XGBoostとは、機械学習で用いられる*勾配ブースティング（Gradient Boosting）*の**実装フレームワーク**を指し、「*eXtreme Gradient Boosting*」の略です。XGBoostは*C++・Java・PythonやR*等の多くの言語で利用されており、*Windows・MacOS・Linux*で動作します。
参考：[XGBoost](https://xgboost.ai/)

2014年に登場以来、機械学習の多くの賞を受賞し機械学習ブームに火をつけました。

XGboostの特徴は、*スケーラブルで分散型の勾配ブースティング*が**ライブラリ利用できる**ことです。*過学習（オーバーフィッティング）低減*のためにノード数やモデル更新を小さく調整し、併せて高速演算を実現しています。つまりXGboostでは時間をかけずに簡単に、それなりの結果が得られることになります。

XGboostは利便性を高めるために、機械学習でも用いられる*分類法・回帰法・ランキング学習やユーザ定義オブジェクト*をサポートしています。*C++・Python・R・Java・Scala・Julia*の主要機械学習言語をサポートします。

さらに、*Amazon AWS・Google CloudのGCE・Microsoft Azure・Apache HadoopのYARN クラスタ*などの分散学習に対応しています。

LightGBMは、「*Light Gradient Boosting Machine*」の略で、*マイクロソフト社*が開発した*フレームワーク*です。LightGBMフレームワークは、*GBM・GBDT・GBRTの他、GBT・MART・RF* などのアルゴリズムに対応します。*Windows・MacOS・Linux*で動作し、*C++・Python・R・C#*に対応します。

LightGBMはヒストグラムベースの決定木学習アルゴリズムを実装することで、*効率性を高めメモリ消費を最小*に抑えています。そのため、*アルゴリズム*を**高速に実行**できる特徴があります。
参考：[Microswoft LightGBM](https://www.microsoft.com/en-us/research/project/lightgbm/)

XGboostとLightGBMの違いは、LightGBMが*ヒストグラムベースの決定木学習アルゴリズム*を持ち、高速性に優れていることが挙げられます。とは言ってもXGboostもその後同等機能を実装しており、**現時点では明らかな違いは無くなりつつあります。**

ここでは基本用語を交えて、*XGBoostのアルゴリズム*の概要を解説していきます。

・**分類と回帰とは**
機械学習では分類（Classification）と回帰（Regression）を基本的なアルゴリズムに用います。

分類とは、事前に定めたクラスが割り当てられている場合に、入力値がどのクラスに属するか当てる方法です（例として、イヌかネコか）。回帰とは、すでにあるデータから連続量となる目的変数を割り出すことです。割り出した目的変数を使い予測値を算定できることで、将来の傾向予測に利用できます（例として、将来売り上げがいくら増加するか）。

・**分類器とは**
分類器とはclassifierの日本語で、分類手法を表します。

単純ベイズ分類器（Naive Bayes classifier）は、ベイズの定理を適用した確率モデルで特徴変数を用いたものです。同様に決定木（Decision Tree）は始点を根、端点を葉に見立てて接点分岐し、変数分類を進めます。決定木はソートで用いられる最適探索アルゴリズムをベースとしたものです。

その他にも、2クラスのパターン認識を高精度で行うサポートベクターマシン（Support Vector Machin）や、最近傍オブジェクトと同じクラスに分類するk近傍法（k-nearest neighbor、k-NN）等、多様な手法が存在します。

・**勾配ブースティングとは**
勾配ブースティングとはGradient Boostingの日本訳で、弱い学習器を連結して結果を求める手法です。

学習器とは機械学習の学習システム・学習モデルを表します。学習器は真の分類に近いものを強い学習器と呼び、真の学習器と若干の相関性がある学習器を弱い学習器と呼びます。勾配ブースティングは、複数の学習器を連携する集団学習（アンサンブル学習）の1つとなります。

勾配ブースティングでは、通常決定木（Decision Tree）を分類手法に用います。そのためGBDT（Gradient Boosting Decision Tree）とも呼ばれています。

