会とか発表された資料とかがWebサイトにいっぱい上がっているので、そういうのを参考にしながら企業を選んだりするのはいいかなと思ってます。会場からの質問（村田）ここからは会場からの質問を受け付けたいと思います。ーー大場さんにお伺いしたいのですが、ご自身が英語情報で技術をキャッチアップするために気をつけられていることや、社内の方に英語の情報をキャッチアップするためにどんなことをしているのか教えていただけますでしょうか。（大場）今やってることでいうと、オープンソースコミュニティがだいたい英語ベースになっています。日本人しかエンジニアがいないプロダクトでもコミットとかは英語じゃないと受け付けない感じだったりします。社内に関しては、こうしないとみたいなものは今はないのですが、今週の気になる技術みたいなのを社内のGitHubにスレを立てて共有して、みんなが気になった技術は突っ込むようにしています。そういうときに情報ソースが英語のものがたくさんあるので、おのずと危機感が醸成されればと思っています。（村田）他のご質問はいかがでしょうか？ーーエンジニアが少なくて採用が大変だみたいなことを何かで読んだのですが、雇われる側としてどう感じておられるかということと、あと村田さんは育てる側としてどう思われるか教えていただけますでしょうか？（村田）まず育てる側の僕の方から話をさせていただきますね。まずエンジニアが足りてないところは事実です。エンジニアの採用が難しいっていうのは、そもそもマーケットに人材が少ないから取り合いになってるっていうのが一つあります。あとは統計的にもアメリカでは2020年には100万人エンジニアが足りなくなると言われています。日本でも2020年には20〜30万人ぐらいは足りなくなると言われています。インターネットを使ったビジネスはすごい盛り上がって市場も拡大しているのに、そこで働く人が増えていなければ足りなくなりますよね。僕らはそれをエンジニアを増やすことで解決したいと思っています。エンジニアになりたいという方は多いと思っていて、それでも増えないのは仕組みの問題もあると思っています。それが解決できる仕組みがあれば、人が足りないということに対してひとつの力になれるんじゃないかなと。エンジニアが足りないということに対して、大場さんはいかがでしょうか？（大場）エンジニアが足りないと言ってる会社も、2種類あるかなと思っています。 1つはよくよく聞いてみると、あまりエンジニアを大切にするような文化がなくてエンジニアが定着しない会社です。そういう会社の方は、「来てくれても半年くらいで辞めるから、辞めると思ってアウトソースすればいい」といったことを仰る場合もあります。こういったことが負の循環になって常にエンジニアが足りないことが常態化してしまう。僕らみたいなエンジニアリングの重要性を理解していて、Webサービス中心の会社だとまったく事情は違っていて、サービスの成長にともなって、さらに成長させるためにエンジニアは、明確に足りていなくてまだまだ必要だと思っています。TechAcademyさんみたいな取り組みでエンジニアが増えていくのはこれからの日本にはものすごい必要だなと思っています。（堀井）ベンチャーで最近伸びているサービスであれば、やっぱりどうしても人が必要になってきて、実際に弊社でもエンジニアは常にどの職種も募集しています。私もベンチャーの友達とか知り合いも多くて起業する人もいるのですが、その立ち上げにはやっぱりそれなりにWebのことがわかる人がどうしても欲しくなるんですけど、そういうスキルの高い人たちは大手であるとか名の知れた会社とかに勤めています。そもそもその会社からあまり転職市場に出てこないというのは肌感としてはあるので、僕らみたいなベンチャーはいかにいい人たちを見つけて会社のことを知ってもらって、採用につなげるかについていつも苦労しています。なので、需要はかなりあると認識しています。（村田）最後付け加えますね。プログラミングを習い事の視点でみると、換金性の高い習い事だと思うんですね。というのも、例えば10万円払って勉強してプログラミングが習得できれば10万円以上稼げると思うんですね。もちろんクラウドワークスさんのようなクラウドソーシングサービスで仕事を探してそれに応募して自分で遠隔の仕事をするのも一つだと思いますし、自分でメディアを立ち上げるのというのも一つでしょうし。そういった意味でも企業に入るだけじゃなくて働く方法はいくつかあると思います。（村田）お時間になりましたので、最後にこの会の締めくくりということで「これからプログラミングを学習するみなさんへのメッセージ」をお二方からお願いします。まずは堀井さんお願いします。（堀井）私も最初はプログラミング初心者だったんですけど、いろいろ学びながら実際にものづくりができるようになりました。最初はハードルの高い部分もあるのかなと思いますが、楽しみながら学んでいくと自分の可能性も広がって、キャリアを積む上でもいい経験だと思います。ぜひみなさんがんばって欲しいです。プログラミングは楽しいです。（大場）僕からは作るだけじゃなくて問題解決していこうみたいな話もしましたけれども、一方で何かを作り出す・生み出すということは本質的に楽しいことだなと思っています。例えば、快適に作るための環境を整えることに丸一日費やすとか、自分のエディタの設定とか、これだから開発しやすいみたいなことを考えながらものづくりを純粋に楽しむところも実際にあるんですね。そういった気持ちってなかなか社会人になってしまうと忘れてしまったり、思い出せなかったりとかあると思います。今だと、エンジニアになろうみたいなフェーズだといくらでも失敗できるので、何度も作ったり壊したりしながら、ぜひものづくりの楽しみというところを大切にエンジニアを目指していただければなと思いました。（村田）堀井さん、大場さん今日はどうもありがとうございました。イベントレポートは以上です。 TechAcademyではこれからもプログラミング学習者のためのイベントを開催していきます。

