Python

PythonのMemoryErrorの主な原因について現役エンジニアが解説【初心者向け】

初心者向けにPythonのMemoryErrorの主な原因について現役エンジニアが解説しています。MemoryErrorとはプログラムを実行中にメモリーが不足することにより発生するエラーのことです。膨大なデータや画像処理、並列処理時に起こりやすいErrorです。MemoryErrorの原因と対策方法を解説します。

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

PythonのMemoryErrorの主な原因について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して初心者向けに解説します。

そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事を読むとさらに理解が深まります。

なお本記事は、TechAcademyのオンラインブートキャンプPython講座の内容をもとに紹介しています。

今回は、Pythonに関する内容だね！

どういう内容でしょうか？

PythonのMemoryErrorの主な原因について詳しく説明していくね！

お願いします！

MemoryErrorとは

MemoryErrorはプログラムを実行中に発生するメモリー不足により発生するエラーのことです。Pythonに限らず、プログラムを実行するということはパソコン上で処理を行うため、メモリーを消費します。

特に定義した変数やオブジェクトはメモリー内に保持されるため、その保持したデータ量がメモリーの許容量を超えるとMemory Errorが発生します。

つまり、ソースコードそのものの文法としては間違っておらず実行中に発生するエラーのため、限られたメモリー内で処理を行えるように対策を行う必要があります。

[PR] 未経験からWebエンジニアを目指す方法とは

MemoryErrorの主な原因

MemoryErrorの一番大きな原因は膨大なデータを取り扱っていることです。機械学習やデータサイエンスの分野で大活躍するPythonですが、大量のデータをあまりにたくさんに扱うとパソコンのメモリーを圧迫してMemoryErrorとなります。

代表的な例が画像処理です。画像データは大量の行列データを扱うことと同じなので、大量の画像データを処理し続けるとパソコンによってはMemoryErrorが発生します。

もう一つ発生するエラーとしては、並列処理を行うときです。短時間で効率よく処理を行うためにスレッドを使って並列処理を行います。しかし、その一方で多くのメモリーを消費することになります。つまり、膨大な処理を並列させるとその分計算量が多くなり、MemoryErrorになる可能性が高くなります。

MemoryErrorへの対策

MemoryErrorが起こるようなプログラムを実行するためには、その対策を行うようにする必要があります。そこでここではいくつかのエラー対策法を紹介します。

メモリーを増やす

MemoryErrorはパソコンのメモリーが不足しているエラーなので、新たに容量の大きいメモリーを買い足すのが一番簡単な解決策です。ただし、この方法はメモリーを取り外しできるパソコンならできますが、分解ができないパソコンでやるのは難しいです。

また、知識のある人であれば問題ないのですが、機械の分解に慣れていない方がやろうとすると、失敗してパソコンが起動しなくなることもあります。メモリーの交換はしっかりやり方を調べながら慎重に行いましょう。

不要な変数、オブジェクトを消す

処理の中で途中から使われていない変数や、オブジェクトを積極的に廃棄するのも効果的です。そこで使われる文がdel文です。del文で変数、オブジェクト名を指定すると、それまでの定義がなかったことになるため、メモリーの空きを減らすことができます。

具体的にはxに100を定義した場合、以下の様に書くことで、del文でその定義を無かったことにできます。

x = 100
del x

データを圧縮する

これは特に画像データをメモリー上で扱う際に有効です。大抵の画像処理ではある程度オリジナル画像から縮小しても問題ないことが多いです。

機械学習の練習として使われるMNIST（手書き数字の画像データセット）の画像もメモリーの使用量を少なくするために画像が極限まで縮小されています。

画像を縮小するときに使われるのが、PillowライブラリのImage.resizeです。これを使うことで簡単に画像を縮小してメモリーの使用量を減らすことができます。

まとめ

今回はPythonのMemoryErrorについて紹介しました。

Pythonは配列の処理を簡単に行うことが出来ますが、メモリーのことは考慮されないので、メモリーの使用量については人間の手で調整をしていく必要があります。Pythonはシンプルな文法の言語ですが、システム内で効率よく処理を行うためには工夫や経験が重要になってきます。

監修してくれたメンター

メンター三浦

モバイルゲームを運用している会社のエンジニアをしています。趣味でWEB開発やクラウドコンピューティングもやっており、ソフトもハードもなんでもやります。

TechAcademyジュニアではPythonロボティクスコースを担当しています。好きな言語はPython, Node.js。

内容分かりやすくて良かったです！

ゆかりちゃんも分からないことがあったら質問してね！

分かりました。ありがとうございます！

TechAcademyでは、初心者でもPythonを使った人工知能（AI）や機械学習の基礎を習得できるオンラインブートキャンプPython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。

Pythonで日付をunixtimeに変換する方法【初心者向け】

Pythonで日付をunixtimeに変換する方法について解説します。そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説...

Python

Pythonのreshapeメソッドの使い方を現役エンジニアが解説【初心者向け】

Pythonのreshapeメソッドの使い方について解説します。そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記...

Python

Pythonのreモジュールのsub関数について現役エンジニアが解説【初心者向け】

Pythonのreモジュールのsub関数について、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して、初心者向けに解説します。 P...

Python

Pythonのクロージャについて現役エンジニアが解説【初心者向け】

Pythonのクロージャについて、TechAcademyのメンター（現役エンジニア）が実際のコードを使用して初心者向けに解説します。 ...

Python

基本を解説！Pythonで配列を使う方法【初心者向け】

今回は、Pythonで配列を使う方法を解説します。配列は、Pythonに限らずプログラミング全般で必要な知識なので、使い方を覚えておきましょう。配列の種...

Python

Pythonのextendメソッドの使い方を現役エンジニアが解説【初心者向け】

Pythonのextendメソッドの使い方について解説します。そもそもPythonについてよく分からないという方は、Pythonとは何なのか解説した記事...