・**XGBoostのアルゴリズムは**
XGBoostは*GBMやGBDT*をベースとして考案されたアルゴリズムです。

GBMはGradient Boosting Machineの略で、1999年Friedman氏が論文発表した”TreeBoost”アルゴリズムによる勾配ブースティングの手法の1つです。GBDTは、決定木を用いた勾配ブースティングです。

このXGBoostアルゴリズムの詳細な解説は、「*XGBoost: A Scalable Tree Boosting System*」としてTianqi Chen氏とCarlos Guestrin氏の論文に掲載されています。ご興味ある方はご覧ください。
参考：[ACM Digital Library RESEARCH-ARTICLE XGBoost: A Scalable Tree Boosting System](https://dl.acm.org/doi/abs/10.1145/2939672.2939785)

XGBoostはライブラリのため、インストール後各**言語の手続きに従って利用**します。*GPUを使う*には、*gpu\_hist*を用います。対応OSは*Linux x86\_64版とWindows*で、Linux aarch64版とMacOSは対応していません。さらに、*マルチノード・マルチGPU*は*Linux x86\_64版のみ対応*します。
参考：[XGBoost Documentation](https://xgboost.readthedocs.io/en/latest/)

XGBoostは使用言語ごとにインストール方法が異なります。以下に、代表的な*プログラム言語でのインストール方法*を説明します。

・**Pythonのインストール方法**
Pythonの場合は、PyPI（Python Package Index） にアップロードされているライブラリを用います。pipコマンドで、”pip install xgboost”の様に実行します。

・**Rのインストール方法**
Rのインストールは、CRAN（Comprehensive R Archive Network）を用います。コマンドはinstall.packages("xgboost")の様に指定します。MacOSでマルチコア対応する場合はOpenMPが必要です。事前に、brewで”brew install libomp”としてインストールしておきます。

PythonでXGBoostを使うためには、Pythonで*”import xgboost as xgb”*の様に**ライブラリをimport**します。

XGBoostはデータを、*LIBSVMテキストファイル・CSVファイル・NumPy 2D配列・SciPy 2Dスパース行列・cuDFデータフレーム・Pandasデータフレーム・XGBoost バイナリ バッファファイル*から取込みできます。ファイル読み込みは*xgb.DMatrix()*を使います。*”format=csv”*を指定すると*CSVファイルを読み込む*ことができます。

データをバイナリ形式で保存するには、*DMatrix.save_binary()*を使います。モデルのトレーニングは*xgb.train()*を用い、モデルの保存は*train.save_model()*を使います。テキストファイルに保存する場合は*train.dump_model()*を使います。保存したモデルの読み込みは、*Booster.load_model()*を使います。

RでXGBoostを使うためには、Rで*”require(xgboost)”*で**XGBoostパッケージをロード**します。XGBoostではパッケージ組み込みの*agaricusデータセット*を使います。モデルを構築するには*train*を、モデルを評価するには*test*を使います。

モデルの読み込みは*xgb.DMatrix()やxgb.load()*を、保存は*xgb.DMatrix.save()やxgb.save()*を使います。

## XGBoostを使って機械学習を効率的に行いましょう

XGBoostは、*Python・R・Java*等のプログラム言語で動作するフレームワークです。XGboostは*高速で高精度の分類アルゴリズムを搭載*しているので、時間をかけずに簡単に機械学習の予測結果が得られます。

XGBoostをの基本を理解したら次は*実際にライブラリをインストール*し、**データ分析に利用する**ことをおすすめします。

XGBoostは、機械学習で用いられる勾配ブースティングを実装したフレームワークです。XGBoostのライブラリを利用することで、時間をかけずに簡単に予測結果が得られます。ここでは、その特徴と用語からプログラムでの使い方まで解説していきます。