イベントレポート

在宅でできる副業おすすめ職種20選【月5万円稼ぐ方法】

「スキマ時間で稼げる副業はないかな…？」「どうせなら在宅でできる副業はないかな…？」「スキルを身につけながら稼ぐことはできないかな…？」この記事では、在宅でできるおすすめの副業20選を紹介し、選び方、副業をする上での注意点まで解説しています。今の会社の収入だけでは満足できていない人会社に出勤するのが無駄だと思っている人そんな人に向けて書きました。この記事を最後まで読めば、あなたにぴったりの副業が見つかるでしょう。目次人工知能とは人工知能の種類と特徴人工知能の歴史人工知能ができること、できないこと人工知能の学習書籍やサイトの紹介副業で特におすすめなのはIT系の副業です。習得に時間と労力はかかるが、しっかり力をつければ安定して稼ぐことができます。プログラミングは今後必要とされるスキルですので、副業を機会に始めてみるとよいでしょう。難しい印象がありますが、意外と楽しく感じる人も多いので、まずはIT系の副業について勉強してみるのがおすすめです。プログラマー Webサイト制作 Webデザインプログラミングで副業したい人向けに、未経験から副業プログラミングで稼ぐ方法を解説した記事もあります。ぜひご覧ください。 1 在宅でできる副業20選在宅でできる副業にはどのようなものがあるのでしょうか。現在人気の副業を中心に、それぞれの特徴をまとめました。また、スキマ時間で毎月一定収入を稼ぎたいと考えている方向けに、「現実的に副業の範囲で5万円稼げるのか」という点についても説明しています。 1.1 Webライティング Webライティングは、クライアントが指定した内容やテーマに沿って、記事を執筆する仕事です。 Webメディアをはじめとする、様々な媒体でニーズがあり、ブログや商品紹介ページの作成、最近ではYouTubeの台本などの仕事もあります。 Webでの検索は今後も増加していく一方ですので、圧倒的に将来性がある副業だと言えるでしょう。また、時間の確保さえできれば、毎月5万円を安定的に稼ぐことが可能です。長期間継続し、文字単価を上げることができればより少ない時間で収入を得られるようになります。向いている人継続的にスキルアップし、専門性を高めていける人記事を書くために多くのWebサイトや資料を読み込むため、情報収集が苦にならない人様々な分野に興味を持つことができる人タイピングに自信がある人報酬体系文字単価に、納品した記事の文字数を掛け合わせて計算する 1文字0.5円〜3円、1件あたり2000文字〜10000文字が相場成果報酬型のため、案件を多く受けることができればその分収入アップにつながるクラウドソーシングなどのサイトを利用すれば、案件を受注し納品することで即収入が発生メリット日本語の読み書きができれば、特別なスキルがいらない本業にも通じる文章作成能力が身につくデメリットライバルが多く、案件が取りづらい可能性がある案件が取れたとしても最初のうちは低単価で受注することも多くなる 1.2 ブログ自分自身で開設したブログから収益を得る仕事です。ただし、記事を更新するだけでは収益が発生しません。主に記事に外部企業の商品広告を貼り、そこから商品を購入したユーザーがいる場合に手数料が受け取れる「アフィエイト」と、Googleのバナー広告を掲載し記事がクリックされると報酬が発生する「Google アドセンス」という2つの方法があります。 Web広告の市場規模は年々拡大しているため、今後もニーズが増え続けていくでしょう。しかし、ブログアフィリエイターの30％以上が、ブログからの収入を得られていません。月5万円を稼ぐとなると、上位20％に入る必要があるため、安定的に稼ぐためのハードルはかなり高いと言えるでしょう。参考：特定非営利活動法人　アフィリエイトマーケティング協会　「アフィリエイトに関する市場調査　2020年向いている人収益化するまで記事更新を継続できる人「これだけは他の人に負けない」といった特定の分野に精通している人報酬体系アフリエイトの場合、広告を通して商品を1つ購入した場合に、商品価格の数％または一定額が支払われる報酬額は商品ごとに異なり、1件あたり100円〜数千円アドセンスの場合、1クリック30〜40円、PV数次第で収益が変わる記事作成後、検索に反映されるまで3ヶ月ほどかかることがほとんどのため、収益化までは少し時間がかかるメリット P V数を増やす過程で、記事のライティングスキルや集客スキルが身につく一度稼げるブログを作ってしまえば、何もしなくても広告収入が発生するため不労所得を得ることができるデメリット競争が激しく収益化するまでに時間がかかる 1.3 プログラマープログラミング言語を用いて、様々なシステムやアプリケーションを作成したり、動かしたりする仕事です。基幹システムのサーバー構築や、既存システムの開発やテストといった業務内容があります。2018年の時点で、プログラマーのようなIT人材は約20万人以上不足となっており、2025年ではIT人材は36万人の不足と試算されています。金融や家電、自動車など様々な分野においてI Tの活用が推進されていることも追い風になっており、かなり将来性がある職業だといえるでしょう。