Python

あわせてよく読まれている記事

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、データ分析（データサイエンス）や機械学習で必要となる作業を簡単に行うことができるようになります。 Pythonでデータ分析を行うには、必須のライブラリなので、ぜひこの記事を参考に、Pandasの使い方を覚えましょう。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 Pandasとは Pandasの特徴 Pandasでできること Pandasを使うメリット Pandasを利用するにはダウンロード手順初期設定 Pandasの使い方 Pandasをより便利に使う方法 Pandasの勉強方法大石ゆかり田島メンター！Pandasというのは何でしょうか？田島悠介 Pythonのデータ解析用のライブラリだよ。Pythonでデータ分析や機械学習を行うには、必須のライブラリなんだ。大石ゆかりどのような機能があるのですか？田島悠介例を見ながら説明していくね！ Pandasとは Pandasは、Pythonでデータ分析を効率的に行うためのライブラリです。Pandasはオープンソース(BSDライセンス)で公開されており、個人／商用問わず、誰でも無料で利用することができます。 Pandasを使うと、データの読み込みや統計量の表示グラフ化データ分析に関する作業を容易に行うことができるようになります。また主要なコードはPythonまたはC言語で書かれており、Pythonだけでデータ分析を行うのと比較して、非常に高速に処理を行うことができます。データ分析（データサイエンス）は、機械学習を行うまでの前処理（データの読み込み、クリーニング、欠損値の補完、正規化など）が、全ての作業の8〜9割を占めると言われています。Pandasを使うとそのような処理が効率的に行えるようになるため、Pythonで機械学習を行うには、Pandasは必須のライブラリとなっています。 [PR] 未経験からWebエンジニアを目指す方法とはPandasの特徴 Pythonによるデータ分析で多く使われているライブラリといえば、PandasやMatplotlib、NumPyなどがあげられます。これらのライブラリはそれぞれ以下のような特徴があります。 Pandas Pandasはデータの読込や並べ替え、欠損値（欠けている項目値）の補完などを行うことができるライブラリです。データ分析の前処理段階でとても多く利用されています。データの読込はCSVやテキストだけでなく、エクセルやインターネット上で提供されている株価情報など、多様な形式のデータを読み込むことが出来ます。また、Pandasの特徴はDataFrameという多機能な「表」にあります。DataFrameにはデータの平均値や行数などの概要的な特徴を把握する機能や、並べ替えや列名の変更などのデータを整形する機能があります。またキーを指定しての集計やMatplotlibと連携してのグラフによる可視化など、データ分析のデータ前処理の段階で便利な多くの機能が提供されています。データ分析の過程では、Pandasである程度データをきれいに整えてから、NumPyで数値計算を行うようといったように、使い分けて利用することが多いでしょう。 Matplotlib MatplotlibはPythonで代表的なグラフを描画するライブラリです。2Dだけでなく3Dも含めた多くの種類のグラフを描画することができます。 Matplotlibは慣れると使いやすいのですが、はじめは使い方がやや難しく感じると思います。そのような場合、PandasやSeabornなどのライブラリと組み合わせることで、見た目の良いグラフを簡単に描画することができます。 Matplotlibはデータ分析の様々な段階で、NumPyやPandasと組み合わせてデータの概要を把握したり、特徴を可視化するような目的で使用します。 NumPy NumPyは数値計算や行列演算を行うライブラリです。複数の数値を配列としてまとめて扱ったり、行列演算を行ったりするのが得意です。特にコンピューターで小数点以下を扱う際の標準的な形式である浮動小数点型の行列演算を高速に行うことが出来ます。また三角関数や平方根などの数値計算の機能も豊富です。 NumPyはある程度データの前処理が終わり、きれいに整ったデータに対して数値計算を行うのに向いているライブラリと言えます。 Pandasでできること Pandasには多くの機能があります。主に利用する機能を確認してみましょう。なお以下でDataFrameと記載しているのはDataFrameオブジェクトを指しています。データの読込 CSV形式のデータの読込：read_csv() Excelファイルの読込：read_excel() JSON文字列の読込：read_json() pickle形式(Pythonオブジェクトを保存する形式)によるデータの読込/書込：read_pickle()、to_pickle() インターネット上で提供されている株価情報の読込：pandas-datareader データの特徴を把握データの特徴を表示：DataFrame.info() 要約統計量を表示：DataFrame.describe() データの一部を表示：DataFrame.head()、DataFrame.tail() データの形状を表示：DataFrame.shape 行数を取得：DataFrame.index.values 列名を取得：DataFrame.columns.values それぞれの列の型を取得：DataFrame.dtypes データの切り出し（スライス）データのスライス：DataFrame[]、DataFrame.iloc[]、DataFrame.loc[] フィルタリング：DataFrame.query() データの並べ替え値による並べ替え：DataFrame.sort_values() インデックスによる並べ替え：DataFrame.sort_index() 列名の変更：DataFrame.rename() 集計列の集計：DataFrame.value_counts() 表の集計：DataFrame.groupby() ※groupby().sum()で合計、groupby().mean()で平均値得ることができる可視化 Matplotlibのimportが必要ヒストグラム：DataFrame.hist() 散布図、線グラフ：DataFrame.plot() 棒グラフ：DataFrame.bar() 箱ひげ図：DataFrame.boxplot() 欠損値の扱い欠損値の確認：DataFrame.isnull().sum() 欠損値に値を埋める：DataFrame.fillna() 欠損値のある行を削除する：DataFrame.dropna() その他カテゴリー変数の展開：get_dummies() 列同士の相関を確認：DataFrame.corr() Pandasを使うメリットデータ分析であればExcelなどの表計算ソフトを使えば十分という方も多いでしょう。Pandasを使うと、大量データに対して何度でも同じ処理をプログラムを実行するだけで行うことができるというメリットがあります。大量データの処理が可能 Pandasではパソコンのメモリ容量が許す限り、大量のデータをDataFrameに読み込んで処理を行うことが出来ます。動作速度も表計算ソフトほど遅くはなりません。同じ処理を何度も再実行できる 1つ1つの作業を人間が操作して行うのではなく「プログラム」として記述することで、何度でも全く同じ処理を繰り返し実行することが可能となります。データ分析では再現性が重要であり、手順書をもとにした人間の操作よりも、プログラムで処理自体を記述したほうが、確実に同じ処理を再実行することができます。また、大量データに対する処理は数時間～数日も時間を要することがあります。このような場合でも、人間はプログラムを実行して結果を待つだけです。表計算ソフトのように、付きっきりで操作し続ける必要はありません。さらにパソコンを複数台数用意して、条件を少し変えたプログラムを同時並行で実行して結果を比較する、といったことも容易に実現可能です。他のライブラリと連携し多彩な機能を実現できる他のライブラリと連携することで、プログラムを実行してグラフを描画したり、加工した結果を表計算ソフトのファイルとして出力するなど、Pandasだけでは行えない多くのことを実現することができます。 Pandasを利用するには Pandasを利用するには、Anacondaなどの「ディストリビューション」と呼ばれる開発環境をまとめたパッケージを使うのが簡単です。Anacondaは、データ分析やグラフ描画など、Pythonでよく利用されるライブラリを含んだ開発環境です。ここではAnacondaを例にダウンロード手順と初期設定について確認しましょう。ダウンロード手順 Anacondaの公式サイトからProducts > Individual Edition > Downloadを表示します。 Anaconda – Individual Edition – Download Windows、Mac共に「Python 3.7 – 64-Bit Graphical Installer」をクリックしてダウンロードします。なお、Python2.7は古いバージョンであり、サポート期間が2020年4月とすでに終了しています。どうしても必要な場合を除き、利用することは無いでしょう。ダウンロードしたファイルを実行することでインストールを行うことが出来ます。選択肢などは既定値のままで良いでしょう。初期設定インストールが終わったら、Anaconda Navigatorを起動します。はじめに初期設定として必要なライブラリをインストールしましょう。ライブラリのインストールはEnvironmentsから行います。Environmentsを開き、「Not installed」を選択して検索ボックスに「pandas」と入力します。一覧にPandasが表示されますので、チェックボックスで選択し、画面右下のApplyボタンを押すことでインストールすることができます。また、今回は説明用にscikit-learnのサンプルデータセット（トイデータセット）を使用します。同様にscikit-learnとnumpy、matplotlibもインストールしておきましょう。インストールが終わったらHomeに戻ります。プログラムはJupyter Notebookで作成します。画面の「jupyter notebook」と書かれた部分の「Launch」ボタンをクリックします。初回は「Install」ボタンになっており、クリックするとJupyter Notebookがインストールされます。以降は、Jupyter Notebookをもとに、Pandasの使い方を説明します。 Pandasの使い方 Pandasを使う際は、初めにPandasライブラリをインポートします。併せてサンプルデータセットも利用できるようにしておきましょう。 # Pandas、及び必要なライブラリのインポート import pandas as pd from pandas import DataFrame import numpy as np # サンプルデータセットを取得する from sklearn import datasets boston = datasets.load_boston() 実行結果は特にありません。エラーがでなければ、正しくインポートされています。次に、サンプルデータセットをPandasのDataFrame型に変換しておきます。なお、今回はサンプルデータセットを使いましたが、CSVデータを読み込むread_csvという命令も用意されています。 # PandasのDataFrame型に変換 df = DataFrame(boston.data, columns = boston.feature_names) # 目的変数をDataFrameへ追加 df['MEDV'] = np.array(boston.target) 準備が整いました。それではPandasの命令を幾つか見ていきましょう。データの概要を確認する先頭5行を表形式で表示する df.head() 実行結果は以下のようになります。行列数を表示する df.shape 実行結果は以下のようになります。 (506, 14) 細かい情報を表示する dataset.info() 実行結果は以下のようになります。 <class 'pandas.core.frame.DataFrame'> RangeIndex: 21613 entries, 0 to 21612 Data