XGBoostとは、機械学習で用いられる勾配ブースティングの実装フレームワークを指します

XGboostは、分類法・回帰法・ランキング学習やユーザ定義オブジェクトをサポートしています

XGboostは、主要機械学習言語をサポートしており高速で高精度の予測結果が得られます

XGboostとは？その特徴と用語・プログラムでの使い方を解説！

ERは「Entity Relationship Diagram」の略称であり、**データベース設計における代表的な設計図を指します。**システムを設計する際の手法としては、他にもUMLなどの技法もあります。UMLは「統一モデリング言語」という意味で、システム開発を図式で表現、記述方法を統一することです。設計書のわかりやすさや情報共有の効率の向上に役立ちます。

ER図は「DOA」と呼ばれる「データ中心アプローチ」の技法を用い、作成したER図を物理データベース上に直接変換できることから、データベース設計における手法の事実上の標準となりつつあります。ER図の「E」はエンティティを示し、「R」はリレーションを示します。つまり、**ER図とは「実体（データなど）」と「関係」の組み合わせのことで、システムにおけるデータ間の処理する構造を指します。**

例えば、「顧客が本を注文する」という処理をER図で表現してみます。「顧客」「本」がエンティティ、「注文する」がリレーションに対応します。*大規模システムの場合でも、エンティティとリレーションの組み合わせを用いて、わかりやすくシステムを表現できる*ことがER図の特徴です。

システムエンジニア（SE）とは？仕事内容や年収、必要スキルを解説！

システムエンジニアがキャリアアップするのにおすすめの資格を解説！

ER図はシステム開発における要件定義や設計などの上流工程の中で、段階的に設計を行います。各工程で作成したER図の状態を「データモデル」といい、データモデル図には*「概念データモデル図」「論理データモデル図」「物理データモデル図」の3種類があります。*

ここからは、各データモデルについて簡潔に説明します。

**1.概念データモデル図**
概念データモデル図は、*要件定義工程の際に作成するデータモデル図*を指し示し、システム全体におけるエンティティ、リレーションを洗い出し、事象を大まかに表した図のことです。

**2.論理データモデル図**
論理データモデル図は、*基本設計工程の際に作成するデータモデル図*を指します。論理データモデル図を作成する際は、概念データモデル図に対してさまざまな詳細を加えて肉付けを行います。具体的には、*アトリビュート・主キー・外部キー・リレーション・カーディナリティ*といった要素を付け加えます。
論理データモデル図においては、データ型の定義のように物理データベース向けの設計は行わないため、特定のデータベースに依存しない状態のモデル図といえるでしょう。

**3.物理データモデル図**
物理データモデル図は、*詳細設計工程の際に作成するデータモデル図*を指します。ここでは、「*MySQL*」や「*Oracle Database*」など特定の物理データベース向けに論理データモデル図の変換を行います。例えば、物理データベースに適したデータ型を追加したり、ローマ数字に変換したりします。ER図の最終形態が物理データモデル図です。物理データモデル図が完成した後は、物理データベースを実際に作成することができるでしょう。

ER図を作成する際は、下記の5つの標準的な要素を用いることが多いです。

**1.エンティティ**
「エンティティ」とは、実体、つまりデータのまとまりのことを指します。エンティティの中には、アトリビュートという属性情報があります。アトリビュートについても後ほど解説します。

**2.リレーション**
「リレーション」は関係を意味し、エンティティ同士の関係を表現する線のことを指します。リレーションの詳細については、カーディナリティという記号を使って表現します。カーディナリティについても後ほど解説します。

**3.アトリビュート**
「アトリビュート」は属性を意味し、エンティティの中の属性情報のことを指します。アトリビュートでは、主キーや外部キーについても表現します。主キーとなる項目は、エンティティ上部に四角の囲いで記載し、外部キーとなる項目は、項目名の後ろに「（FK）」と記載します。その他の項目は、項目名のみ記述することが多いでしょう。

**4.カーディナリティ**
「カーディナリティ」は多重度を意味し、「*1対1*」「*1対多*」「*多対多*」など、リレーションの始点と終点を表現する記号のことを指します。さらに、「*0以上*」「*0または1*」なども表現することが可能です。