参考：経済産業省　2019年　I T人材需給に関する調査 1案件あたりの単価が高く、スキルが身につけば短い時間で納品まで完了できますので毎月5万を安定して稼ぐことは可能でしょう。場合によっては1案件で数十万円稼ぐこともできるのがプログラマーの特徴です。ただし、高額な案件を獲得するには、それなりの経験が求められます。企業で3年以上の実務経験と向上心が必要になりますが、満たしていれば時給4,000円以上も視野に入るでしょう。向いている人プログラミングに必要な知識は日々アップデートされているため、常に新しいことを学んで行ける人向上心があり、前向きに取り組める人本業でプログラミングに携わっている人報酬体系プロジェクトごとに異なり、1案件あたりの単価は5〜10万円以上になることが多い高い技術が必要とされるアプリケーション作成の場合には30万円以上となることもある知識を得るために一定時間が必要とされるため、最低3ヶ月は収益が発生しない可能性が高いメリットプログラミング言語は一度覚えてしまえば様々な分野に応用可能なため、手に職をつけることができるニーズが高く、案件に困ることがない一般的にスキル習得難易度が高いと思われているが地道に継続すれば未経験からも習得できるデメリット知識を取得するまでには一定時間を確保する必要がある案件を獲得するには企業で数年の就業経験が必要関連記事：【副業】プログラミング未経験から稼ぐ方法を徹底解説 1.4 Webサイト制作ホームページやLP（ランディングページ）などのWebサイト制作をする仕事です。主にプログラミング言語を用いてコーディングをすることがメインの業務となります。現在、企業活動を行うにあたってホームページの設置は必須といえます。ホームページからの集客を重視している企業も多くなってきていますので、今後も必要とされ続ける職種です。スキルアップのための地道な努力さえできれば、初心者であっても毎月5万を継続して稼ぐことは可能です。後述するWebデザインとのスキルのかけ算で単価を上げることも可能です。案件獲得の競争が激しいという一面はありますが、ポートフォリオ作る、低単価でも実績を積み重ねる、などの工夫をすれば月5万の収益を達成できるでしょう。向いている人必要な知識が日々アップデートされていくため、常に新しいことを学ぶことができる人報酬体系クラウドソーシングから受注する場合は、1ページあたり5000円〜が相場 Word Pressのテーマ制作やコーポレートサイト全体の設計などをする場合は10万円以上になる場合も多い知識を得るために一定時間が必要とされるため、最低3ヶ月は収益が発生しない可能性が高いメリットアプリケーション制作やシステム構築を行う場合と比べてWeb制作に必要なプログラミング知識は少なくなっているため、学習を始めて収益化するまでのハードルはやや低い YouTubeの無料教材を利用したり、プログラミングスクールを利用したりすることで効率よく学べる環境があるデメリットクラウドソーシングなどのサイトでは案件数に対して応募者が多く、競争が激しくなる可能性が高い関連記事：【副業】プログラミング未経験から稼ぐ方法を徹底解説 1.5 Webデザイン Web上に表示されるページの見た目に関する制作を行う仕事です。 Webサービスや広告用LP（ランディングページ）の作成など業務は幅広く、クライアントの依頼を受けて、使い勝手の良い魅力あるページ構成やデザインを考えることがメインの業務となります。自社の魅力を世間によりよく発信するために、Webサイトにデザイン性を重視する企業が増えているため需要は高まってきているといえるでしょう。スキルアップのための地道な努力さえできれば、初心者であっても毎月5万を継続して稼ぐことは可能です。ポートフォリオを作る、低単価でも実績を積み重ねるなどの工夫をすれば月5万の収益を達成できます。先述したWebサイト制作とのスキルのかけ算で単価を上げることも可能です。向いている人新しい技術を吸収することに喜びを見出せる人デザイン以外の幅広い業務をすることに抵抗がない人報酬体系クライアントにより異なり、1案件数千円〜数万円と幅広い企業向けの場合単価が高く10万円以上の案件も多くなる知識を得るために一定時間が必要とされるため、最低3ヶ月は収益が発生しない可能性が高いメリット Web制作に必要なスキル全般が身につくデザインに関して顧客との折衝・調整を行うことも多く、コミュニケーション能力が身につくプログラミングやUI・UXデザインに関するスキルも身につくため、副業から本業へのシフトチェンジも視野に入れつつ、仕事に取り組むことができるデメリット仕事の依頼を受けることができるレベルに達するまで、一定の学習時間を必要とする関連記事：【副業】プログラミング未経験から稼ぐ方法を徹底解説 1.6 イラスト制作ロゴ、名刺、アイコン、キャラクターなどのデザインをする仕事です。クライアントからコンセプトや完成イメージの指示を受け、デザインをしていきます。LINEスタンプやキャラクターデザイン、図解やTwitterのアイコンなど、様々な分野でイラストが必要とされており、今後もニーズは拡大していくでしょう。初心者でスキルやセンスがない場合、案件が獲得できず1ヶ月の売り上げが数千円で終わってしまうことも多いでしょう。