機械学習

JavaScriptでメモ帳アプリを作成する方法を現役エンジニアが解説【初心者向け】

JavaScriptでメモ帳アプリを作成する方法について解説します。実際のコードをもとに解説していきますので、理解を深めていきましょう。また、入門向けのJavaScriptを学習できるサイトも紹介しているので、合わせてご覧ください。そもそもJavaScriptについてよく分からないという方は、JavaScriptとは何なのかについて解説した記事を読むとさらに理解が深まります。なお本記事は、TechAcademyのオンラインブートキャンプJavaScript/jQuery講座の内容をもとにしています。田島悠介今回は、JavaScriptに関する内容だね！大石ゆかりどういう内容でしょうか？田島悠介 JavaScriptでメモ帳アプリを作成する方法について詳しく説明していくね！大石ゆかりお願いします！メモ帳とは今回は、とてもシンプルなメモアプリを作成したいと思います。初めにメモ帳に必要な機能を考えてみましょう。メモを書ける書いた内容を保存出来る保存した内容をいつでも呼び出せる書いたメモを検索で出来るメモのカテゴリー化メモの共有化など、色々と思いつくのですが、今回は必要最低限と言うことでメモを書ける書いた内容を保存出来る保存した内容をいつでも呼び出せるまでを実現したいと思います。 JavaScript/HTML/CSSでシンプルなメモ帳アプリを作成してみよう JavaScriptでメモ帳を考えるうえで幾つかのアイディアがあるかと思います。書いた内容を保存するには、Data URIを利用しファイル保存する方法が最初に思いつきます。ただ、これだとファイルを開いたり保存に時間がかかるので、今回の目的である簡単なメモとしてやめておきます。その代わり、とても簡単な便利なlocalStorage APIを利用したいと思います。 [PR] 未経験からWebエンジニアを目指す方法とはメモ帳アプリの作成に役立つライブラリなど localStorage API ブラウザー側にkeyごとにデータを保存できるAPIです。各サイトごとに5KBのデータを保存できます。メソッドとして setItem(key,data):データの保存を行います。 getItem(key):キーに一致するデータを取得します。 removeItem(key):指定したキーとデータを削除します。 clear():全てのデータを削除します。 sessionStorage API localStorageとの違いは、ページやタグを閉じた時点でデータが消去されるところです。その時だけにメモする機能を実現するには、こちらが便利となります。サンプルコードなどそれではlocalStorageを利用した簡単なメモ帳を作成してみましょう。 <html> <head> <title>JavaScriptでメモ帳を方法</title> <style type="text/css"> textarea{width:100%;height:30%;} </style> </head>

JavaScript

【事例付き】様々なサービスに活用！画像認識技術とは

デジタルカメラのスマイルシャッターや、iPhoneXのFaceIDなど、画像認識の技術は私達の身の回りで多く使われており、生活を便利に豊かにしてくれています。近年のコンピューターの性能向上、とりわけ人工知能(AI)の技術の向上と共に、画像処理の技術は飛躍的な発展を遂げました。すでに画像／動画認識率において、コンピューターは人間のレベルを凌駕する領域にまで達しています。それでは画像認識はどのような技術なのでしょうか。仕組みや原理、どのようなシーンで使われているかなど、この記事で確認して行きましょう！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。目次画像認識とは画像認識の仕組み、原理とは画像認識の事例画像認識ができるライブラリまとめ田島悠介今回は画像認識について解説するよ。大石ゆかり田島メンター！画像認識というのは具体的にどのような技術なんですか〜？田島悠介パターン認識技術の1つなんだ。詳しく見ていこう。大石ゆかり分かりました！画像認識とは画像認識とは、画像や動画から特徴をつかみ、対象物を識別するパターン認識技術の1つです。人間は、画像に写っているものが何であるか、これまでの経験から「理解」して判断することができます。しかし、コンピューターは画像に何が写っているかを「理解」することができません。その代わりに、沢山の画像データから、対象物の特徴を学習させることで、未知の画像を与えた時に、対象物が何であるかを「確率」として表現することができるようになります。画像認識の歴史は古く、1960年頃から研究されて来ました。昔はコンピューターの性能が低く、価格も高価であったため、大学の研究機関などの限られた分野での利用が主でしたが、現在ではパーソナルコンピューターはもちろん、デジタルカメラやスマートフォンなど、多くの電子機器に画像認識機能が取り入れられています。また、画像認識は人工知能(AI)におけるディープラーニング技術により、近年著しい進化を遂げています。ディープラーニングによる画像認識が大きく注目されるようになったのは、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。 TensorFlow Inception-v3 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。それでは、画像認識の仕組み、原理はどのようなものなのでしょうか。詳しく見ていきましょう。 [PR] 未経験からWebエンジニアを目指す方法とは画像認識の仕組み、原理とははじめに、画像認識を行うためには、その前段階として、画像から対象物（もの）を抽出しなくてはなりません。人間は画像から対象物を視覚として判断できますが、コンピューターにとっては、画像はピクセル毎の情報（色合い、明るさ）の集合体でしかありません。また、対象物も様々な角度、大きさ、明るさで画像の中に存在しています。コンピューターに取ってみれば、ノイズだらけの混沌とした情報から、対象物を認識しなければならないのです。そのため、画像認識の前に、コンピューターが画像を認識しやすくする処理を行います。その作業を画像処理と言います。画像処理は概ね以下のような手順で行われます。画像のノイズや歪みなどを取り除くオブジェクトの輪郭を強調したり、明るさや色合いを調整することで、オブジェクトを抽出しやすくする画像からオブジェクトの領域を切り出す（領域抽出） ※領域抽出と画像認識は並行して行われることもあります。領域抽出を行うことで、オブジェクトを一定の大きさで扱うことが出来るため、画像認識を行いやすくなります。それでは、いよいよ画像認識についてです。コンピューターに対象物を認識させるためには、おびただしい量の画像データとラベル（画像データが何を表すか）を与え、対象物を学習させる必要があります。ここで機械学習が登場します。コンピューターは、画像データとラベルの組み合わせをもとに、ラベル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。 Google この時、元の画像を白黒にしたり、傾けたりすることで、学習データを増やすことも良く行われます。 Google 学習が進むと、コンピューターは画像データから、対象物の特徴を判断できるようになります。例えば人であれば「目が2つ」「口が1つ」というような情報をコンピューターが得るわけです。少し前に、「Googleの研究開発によってコンピューターが猫を認識できるようになった」と話題になりました。その論文では、コンピューターが認識した「人間の顔」も掲載されていますので紹介しておきましょう。少し不気味ですが、目や口、鼻といった特徴が認識されていますね。 Google これらの学習結果をもとに、コンピューターに未知の画像を与えると、コンピューターは未知の画像から対象物を認識し、対象物が何であるかを「確率」として表現することができるようになります。画像認識の事例それでは次に、画像認識の事例について見ていきましょう。現在、画像認識技術はとても広い分野で活用されています。セキュリティ分野現在最も盛んに研究が行われている分野の1つでしょう。監視カメラの映像分析、顔認証システム、不審者侵入検出など、多くのソリューションが実用化されています。 NEC NeoFace http://jpn.nec.com/physicalsecurity/case.html 監視カメラ映像から顔認証を用いて犯罪者データベースと照合パナソニック顔認証ゲート http://news.panasonic.com/jp/press/data/2017/12/jn171215-1/jn171215-1.html 羽田空港での、日本人の帰国手続の合理化に貢献文字認識古くから研究されている分野です。文字読み取り技術は「OCR（Optical Character Recognition）」とも呼ばれます。最近は翻訳技術と組み合わせたシステムも多く実現されています。郵便区分機 https://ja.wikipedia.org/wiki/%E9%83%B5%E4%BE%BF%E5%8C%BA%E5%88%86%E6%A9%9F 機械学習ではありませんが、世界最大規模の文字認識システムは、郵便局の郵便区分機です。OCRだけでなく、物流と組み合わせたソリューションは、一読の価値があるでしょう。 Google翻訳の「リアルタイム翻訳」 https://play.google.com/store/apps/details?id=com.google.android.apps.translate&hl=ja Google翻訳アプリには、カメラを使ってテキストをリアルタイムに翻訳する機能が実装されています。文字認識精度、スピードも意外に速く、オンラインでは約38種類の言語に対応しています。文字認識と翻訳技術を組み合わせた、素晴らしいソリューションです。その他その他にも、画像認識技術はとても広く使われています。工場における異常生産品の検出 SNSや個人売買アプリにおける不適切な画像の検出自動車の運転アシスト技術農作物の生育状況把握画像認識ができるライブラリまとめ最後に、代表的な画像認識のライブラリをご紹介します。 OpenCV http://opencv.org/ 画像処理、画像認識ライブラリの代表格です。インテルが開発・公開しているオープンソースのライブラリ（一部アルゴリズムは非商用）で、画像認識だけでなく、画像のノイズ除去、3次元画像処理、AR/VR対応等、幅広い画像処理を行うことができます。 TensorFlow https://www.tensorflow.org/ ディープラーニングのライブラリですが、もちろん画像認識にも使うことができます。 Caffe http://caffe.berkeleyvision.org/ こちらもディープラーニングのライブラリです。特に画像認識に強いと言われています。 Chainer http://chainer.org/ Preferred Networksが開発した、国産のニューラルネットワークのライブラリです。 Google Cloud Vision API https://cloud.google.com/vision/?hl=ja Googleの画像認識技術の機能を利用できるAPIです。既に学習済のモデルを利用することができます。多くの対象物を認識できます。1000呼び出し/月まで無料で使えるので、試してみると良いでしょう。 Watson Visual Recognition https://www.ibm.com/watson/jp-ja/developercloud/visual-recognition.html IBMのWatsonの画像認識機能です。こちらも学習済のモデルを利用することができます。また、認識結果を日本語を含む多言語で返すことができるという特徴があります。田島悠介画像認識について、理解は深まったかな？大石ゆかり画像認識って、とても多く使われているんですね。勉強になりましたー！田島悠介気軽に利用できるAPIもあるから、使ってみるといいよ。深層学習や機械学習、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、画像認識について解説しました。これから画像認識を勉強したい、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。 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