スキルがあっても案件が単発で終わってしまうことも多いため、常に営業・集客をしていかなければ継続して収益を上げることは難しいのではないでしょうか。向いている人自分のデザインスキルやセンスに自信がある人趣味として絵を描いたりデザインすることが好きな人報酬体系 1案件数百円〜数千円とクライアントにより稼げる金額は幅広い企業向け案件の場合単価が高くなるスキルさえあればすぐに稼ぐことができるが、1から始める場合やセンスがあまりないと感じる場合、収益発生までは数ヶ月〜1年以上かかるメリット案件が多数あるため、自分にあった案件を見つけやすいデメリット案件が獲得できるかどうかが各個人のスキルやセンスに左右されやすい良い品質で納品するために、専用のソフトウェアや機器を用意する等、初期投資にある程度の費用がかかる 1.7 ネットショップネット上に店舗を開き、商品を販売する仕事です。ネットショッピングの市場規模は年々拡大しており、将来性は高いといえます。参考：経済産業省　　電子商取引に関する市場調査の結果継続して売り上げをあげるためには、商品ラインナップや価格など、他の店舗と比べた優位性をアピールすることが必要になってきますが、大手と比べた場合、仕入れの面で不利になることも多いため、差別化をし選んでもらうショップにするためにはかなりの努力が必要です。全くの未経験から始めた場合、月5万というのはかなり高いハードルとなるでしょう。向いている人普段からネットショッピングをよく利用している人好きな商品ジャンルがある人 SNSのフォロワーがすでに多い人報酬体系商品の売り上げから仕入れにかかった費用を差し引いた分が利益となる安く仕入れることができる先を確保できていれば、利益を出しやすい商品がすぐに売れるとは限らないため、最低3ヶ月は売り上げが入ってこない可能性があるメリット実店舗と異なり、人件費を極力抑えて物品の販売をすることができるプログラミングの知識がなくても店舗ページを開くことができるプラットフォームも充実しているハンドメイド作品を販売し固定のファンを獲得することができれば継続した売り上げを見込めるデメリット数ある他のショップと差別化をすることが難しく、SNSなども使って集客を行わなければ売り上げが見込めない 1.8 カスタマーサポート企業へのお客様からの問い合わせに対して、メールやチャット、電話で対応をする仕事です。稼働時間の確保さえできれば、安定した金額を毎月稼ぐことができるといえるでしょう。向いている人丁寧な顧客対応が求められるため、飲食店などの接客業やコールセンターでの勤務経験がある人報酬体系時給制となることが多く、1時間あたり1,000円〜1,500円が相場働いた分だけ稼げるので、比較的早く収入を得ることができるメリットマニュアルに沿って対応をする形になるため、特別なスキルがなくても始めることができるデメリット契約上毎週一定時間働くことが求められるクレーム対応をする場合、ストレスが溜まりやすい 1.9 データ入力・文字起こしエクセルやワードにデータを入力したり、動画や音声の内容を聞き会話内容を文字にして書き起こす仕事です。企業内で使用する顧客リスト作成やプレゼン資料の作成、YouTubeの字幕作成といった作業があります。 1件あたりの単価が低いため月5万を稼ごうとすると、相当な時間を費やす必要が出てきます。初心者でも手が出しやすい分、スキルアップが案件の獲得や単価アップに繋がりにくいため、副業として取り組む場合一定金額で頭打ちとなる可能性が高いです。月5万稼ぐのはなかなか難しいといえるでしょう。向いている人淡々と作業をするのが好きな人タイピングのスピードに自信のある人事務職での勤務経験がある人報酬体系 1件あたり数百円〜数千円クラウドソーシングサイトでよく用いられる「タスク形式」の場合、1件入力するごとに数十円入力件数や文字数が多くなればなるほど、稼げる金額は増える作業をした分だけ収益に反映するため、比較的早く収入を得ることができるメリット特別なスキルが不要で、仕事を始めるハードルが低いデメリット 1件あたりの単価が低く、時給換算した収入が少なくなりやすい 1.10 コンサルティング自分が詳しい専門の分野で顧客の相談や指導をする仕事です。主な業務としてはクライアントの悩みを解決することになります。人の数だけ悩みがあると言われますので、需要は無くならない仕事だといえます。コンサルタントとしての実力があればリピーターを獲得できるため、月5万円を稼ぐことは容易です。しかし、スキルに自信がない場合や中途半端なスキルしか持っていない場合、顧客獲得に苦労する可能性が高いため、安定して稼ぐことは難しいでしょう。向いている人既に本業を通じて専門的な知見を持っている人結果にコミットするプロ意識の高い人報酬体系相談時間やコンサルティング後の業績など結果に対して、自身で設定した報酬を受け取るメリット初期費用が不要で、今までの経験や知識を生かすことができる単価が高い可能性があるデメリット本業を通じた人脈形成やSNS・ブログなどを用いた集客、ブランディングができなければ案件が獲得できない 1.11 Webマーケティング Webサービスを用いて企業の業務支援や売り上げアップのコンサルティングをする仕事です。SNSの運用代行や広告・メルマガ配信代行、SEO対策などがメインの業務となります。