機械学習

日本政府の衛星データプラットフォーム「Tellus（テルース）」とは【インタビュー】

経済産業省からの委託事業として衛星データプラットフォーム「Tellus（テルース）」を開発・運用するさくらインターネット株式会社の竹林正豊さん（写真左）と田中康平さん（写真右）にインタビューしました。 Tellusとは何か、衛星データとは何か、衛星データの市場規模とTellusの特徴、そして学習方法と今後の展望まで伺いました。お話を伺った人竹林正豊氏さくらインターネット株式会社　新規事業部所属。 Tellus xData ALLIANCE Project/PublicRelation Group Producer 2006年大阪芸術大学芸術学部建築学科修了。慶應義塾大学大学院システムデザイン・マネジメント研究科在学中。ファッション雑誌編集者、広告クリエイティブエイジェンシーを経て2017年さくらインターネット入社。2018年6月より現職。同社では、クリエイティブディレクション、企画の知見を活かし、広報や広告宣伝、外部イベント、トレーニング、データコンテスト、オウンドメディアなどのプロジェクトを統括。田中康平氏さくらインターネット株式会社　新規事業部所属。 Tellus xData ALLIANCE Project/Business Development Group 超小型衛星の開発や衛星搭載電源の研究/開発に従事した後、2019年2月より現職。同社では衛星開発の知見を活かした衛星データの利活用事例検討やビジネス開発を担当。また、宇宙ビジネスメディア「宙畑-sorabatake-」にて企画・編集を担当。 Tellusとは ――最初に、Tellusがどういうものかについてお話いただければと思います。 Tellusとは政府衛星データを利用した新たなビジネスマーケットプレイスを創出することを目的とした、日本発のオープン＆フリーな衛星データプラットフォームです。さくらインターネットが経済産業省から3年間の受託開発と運用を一任されているプロジェクトで、「宇宙産業ビジョン2030」という国の方針に紐づく形で衛星データのオープンデータ化を行っています。 ――衛星データとはどのようなもので、どのようなことができるのでしょうか？前提として、衛星データというと何か難しいもののように思われるのですが、特殊なデータとして見るのではなく、ビッグデータの1つと考えるとよいでしょう。定期的に上空から地上の様子を撮影しているのが、衛星データです。言い換えれば、上空から撮影している画像、と捉えると良いでしょう。なので、プログラミングで画像処理できる人であれば、誰でも解析が可能です。例えば、国立競技場を定期的に撮影すれば、建設の進捗状況を見ることができますし、空港を見れば、航空機が駐機場に何機いるか数えることもできます。他の画像と少し異なる点があるとすれば、単なる画像ではあるものの、波長帯（バンド）ごとの画像がある、というところでしょうか。詳細は省きますが、波長帯ごとの画像を見ることで、対象物の状態を捉えることができるようになります。例えば、ある田んぼを定期的に撮影すれば、稲の育成状況を知ることができますし、地表面で温度が高いところを知ることもできます。 Tellusの場合、これらのデータは統合開発環境でPythonやR言語を駆使して解析できます。そのため、ただ見るだけではなく、解析により田んぼの育成状況を知ったり、収穫時期を予測したりもできます。 credit：JAXA キャプション：衛星で撮影した田んぼ(左)とその活性度を示す指標を解析で求めた結果(右) ――他のデータと比べて、エンジニアから見ると面白い点はありますか。ある意味タイムマシンのようなもので、通常のデータでは測定しにくい変化を捉えられるのが面白いところだと思います。 IoTデバイスでずっと同じ点を観測し続ければ、高頻度に高精度なデータを取得できますが、「設置したとき」からの「設置した場所」のデータしか取得できません。衛星データは面的に世界中を定期的に観測しているので、観測分解能は粗かったとしても蓄積された世界中のデータを確認できます。点として観測している場合には、類推することが難しい問題も、面として観測していれば解決できることもあります。そのため、本質的な変化をより観察しやすいと思います。よく事例として取り上げられているのが森林破壊の問題についてです。インドや中国は経済成長の影響から森林が凄く減っているイメージがありますが、実は森林の面積は増えているそうです。点として、例えば木材の輸出量や林野火災で失われた面積についてのみ見ていたら分からなかったであろうことも、面として見ることで定量的に評価できるようになるのです。衛星データを駆使して面で捉えたからこそ、森林が増えている事実に気付くことができた事例です。他には、何かしらを解析するアプリケーションを作成した場合、日本のみならず、世界中をターゲットにできる点も面白いかと思います。つまりは、日本の田んぼの育成状況を把握するアプリケーションを開発した場合、衛星データ自体は国内外問わず撮影されているため、海外の田んぼの育成状況を解析するソリューションとしてそのまま展開していくこともできる可能性があるのです。そのため、開発したアプリケーションの潜在的な市場が広いということも面白い点と言えるでしょう。 [PR] 未経験からWebエンジニアを目指す方法とは衛星データプラットフォーム市場におけるTellusの特徴 ――衛星データ市場の現状を教えてください。これまで宇宙開発は国主導が多かったのですが、最近では民間の衛星サービスが各国で始まっています。 2010年代には宇宙系のスタートアップ企業も多く出てきてたくさんの衛星が打ち上がりました。今では1社で百何十基の衛星を運用している企業もあり、気軽に衛星が上がるようになっています。それに伴い性能も高まっています。具体的には、撮影する画像の質が上がり始めています。高分解能の画像も撮れるようになったことで、例えば人影が見えたり、自動車のフロントガラスが撮影できたりします。この動きの中で、衛星画像の利用促進施策が、アメリカやヨーロッパや中国などにおいて国主導で進んでいます。衛星データビジネスは世界でも成功事例がまだ多くないため、私たちも手探りの中進んでいます。 ――世界的に見て未開拓な分野なので日本でも市場を延ばす余地があるということでしょうか。その期待値は上がっている状態です。世界を見ると、AmazonやSpaceXなどの企業も次に来るのは宇宙ビジネスだと信じて投資をしています。また、日本でも、2019年には、100億円規模の出資を受けた会社が3社あります。一方で、その注目度と投資額に反して、日本では宇宙ベンチャー企業は少ない現状もあります。日本には70社弱しかなく、そこに100社弱のVCから計500億円程が投資されています。ビジネス活用を促進してさらに宇宙ベンチャー企業を増やすことで、これをバブルにせず継続的な成長ができるよう支援していくつもりです。 ――様々な海外の衛星データが存在する中で、Tellusの独自性はどこでしょうか。クラウド完結型であること、それから地上データを扱える点です。今までの衛星データは、知識がないとどこのサーバに何のデータがあるのか分からない状態でした。またデータサイズが大きく、衛星データを1枚ダウンロードするのに30分から1時間かかりました。このような利用の煩雑さを解決すべく、Tellusは全てクラウド上で完結できるようにしています。クラウド上にデータが揃っていて、クラウド上で解析できる環境を作っているのです。これにより、強いネットワーク環境を持っていない方、高度なマシンスペックを持っていない人でも気軽に衛星データを解析できるようになります。また、Tellus内で地上データを扱えるようにし、少しでも衛星データが活用しやすい状態も作ろうとしています。その他の衛星データプラットフォームは衛星データだけを置いている場合が多いのですが、衛星データだけだと解析結果が正しいかどうか妥当性を検証しにくい点が課題です。 Tellusでは、点の地上データと面の衛星データを同じ場所に置いてあることで、活用の幅を広げていくことを試みています。 ――なぜ地上データの掛け合わせを行うことになったのでしょうか。ビジネス活用による民需の増加がTellusのゴールにあるためです。従来通りの学術利用目的の政府案件だったら、色々な場所に散らばっている衛星データをまとめて使えるプラットフォームを作るフェーズで終わりでした。ただ今回が経済産業省からの案件で、ゴールが多くの人から利用してもらい宇宙産業を発展させることだと考えると、衛星データだけでは得意不得意があるので工夫が必要と考えました。例えば、衛星データには広範囲を撮れる長所はありますが、一方で分解能が粗い短所があります。それを補完できる地上データがあると、衛星データをさらに幅広く使えるようになります。逆も然りで、ある点の情報から、他の点の情報を類推するのに衛星データを利用できます。解析結果と地上データを比較しやすい環境であれば、その妥当性をすぐに検証できるのです。地上データと衛星データを掛け合わせお互いの不得意を補い、ビジネス利用しやすくなることがゴールです。 Tellusの活用事例 ――実際に、Tellusを活用した解析の事例はありますか。オウンドメディアである宙畑を通して、おいしいみかん畑を探してみる、電動自転車が売れる場所の推測、テニスコートの素材、桜の開花時期の予測などを行いました。