実力次第で稼げる金額が変わるため、人によって月5万円を稼ぐ難易度は異なりますが、これからWebマーケティングの勉強を始める人にとってはかなりハードルが高いといえるでしょう。向いている人自身でブログを運営し集客に成功している人本業でWeb広告営業に携わっている人本業でWebマーケティングに携わっている人報酬体系クライアントとの契約条件により異なる一般的には成果報酬・月額支払い・一括支払いのいずれかで契約するメリット Webサービスを使って稼ぐスキルを磨くことができるデメリット基本的に結果にコミットできる実力が必要となるため、案件を獲得するまでのハードルが高い 1.12 動画編集あらかじめ撮影された動画を見やすくするために、カット作業やテロップ挿入をする仕事です。企業のプロモーション動画やYouTube、ウェディングムービーなど様々な分野で動画編集のニーズは高まっています。高いスキルは必要とされないため、月5万円程度であれば比較的短期間で稼げる可能性は高いです。ただし、その分ライバルも多く今後案件が獲得しづらくなる可能性は高いでしょう。向いている人細かい作業をするのが苦にならない人報酬体系 1件あたり5,000円〜数万円で、企業向け案件の場合単価が高くなるクラウドソーシングサイトでの募集が多いため、即収入につながりやすいメリット自分自身でYouTubeやプレゼン動画を作る際に身につけたスキルが応用できる一定レベルのスキル取得までにプログラミングなどと比べて時間がかからないデメリット動画制作をするためのパソコンやソフトウェアに初期投資が必要 1.13 広告動画制作映像・写真・イラストといった素材を加工・効果付けをして動画を作る仕事です。動画クリエイターと言われることもあります。企業向けの動画広告作成については市場が拡大しており、将来性がある分野となっています。参考：サイバーエージェント　2020年国内動画広告の市場調査動画制作の経験があれば、広告運用等も合わせて依頼されることもあるため、1件あたりの単価も高くなりやすく、月5万円は達成可能といえます。ただし、スキルがない状態では案件獲得が難しく収益化しづらいでしょう。向いている人動画制作に携わったことがある人動画編集で一定の売り上げを上げている人報酬体系 1件あたり数万円〜数十万円企業向けの案件については単価が高い傾向にあるメリット汎用性の高い、本格的な動画制作のスキルを身につけることができるデメリット動画制作をするためのパソコンやソフトウェアに初期投資が必要スキルを身につけるまでに時間がかかる 1.14 写真撮影写真販売は、自分で撮影した写真を、ネットショップやストックフォトサービスで売って収入を得る仕事です。プロのカメラマンであれば別ですが、素人が副業として行う場合、売れ行きの良い写真を狙って撮るのはかなり難しく、安定的な収入を得ることは期待できないでしょう。向いている人カメラが趣味の人日頃からよく写真を撮る人報酬体系 1枚数百円〜数千円で販売するのが一般的ストックフォトサービスを使うと、販売価格から40～60％ほどの手数料が差し引かれるメリット趣味を仕事にできる始めるためのコストがほとんどかからないデメリット売れる写真を撮るためには専門的な学習とセンスが必要とされる 1.15 ナレーション企業の広告やアプリゲームに使用されるナレーションを提供する仕事です。 1件あたりの単価が低いだけではなく、募集されている案件の数も多いとはいえないため、月5万円を稼ぐことはなかなか難しいでしょう。向いている人声に自信がある人声優系の学校に通っていた、声優の仕事経験がある人報酬体系 1件あたり数百円〜数千円主にクラウドソーシングサイトやスキル販売サイトで募集しているメリット趣味を仕事にできるデメリット 1件あたりの単価が低い編集や録音をするための機材などの初期投資が必要 1.16 オンラインの家庭教師英語やダイエット、ビジネスなど自分の得意なことをオンラインで教える仕事です。副業として行う場合使える時間が限られてきますので、時間単価を上げることが必須になります。スキルがあれば時間あたりの単価を高く設定することも可能です。しかし、人気や実力がなければ顧客数に影響してしまうため、単価を上げることが容易ではなく、月5万まで稼ぐのは難しいといえます。また、参入障壁が低いのでライバルも多いでしょう。向いている人人に教えることが好きな人報酬体系スキル販売サイトで、1時間当たりの料金を設定し募集することが多い 1時間500円〜数千円程度メリット販売できるプラットフォームが多いデメリット時間を切り売りするのでスケジュール調整が難しい参入障壁が低くライバルが多い 1.17 Twitterの懸賞 Twitter懸賞とは、Twitterのアカウントを利用して応募できる懸賞・キャンペーンのことです。後日当選が発表される形式の懸賞の場合、フォロワー数やツイート・プロフィール内容に注意を払うことで当選確率を上げることができます。しかし通常の懸賞と同様、運の要素が強いため月5万を安定的に稼ぐことは期待できないでしょう。向いている人毎日Twitterを使っている人報酬体系 1回の抽選ごとに商品または現金が当たるメリット主催者が発信したツイートをリツイートするだけなので、ごく短時間で参加できるデメリット転用可能なスキルが全く身につかない見返りの有無が確率に左右される 1.18 フリマアプリフリマアプリで不用品を販売して収入を得る方法です。メルカリをはじめとするフリマアプリは多数リリースされており、ユーザー数も多いため、売るものがあれば即収入につながります。特にブランド品などは高く売れやすいため月5万円を稼ぐことは可能です。しかし、売るものがなくなった時点で出品ができませんので継続的に収入を得ることができないでしょう。向いている人自宅に物がたくさんある人報酬体系アプリを使用する場合、商品売上金額から、1商品販売するごとにかかる10％程度の手数料を差し引いた金額が収益となる即金性が高いメリット既に自宅にあるものを売るためコストがかからず収益を上げやすいデメリット一時的にしか稼ぐことができない転用可能なスキルが全く身につかない 1.19 せどり・転売ネットショップやリサイクルショップから安く商品を仕入れて、仕入れ額よりも高く販売することで差額を利益として得る仕事です。せどりには様々な方法があり、楽天ポイントを利用したり海外から輸入したりする方法などがあります。仕入れ商品のリサーチから梱包、販売まで全て一人で行うため仕組み化することができれば短時間で月5万円を稼ぐことはできます。ただし、価格差が取れる商品を見つけ出すまで時間がかかることも多く、競争相手も多いため、軌道に乗せるまでは時間がかかるでしょう。向いている人特定分野の商品に詳しい人流行に敏感な人報酬体系仕入額と販売価格の差が利益となる出品手数料や送料を考慮して価格設定をする必要があるメリット仕組みがシンプルな商売なので、安く仕入れることができれば特別なスキルがなくても始めることができるデメリットプラットフォームごとの転売規制によって売れる商品が変わる可能性があるブランド品の偽物販売に関わってしまうリスクがある 1.20 ポイントサイトサイト内の特定の広告をクリックして商品購入や会員登録をすることで、報酬を得ることができます。副収入がある男性会社員の22.3%の収入源は、「ポイント・アンケートサイト」で58.1%と最多となっており人気の仕事です。参考：新生銀行　2019年サラリーマンのお小遣い調査月5万円を稼ぐことは十分可能ですが、一度きりの案件も多いため継続して稼ぐことはできないでしょう。向いている人コツコツと単純作業に取り組める人様々な企業に個人情報を提供することに抵抗がない人報酬体系広告ごとに決められた達成条件を満たすと収益発生ポイントが貯まったら電子マネーや現金に交換可能なため即金性が高いメリットクレジットカード作成や口座開設などの高額案件に取り組めば、短期間で一定の金額を稼ぐことができる特別なスキルがなくても始めることができるデメリット誰でもできる仕事のためスキルが全く身につかない 2 在宅でできる副業のメリット・デメリット在宅でできる副業にはメリットだけではなくデメリットもあります。事前に理解しておくことで、自分に合った副業を見つけることができるでしょう。 2.1 メリット在宅でできる副業のメリットは3つあります。それぞれ詳しく説明します。 2.1.1 メリット1　仕事内容や付き合う人を選べる副業で稼ぐためには、自分自身の得意分野を生かして仕事をすることが重要です。苦手なことには時間をかけず、得意なことに集中することで限られた短い時間の中で成果を上げられます。会社で働く場合と異なり、取り組む仕事については自ら取捨選択する姿勢が大切です。また付き合う人を選ぶことができますので、人間関係で余計なストレスを抱えることも少なくて済みます。 2.1.2 メリット2　本業以外のスキルが身につく副業に取り組む過程で、本業以外の実用的なスキルを身につけることができます。副業にもよりますが、成果報酬として1件あたりの対価が設定されていることがほとんどのため、必然的にスキルを身につけることになります。対価をもらいながら学ぶことができますので、学習のアウトプットの場としても最適です。会社に頼らず自力で稼ぐ力を身につけたい、独立しても通用するスキルが欲しい、という人にとって副業は有効な手段となるでしょう。 2.1.3 メリット3　時間と場所に縛られず仕事ができるスマホやPCが1台あれば、基本的に時間や場所に関係なく作業ができます。通勤時間がないのは、精神的にも体力的にも楽だと感じる人は多いのではないでしょうか。また、通勤時間がなくなることで空いた時間やスキマ時間で作業を進めることもできるためより効率的に稼ぐことが可能です。 2.2 デメリット在宅でできる副業のデメリットは3つあります。 2.2.1 デメリット1　自己管理力が必要体調や納期管理、営業や案件の管理など基本的には全ての作業を一人で行う必要があります。無理をして体調を崩してしまったり、急なトラブルが発生して納期に間に合わないという事態が発生した場合、各方面に迷惑をかけることになります。基本的に余裕を持ってスケジュールを組み、仕事に取り組むことが重要です。 2.2.2 デメリット2　孤独感を感じることが多い仕事の性質上、一人で作業する時間が多いため、孤独感を感じることが多くなるでしょう。一人で作業をするのが苦手で、和気あいあいと仕事をしたい人にとっては厳しいかもしれません。 