他には、海釣りで魚が釣れそうな場所の予測も行いました。魚のいる場所はある程度水温や潮目から推測でき、衛星データでそれらが分かるため、場所を割り当てて実際に釣りに行き、その結果、魚がたくさん釣れた事例もあります。これらの様子となぜ釣れたかの考察をオウンドメディアの「宙畑-sorabatake-」で公開しています。メディアで紹介した事例を元に、実践してみたり、アイデアを練ったりして、新たな事例を生み出していってほしいですね。宙畑-sorabatake-『衛星データで漁場を探して、実際に釣りに行ってみようvol.1 ~データ確認編~』の画像衛星データ全体に目を向けると、土砂崩れの検出、船の検出、海氷の検出などを行うアプリケーションが世の中には出始めていています。オイルタンクの貯蔵量から石油の残量を推測して、石油価格を予測する使い方もされています。石油タンクは落し蓋に似た形状になっていて、タンク中の石油残量に応じて蓋の位置が変わります。そうすると、影の高さが変化するため、影の面積から石油の残量を推定できるのです。様々な方が宇宙市場に入っていくことで、このような事例がどんどん出てくることを期待しています。石油タンク監視 Credit : Ursa Space Systems ――Tellusを扱うにはプログラミングの学習は必須なのでしょうか。必須ではないですし、プログラミングを習得していない人でも使いやすい状態を目指しています。 Tellusはインターフェースを2種類提供しており、プログラミングができる人向けの統合開発環境と、プログラミング不要でボタンを押しながら解析できる環境（GUI）があります。 GUIのインターフェースを用意している意図は、プログラミングができない人にも衛星データに興味を持っていただけたらと考えているためです。そして、そのような人が衛星データへの興味を深め、より幅広い活用のためにプログラミングを学習し、ビジネスシーンで活用してくれることが理想です。ただ、プログラミングができる方が、データを扱う上での選択肢は増えますので、より楽しめるとも思っています。そのための施策も合わせて提供していきたいと考えています。 Tellusの学習について ――Tellusを通じた人材育成についてお聞かせください。私たちは衛星データを提供して終わりにするのではなく、ユーザー育成を積極的に行なっています。衛星データとプログラミング共に未経験の人達も、衛星データを使ったビジネスをするステップまで引き上げていきたいと考えています。ユーザーの中には、「Pythonは習得しており、興味もあるが衛星データで何ができるのか分からない」方が多いため、相談会や講習を行っています。 2018年度まではハンズオンのみで講習を提供していましたが、応募された方が1,000名以上と想定より非常に多く、受講できる方が限られてしまいました。そこで、全国誰でも参加できるように2019年度から取り組み始めたのがeラーニングです。また、これまでの学習ターゲットは「衛星データは知らなくても一定Pythonが触れる人」でした。ただ、「Pythonが触れなくても衛星データに興味がある人」も非常に多く、そういった人々に学習の機会を提供すれば衛星データを用いてビジネス活用する人が増えるのではないかという仮説を立て、今回TechAcademyと共同でPythonの学習を行う初心者向けのコンテンツを作りました。 ――eラーニングの施策は現状いかがでしょうか。 SNSを見ていても「良かった」と言ってくださる方が多いので、凄くいい施策だったと思います。 TechAcademyとの施策で言えば、学習者の熱量が高く、質問が想定より多い印象です。初心者向けなので、メンターの存在が重要というのは元々の仮説としてありましたが、実証された形ですね。また、最初はSNSで細々と宣伝しただけだったため、人数が集まらないことを懸念していましたが、フタを開けてみると200人の枠に400人を超えるエントリーがありました。これにより、普段たちが接していない方々にもニーズがあったことに気がつけました。 ――どのような方がエントリーされていますか。今回は初心者向けと銘打ったこともあり、開発経験が1年未満だったりプログラミング未経験の方が大多数でした。また申し込みの際に、400字以内で応募の動機を書く箇所がありましたが、熱意の強い方が多い印象でした。別軸でいうと、中高生、新規事業をしていて最近流行り始めたから知りたい方、他には解決したい明確な課題を持って申し込まれた方が多い印象でした。このような幅広い層の方々が利用することで、衛星データの利活用に関する多くの経験が蓄積し、利用事例に繋がることを期待しています。今回はとてもバランスよく申し込んでいただけたので、今後はさらに幅広い層の方に申し込みしていただければいいなと思っています。そして今後、受講された方々がTellusを使ってみた結果を公開していく流れができるとさらに嬉しいですね。 ――Pythonを習得しているエンジニアがTellusを使うときには、具体的にどういう学習が必要になりますか。 APIの叩き方や、衛星画像特有の前処理があるので、その辺りの知識がある程度必要になります。そのため今回の初心者向けTellus学習コースでも、画像処理の基礎を習得できる構成にしています。普通のカメラはRGB全部まとめて出力されるのですが、衛星はRごと、Gごと、Bごと、と波長毎にスキャンして撮影するので、それぞれの波長を組み合わせながら処理していき、物理的に意味がある値として解析する、ということができるように学習するといいと思います。また、単なる画像として扱い、画像解析した結果から何かを読み取るというのも良いでしょう。近年の流行りとしては、物理的な意味を捉えながら解析するというよりは、機械学習等を用いて画像解析した結果から状態を推測する、という方が中心になっているかもしれません。 Tellusの今後の展望 ――今後、利用者を増やす時に、Pythonやプログラミングが分かるエンジニアの方、ビジネスは分かるけれどもプログラミングは分からない方と大きく分けて2通りの方がいると思われますが、それぞれに動いてほしいイメージはありますか。個人的な思いとしては、まずエンジニアの方々にはTellusを触ってもらいたいです。膨大な観測データが日々蓄積されており、国内外問わず衛星データを用いたコンペティションが開催されている結果データセットも増えており、エンジニアの方々が触って面白いデータが揃ってきている状況だと思っています。それらのデータを触った結果、事例が増え、その中のいくつかがビジネスの種になるといいなと考えています。様々な事例をビジネスパーソンが見たときに、自身の事業と関連のあるものを見つける方もいるでしょうし、ビジネス化の筋道を立てられる技術を見つける方もいるかもしれません。そのためにも、事例を蓄積していくことが重要だと思っています。もちろん、エンジニアとビジネスパーソンの方が同一人物であること、もしくは同じチームにいることが理想的ではありますが。ビジネスパーソンには、宇宙ビジネスに関心を持ち、ビジネス視点から事例創出をしていただけたら嬉しいですね。そのために、オウンドメディアの「宙畑」では、エンジニア向け記事だけでなく、宇宙ビジネスのニュースも提供することでビジネスパーソンにも見ていただけるようにしています。ただ、宇宙ビジネスにはまだこうやったら成功する、という王道がありません。そのため、誰でもアイデア次第では大きく市場を取ることができる可能性があります。アイデアを思いつくにはエンジニアもビジネスパーソンも関係ないので、自分はエンジニアだからここまでしか、とかビジネスパーソンだから技術は…とか考えず、アイデアを考えることが始めの一歩かもしれません。 ――Tellus利用者にこれからどういう使い方をしてもらいたいでしょうか。 2020年度末までは基本的にデータもコンピューティングリソースも無料で貸出ししているので、まずは触ってみて欲しいと思っています。そして、どんなことでもいいので、気になったことを少し見てみて欲しいです。例えば、教科書で学んだこと、テレビで見たこと、日常的に気になっていることなどを、Tellusを利用して自分の目で本当にそうかな？と確かめて欲しいです。より具体的に言えば、地球温暖化に疑問を持ち、本当に起きているのかを気温情報や環境情報を用いて解析してみたり、自分の町がどう年々変わっているのか見てみたり、どんなことでもいいので、それこそまずは遊んでみるような感覚でTellusを触ってみて欲しいと思っています。気になったことを鵜呑みにするのではなく、自らデータで解析してみよう、という人が増えてくるといいですね。そうすることで、遠い存在と思われがちな衛星データが身近になり、課題解決の1つの選択肢として衛星データがあるという考えを持つ人が増えていき、結果として衛星データの利活用が浸透していくといいなと思っています。（インタビュー/編集：テックアカデミー田中翔）テックアカデミーでは、未経験でもアプリやWebサイトを作れるオンラインブートキャンプを開催しています。すべての講師が、第一線で活躍する選抜された現役エンジニアなので、上達の速さ、学習の質が圧倒的に違います。実際に現役エンジニアから学べる無料体験を実施しているので、ぜひ違いを味わってみてください。忙しくて時間がない方は、15分でわかる説明動画をまず見てみましょう。

インタビュー

今さら聞けない！Pythonとは【初心者向け】｜現役エンジニアが解説

人気のプログラミング言語「Python」について解説します。どんなシーンで使われるプログラミング言語なのか、Pythonで作れるアプリケーション、Pythonのメリット・デメリットについて説明しているので、これから習得を目指している方は知っておきましょう。日本でもこれからより注目される言語になるはずです。なお本記事は、TechAcademyのPythonオンライン講座の内容をもとにしています。なお、今回の記事の内容は動画でもご覧いただけます。テキストよりも動画の方が理解しやすいという場合はぜひご覧ください。目次 Pythonとは？言語の特徴 Pythonを学習するメリット Pythonでできること Pythonが使われているサービス初心者が効率よくPythonを学習するための順番（ロードマップ）まずはPythonの開発環境を整えよう Pythonとは？言語の特徴 Pythonとはプログラミング言語の1つです。C言語などと比較して分かりやすい文法が特徴です。非常に広く使われているため学習するためのサイトや本も充実しています。2020年現在、最新のGitHubの調査(2019年)では世界2位の人気を記録しています。画像出典：GitHub また、Pythonはプログラミング教育や初心者向けのプログラミング言語としても多く使われています。これは、Pythonの簡潔な言語仕様により、少ないコード行数で分かりやすいソースコードを書くことができるためです。がんばれば、超一流のプログラマーと同じようなコードを、初心者でも真似して書くことが可能です。また、最近では、AI（人工知能）分野でPythonが利用されることで注目を浴びています。 [PR] 未経験からWebエンジニアを目指す方法とはPythonを学習するメリット Pythonを学ぶメリットは多くあります。前述の通り、プログラミング初心者の方でも安心して学ぶことができますし、非常に人気があるプログラミング言語なので、これからも長期に渡って利用できることでしょう。以前は日本では大学や研究機関での利用が主でしたが、最近ではPythonを使ったWebサービスやAI関連のビジネスなどに多く活用されています。例えば求人・採用サイトのGreenでPythonの求人情報を検索してみると約760件該当があります(2020年6月現在)。これはフロントエンドとほぼ同等の求人数です。すでにシステム開発でも一般的に利用されているプログラミング言語と言って良いでしょう。画像出典：Green PythonはGoogleやNASAの内部でも利用されています。現在でもGoogleの求人情報にはPythonエンジニアの求人が存在します。画像出典：Google人材募集 Pythonでできること Pythonは、組み込みアプリ開発やWebサイト構築から、ディープラーニングまで様々な分野で利用可能な言語です。Pythonでは多くのWebサービスが作成されています。 PythonでWebサービスを作成する上でよく利用されているのが「Django」や「Flask」というフレームワークです。 Pythonで人気のフレームワークまとめ現在は、AI（人工知能）や機械学習分野で使用されているPythonの技術が注目されています。例えば、深層学習と呼ばれるディープラーニングの分野でも多くのソフトウェアがPythonで動作しています。 Scikit-learn（統一された関数で機械学習を実施可能） Keras（簡単に計算グラフを扱うことができる。） TensorFlow（Googleが開発したディープラーニングのフレームワーク） PyTorch（Facebookで研究用途に使用されているディープラーニングのフレームワーク）その他にもインターネット上から情報を収集するWebスクレイピングと呼ばれる分野でもPythonは多く活用されています。 Pythonが使われているサービスそれでは実際にPythonが使われているサービスをいくつか見てみましょう。 YouTube 世界最大の動画共有サービスであるYouTubeにPythonが使用されています。Pythonは主にバックエンド(Webサーバー側で動作するプログラム)で活用されており、動画処理やデータの読み込みなどに使用されています。 YouTubeのエンジニアによると「PythonはYouTubeにとって十分に早く、最小の開発者で迅速に開発を行うことができる」と評価されています(※)。 ※ Python公式サイト – Quotes about Python より YouTube Google GmailやGoogle MapsのバックエンドでPythonが利用されています。Googleではソフトウェア開発はデータサイエンスなどの分野で多くのPythonエンジニアが活躍しており、前述の通り求人も行われています。 Google Blender Blenderはオープンソースの3Dグラフィックスを作成するソフトウェアです。オープンソースながら非常に機能が充実しており、日本語にも対応しているため幅広く利用されています。 Blenderにはプログラミングによりキャラクターを動作させてりグラフィックス効果を行う機能があり、そのプログラミング言語としてPythonが使用されています。 Blender PayPal PayPalは世界最大規模のオンライン決済サービスです。ディープラーニングのライブラリであるTensorFlowを使用して、不正な決済の検出を実現しています。 TensorFlowを始めとするディープラーニングは金融業界(フィンテック分野)でも多く利用されており、プログラミング言語としては主にPythonが使用されています。 PayPal OpenStack クラウド環境の構築に利用されているオープンソースのソフトウェアであるOpenStackも大部分にPythonが利用されています。OpenStackを使うと自前でAWSのようなクラウドサービスを提供することができます。様々な規模のデータセンターで数多く利用されており、安定的な運用をPythonが支えています。 OpenStack 初心者が効率よくPythonを学習するための順番（ロードマップ）初心者が効率よくPythonを学習するには、プログラミング言語の基本を学習した後で、機械学習やWebサービスなどの興味がある分野を掘り下げて学習すると良いでしょう。プログラミング言語の基本を学習する初めてプログラミング言語を学習する場合、できれば周りに相談できる人がいると理想的です。プログラムはちょっとした間違いで動作しなくなってしまう場合があり、一人で学習していると間違っているところが分からずに何日も無駄にしかねません。そのような時に経験者が身の回りにいると心強いことでしょう。身の回りにプログラミング経験者がいない場合は、YouTubeなどの動画で学ぶのもおすすめです。最近はプログラミング教育系の動画も充実しており「python 入門」というキーワードで検索すると数多くの動画がヒットします。TechacademyでもPythonの入門動画を公開しているので、ぜひ参考にしてください。 YouTube – Techacademy「Pythonとは」もちろん王道は書籍や公式サイトでじっくりと学習することです。一人で調べるスキルはエンジニアにとってとても重要です。せっかくの機会ですので学習の過程で調査するスキルも身につけると良いでしょう。機械学習やWebサービスなどの興味がある分野を掘り下げるある程度プログラミングの基本が学習できたら、興味がある分野に集中して、実際に動作するアプリの開発にチャレンジしてみましょう。はじめはどのようにアプリを開発すれば良いか全く分からないでしょうから、フレームワークの公式サイトや書籍などを参考にしながら進めると良いでしょう。いくつかおすすめのライブラリをご紹介します。機械学習機械学習のライブラリでおすすめなのはscikit-learnです。また行列計算を行うNumPy、データの前処理で活用するPandas、グラフ描画に使用するMatplotlibなども一緒に良く使われます。 scikit-learn Numpy Pandas Matplotlib また、機械学習では、JupyterNotebookと呼ばれるソフトウェアで開発を行うことが多くあります。JupyterNotebookはソースコードと説明文、実行結果をひとまとめにNotebookで管理できるソフトウェアで、データサイエンティストや機械学習エンジニアに多く利用されています。 Jupyter Notebook Webサービス PythonでWebサービスを開発するのであればDjangoまたはFlaskというフレームワークを使用することが一般的です。比較的Flaskの方が覚えることが少なく容易に利用を始めることができます。日本ではDjangoの方が多く利用されており、日本語ドキュメントの充実といった観点からはDjangoに軍配があがることでしょう。 Django Flask まずはPythonの開発環境を整えよう Pythonの学習をはじめるにあたり、まずはPythonの開発環境を整えましょう。Pythonの学習をスムーズに行うためには以下のようなものが必要です。パソコン WindowsでもMacでもかまいません。CPUはCorei5以上、メモリは8GB以上あると快適でしょう。iPadなどのタブレットでも学習できない訳ではありませんが、エンジニアがプログラミングを行う場合は基本的にパソコンを使用するため、揃えておくと良いでしょう。インターネットへの接続環境 Python本体やライブラリ、フレームワークなどの入手は全てインターネットを経由して行います。できれば光回線などの常時接続環境を良いすると良いでしょう。パソコンとインターネットへの接続環境が整ったら、Pythonの開発環境を構築しましょう。とは言ってもPythonの公式サイトからダウンロードしてインストールするだけです。 Python公式サイト – ダウンロード「Download Python 3.8.3」と書かれてあるボタンをクリックするとダウンロードが開始されます(3.8.3などのバージョンは時期により異なります)。 Pythonのインストールが完了したらプログラミングを行うエディタもインストールしておくと良いでしょう。おすすめはVisual Studio Codeです。こちらもリンクからダウンロードしてインストールするだけで利用できます。 Visual Studio Code Visual Studio Codeの使い方を解説した記事もありますので読んでみるといいでしょう。まとめ今回は、人気のプログラミング言語であるPythonについて解説しました。 GoogleやYouTubeなど多くのデータを扱うサービスで積極的に採用されている言語です。これから日本でもPythonを採用する企業は増えるでしょうし、海外でも常に必要とされる人材なので、グローバルに働くチャンスがあるでしょう。監修してくれたメンター太田和樹（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、音声認識を活用したヘルプデスク支援システム、ロボットアプリの開発、大規模基幹系システムの開発・導入マネジメント。著書「知識ゼロからの機械学習入門（技術評論社）」。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。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Python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。オンラインでの説明動画や、実際のカリキュラムで学べる無料体験も実施しています。まずはこちらを試してみてくださいね！