2.2.3 デメリット3　トラブルに巻き込まれる可能性がある仕事の選び方次第では、トラブルに巻き込まれてしまう可能性があります。副業はあくまで自己責任で行うため、万が一トラブルが発生した場合も自分自身で全て対処する必要があります。特に、「簡単・高収入」を謳った副業詐欺には注意しましょう。稼ぐどころか、高額な教材を買わされてしまったり、気付かない間に犯罪に加担してしまう可能性もあります。仕事を受ける場合には依頼先の情報や業務内容を慎重に確認し、問題ないか見極める力が必要です。 [PR] AIプログラミングコース3 在宅でできる副業の選び方数ある副業の中でどの副業を選ぶのが良いのか、選び方についてまとめました。 3.1 目的に合わせて選ぶなぜ副業をするのか、副業に対して何を求めているのかを明確にして取り組むことで効率よく稼ぐことができます。以下のように目的に合わせて選ぶことが有効です。「短期間で一定金額を稼ぎたい」：即金性の高いもの「無理なく空いた時間を有効活用したい」：作業負担が少なく手軽にできるもの「本業で足りない生活費の確保」：1ヶ月に稼げる金額が明確なもの「将来の独立・起業のためスキルアップしたい」：汎用性の高いスキルが身につくもの 3.2 最初はリスクの小さい副業を選ぶ副業を始める際、元手がかからないものを選ぶことは重要です。特に本業と異なる分野の仕事に取り組む場合、自分にあった仕事かどうかはスタートしてみるまでわからないことが多いです。もし自分に合わないと判断した時に、コストをかけず始めていればすぐにやめて違う仕事をするという選択ができます。初期投資の額が大きいと、投資額を回収できなくなる可能性も高いです。稼ぐために始めた副業で収益を上げられなかったり、負債を抱えてしまったりすると、精神的な負担が大きくなり本業にも悪影響が出てしまいます。プログラマーやWeb制作、WebデザイナーといったIT系の副業であれば、いずれも初期費用を抑えて低コストで始めることができます。 3.3 自分スキルになるものはおすすめどの副業が良いか迷った時には、自分自身にスキルが身につく副業を選ぶのがおすすめです。時給で働く場合やスキルが身につかない副業を続けると、時間の切り売りをするばかりで、一時的には稼げるかもしれませんが、将来的な収入アップは望めません。副業でスキルアップができると、より高単価の案件を受注することで収入を上げていくことができます。また、副業に取り組む中で自分の可能性に気づき、本業での成果につながったり、転職をするきっかけとなったりすることもあります。スキルを身につけることができる副業としては、プログラマーやWeb制作、WebデザイナーといったIT系の副業がおすすめです。今後も需要が高い分野ですので、一度スキルを身につければ再現性高く稼ぐことができるでしょう。 4 在宅で副業する際の注意点副業をする上では、法律や税金の知識が欠かせません。「知らなかった」では済まされないケースがほとんどですので、事前に学んでおきましょう。また、無用なトラブルを避ける方法についても解説します。 4.1 法律法律は特に重要です。違反すると罰金が発生したり、犯罪者となってしまう可能性もあるので、最低限は理解しておきましょう。ここでは、副業を検討する方が知っておくべき法律を4つ厳選して紹介します。 4.1.1 特定商取引法特定商取引法とは、事業者による悪質・違法な勧誘行為などを防止し、消費者を守るために作られた法律です。特定商取引法は以下を対象としているため、インターネットでの物品販売なども対象となっています。訪問販売通信販売電話勧誘販売連鎖販売取引特定継続的役務提供業務提供誘引販売取引訪問購入違反した場合、罰則や行政処分の対象となります。特に副業を行う場合は以下の点について、違反行為がないよう十分注意しましょう。事業者の名称、住所、電話番号、販売価格、送料、代金支払い方法、支払い時期などについて明記する返品の可否・返品の条件・返品にかかる送料の負担について明記する（返品特約瑕疵担保責任) 参考：特定商取引法ガイド 4.1.2 電子契約法電子契約法は電子消費者契約法とも呼ばれる、電子商取引における消費者の救済措置について定めた法律です。インターネットでの契約行為は、郵送不要で書面がなくても完結するため利便性が高く副業をする上でも頻繁に行われます。その反面、トラブルが起きやすいのも事実です。以下に電子契約法の要点をまとめましたので、しっかり把握しておきましょう。申し込み内容を消費者が最終確認できる画面を用意するなどの措置を事業者側がとっていなかった場合、消費者側の操作ミスによる誤った申し込みは無効となる →例えば、顧客がネット通販の注文時に数量を誤入力し、多く注文してしまった場合でも、商品名や個数などを顧客が確認できる画面を事業者が用意していなかった場合には、その注文は無効となります。契約成立時期は通知が到達した時点とする →ネット通販で、「購入する」「申し込む」のボタンを押しただけでは契約は有効とはなりません。事業者側が内容を確認し、顧客に注文承諾の通知が届いた時点で契約が有効となります。参考：電子政府の総合窓口e-Gov 4.1.3 医薬品医療機器等法（旧薬事法）正式名称を「医薬品、医療機器等の品質、有効性及び安全性の確保等に関する法律」といいます。