Python

Javaでインスタンスを使う方法【初心者向け】

この記事では、メモリのイメージをしながらインスタンスを使う方法について、テックアカデミーのメンター（現役エンジニア）が実際のコードを使用して初心者向けに解説します。 Javaを習得する上では欠かせないクラスとの違いについても理解しておきましょう。目次MemoryErrorとはMemoryErrorの主な原因MemoryErrorへの対策まとめ監修してくれたメンターそもそもJavaについてよく分からないという方は、Javaとは何なのか解説した記事を読むとさらに理解が深まります。田島悠介今回はインスタンスについて説明しよう。大石ゆかり田島メンター！インスタンスというのは何ですか～？田島悠介インスタンスはクラスを元に実体化したものなんだ。まずは図を見ながら説明していこう。大石ゆかりお願いします！インスタンスとはここではインスタンスの概要とインスタンスを生成するときに何が起きているのかについて解説していきたいと思います。インスタンスとは、クラスをもとに生成するオブジェクトのことです。また、クラスをもとにオブジェクトを生成することをインスタンス化といいます。学習を始めたばかりの段階では、インスタンスの概念は難しさを感じますが、メモリの使われ方をイメージすることで、格段に理解を深めることができます。図のグレーの部分がコンピュータのメモリだと考えます。プログラム中に下記のコードを記載すると int a; メモリの中では数値情報を格納するためのメモリ領域が確保され、その領域をプログラム上でaと呼ぶことになります。次のプログラムでは定義したint型の変数aに、数値の5を代入します。 int a; a = 5; すると、aとして確保していた領域に、5という情報が格納されることになります。上記の例は、メモリ上の1つの領域に1つの数値情報を格納していますが、クラスのインスタンス化を行うことで複数の情報をまとめてメモリ上で扱うことができます。インスタンスの書き方ここではインスタンスを生成する流れについて実際に説明していきたいと思います。ます、インスタンスを生成するために、インスタンスのものとなるクラスを作成します。ここでは情報をまとめるデータクラスを作成してみます。例えば名前と年齢の情報をまとめて扱いたい場合、下記のようなクラスを用意します。 public class PersonalInfo { //名前 String name; //年齢 int age; } PersonalInfoという名前のクラスの中に、String型変数 name と、int型変数 age がある構造です。このクラスを下記のコードでインスタンス化します。クラス名インスタンス名= new クラス名(); PersonalInfo p1 = new PersonalInfo(); すると、メモリの中にPersonalInfoクラスと同じ構造の領域が確保され、その領域をプログラム上でp1と呼ぶことになります。 p1はPersonalInfoクラスの構造をしているので、その中にnameとageの領域を持ちます。値を代入するときはインスタンス名.変数名を指定します。 PersonalInfo p1 = new PersonalInfo(); p1.name = "島田"; p1.age = 21; 田島悠介これがインスタンス化の流れだね。大石ゆかり元の枠組から実体を生成して、そこに具体的な情報を入れていくんですね。田島悠介次は実際にコードで書いてみようか。先ほど作ったPersonalInfoクラスをインスタンス化するよ。 [PR] 未経験からWebエンジニアを目指す方法とは実際に書いてみようここではインスタンスを実際に生成する例を見ていきたいと思います。インスタンスは複数作成できます。次の例では複数のインスタンスを作成し、値の代入と代入した値の画面表示を行います。 PersonalInfo p1 = new PersonalInfo(); PersonalInfo p2 = new PersonalInfo(); 同じ構造をした2つの領域が確保され、プログラム上ではそれぞれp1、p2として扱われます。 p1.name = "島田"; p1.age =

Java

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

PythonのMemoryErrorの主な原因について現役エンジニアが解説【初心者向け】

目次

MemoryErrorとは

MemoryErrorの主な原因