2014年に薬事法が改正され、制定されました。医薬品等の製造や流通等について定め、これらの安全性を確保し、保健衛生の向上を図ること目的とした法律です。 1か月で〇〇㎏痩せる、1週間で肌が〇〇歳若返るなど、根拠もない過剰な広告行為した場合には罰則の対象となります。健康や美容といったジャンルは人気があるため、副業で触れる機会も多いので注意が必要です。実際にアフィリエイターが逮捕される事件も起きています。参考：共同通信　「アフィリエイター」を書類送検法律に沿った表記ができているか、判断に迷う場合には厚生労働省のガイドラインを参考にしましょう。 4.1.4 著作権法著作権法は副業を行う上で一番関わる可能性が高い法律です。適用対象は記事、動画、デザイン、イラスト、プログラムなど幅広くなっており、実際に著作権侵害で検挙された例も多くなっていますので十分注意しましょう。参考：不正商品対策協議会また、著作物を創作した時点で様々な権利が発生するため、多少のことでも著作権侵害に該当してしまうリスクがあります。他人の著作物を利用する場合は必ず、以下のルールに従って対応しましょう。サイトで他人の著作物を引用する場合においては引用元を明記するほか、引用部分とそうでない部分をハッキリと区別させる参考　公益社団法人著作権情報センター著作者から利用許可をもらう参考　公益社団法人著作権情報センター 4.2 税金税金についても知っておきましょう。申告漏れがあると罰則を受ける可能性があります。 4.2.1 確定申告を忘れない売上から経費を引いた副業の所得が20万円を超える場合に、確定申告が必要となります。申告をしなかった場合、罰則や追徴課税を受けることになりますので、必ず期限内に済ませるようにしましょう。確定申告を行った結果税金が還付される場合もありますが、支払いをする場合も多いので、納税資金についてはあらかじめ確保しておく必要があります。また、副業で得ている収入が20万円以下の場合、確定申告が不要であってもお住まいの市区町村への住民税の申告は別途必要となるケースがありますので注意してください。 4.3 トラブル防止副業に関してのトラブルもあらかじめ知っておくと、回避しやすいです。最低限として、以下で紹介する3点を頭に入れておきましょう。 4.3.1 事前に会社に相談する許可なく副業をしていることが会社にバレると、トラブルになる可能性が高いです。副業をすること自体は違法ではないですが、本業に影響しないよう就業規則で禁止している会社はあります。仮に、就業規則に明記されていないとしても、黙って副業をしているとトラブルになる可能性は高いです。あらかじめ届け出れば可能とする会社も多くなっていますので、副業を始める際は事前に会社に相談しましょう。 4.3.2 請ける仕事に責任を持つ副業で取り組む仕事の多くは業務委託契約になり、賃金や労働時間など、労働基準法等による保護を受けることができません。契約自由の原則に基づき、業務内容や報酬などの条件を当事者間で取り決めることになります。そのため、自分にとってどんなに条件の悪い仕事であったとしても、一度仕事を請けた以上は完了させる義務が生じます。完了できない場合、債務不履行責任を負うこともありますので、仕事を請ける上では事前にわからないことは曖昧にせず確認するようにしましょう。 4.3.3 個人情報に気をつける副業で取り組む仕事の中には、個人情報を取り扱う内容も多く含まれます。個人情報を漏洩させてしまった場合、数百万〜数千万円といった損害賠償を請求s流可能性もありますので、セキュリティ対策については万全な対策を取っておきましょう。また、自分自身の個人情報漏洩にも注意が必要です。悪用される可能性もありますので、個人・法人問わず、住所・本名・連絡先などを教える場合には最新の注意を払ってください。 5 まとめ在宅でできる副業のおすすめ職種について解説してきました。副業を選ぶ上では、目的に合わせたものを選ぶことが最も重要です。少ないコストで始めることができる上に、スキルが身につく仕事としてI

副業・フリーランス

記事を検索

ニュース

インタビュー

テクノロジー

キャリア

お問い合わせ

目次

人工知能とは

人工知能の種類と特徴

言語

音声

画像

制御／推論

人工知能の歴史

人工知能ができること、できないこと

人工知能の学習書籍やサイトの紹介

人工知能の学習書籍

図解 人工知能大全 AIの基本と重要事項がまとめて全部わかる

ターゲット

特徴

何が学べるのか

ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装

ターゲット

特徴

何が学べるのか

ゼロから作るDeep Learning ❷ ―自然言語処理編

ターゲット

特徴

何が学べるのか

人工知能の学習サイト

料金

ターゲット

特徴

料金

ターゲット

特徴

料金

ターゲット

特徴

記事を検索

関連するキーワード

関連する記事

あわせてよく読まれている記事

TechAcademyから 現役エンジニアの方へ お知らせ

図解人工知能大全 AIの基本と重要事項がまとめて全部わかる

TechAcademyから
現役エンジニアの方へ
お知らせ