**5.エンティティの依存関係と非依存関係**
「*依存関係*」とは、結びつくデータが必ず存在する関係、つまりエンティティ間の親子の関係性を指します。親と子のどちらのデータが欠けたとしてもシステム的に成り立たないことを示しています。子となるエンティティの枠線を角丸で表現することが多いでしょう。
一方、「*非依存関係*」とは、エンティティ間で親子がない関係性のことを指します。この場合、結びつくデータが存在しなくてもシステム的に成り立つことができます。非依存関係の場合、親と子のどちらのエンティティも四角の枠線で表現することが多いでしょう。

## ER図を作成する2つのメリット

これまでに、ER図の詳細について紹介してきました。ここからは、ER図を作成する上で2つのメリットを紹介しましょう。

システム開発後は、正常に稼働するように監視を行いながら、よりよいシステムになるように改修を繰り返していきます。ER図は、システム開発後の保守・運用工程においても活用できるでしょう。システムが稼働しはじめた直後は、設計者がプロジェクト内にいることが多いため、設計書がなくても問題がない場合もあります。

しかし、設計者が別のプロジェクト案件に異動するなど、プロジェクト内に残り続けるということはほとんどありません。したがって、**ER図を設計書の中に記載しておくことで、設計者ではない方でもシステムの設計内容を正確に理解し、システムの仕様の変更などの改修を行う際にスムーズに対応することができます。**

【保守・運用】仕事内容や将来性、必要なスキルについて徹底解説！

### 手戻りのコストを防止することができる

データベースのテーブル数が多くなると、設計誤りや、プロジェクト関係者がシステムの仕様について理解できないことがあります。その場合、手戻りが必要なことも多く、余分なコストが発生してしまいます。特に大規模なシステムの場合は、**ER図でデータベース構造などを整理することで、システム全体の構成を俯瞰することができるため、手戻りを起こす可能性を減少させることもできるでしょう。**したがって、システム開発においてER図の作成は必要不可欠といえるでしょう。

ここからは、ER図の作成方法を紹介します。ER図に限らずシステム設計全般において言えることとして、大枠から徐々に詳細に落とし込む作業が重要です。

### ①システム開発の進め方を把握する

**ER図を記述する際は、システム開発の進め方が明確になっていることが前提です。**ユースケース図やアクティビティ図などを、インプット情報としてER図を設計します。特に、ER図を作成する際に、ユースケース図は重要な役割を果たすことが多いです。ユースケース図とは、ユーザーの視点に立ち、システムの利用例を表現する図解術のことを指します。

*ユースケース図の設計が終わってない段階でのER図の作成はおすすめできません。*まずは、システム開発の進め方の設計からはじめましょう。

システム開発の進め方について把握できたら、*ユースケース図やアクティビティ図などを基にエンティティを洗い出します。*システム開発の進め方の設計を正確に行っていれば容易にエンティティを洗い出すことができるでしょう。

### ③エンティティをマスタデータとトランザクションデータに分ける

エンティティの洗い出しが完了したら、**エンティティを「マスタデータ」と「トランザクションデータ」に分けましょう。**データはマスタデータとトランザクションデータに大きく分けられます。マスタデータとは固定的なデータ、トランザクションデータとは流動的なデータといわれることが多いです。次のアトリビュートを洗い出す前に、整理しておきましょう。

また、マスタデータとトランザクションデータを整理する過程の中で、エンティティが合体することも少なくありません。

### ④アトリビュートを洗い出す

次に、エンティティの中のアトリビュートを洗い出します。*アトリビュートの洗い出しは、画面設計書を基にすると効率的に行うことができます。*画面に出力される項目がアトリビュートとなる場合が多いでしょう。

アトリビュートまで洗い出すことができたら、リレーション・主キー・外部キーの設計を行いER図を作成します。また、*カーディナリティは業務内容によって変わることに注意しましょう。*これでようやくER図の完成です。ここからは、設計メンバーでレビューを重ねてブラッシュアップしていくことが重要です。

## ER図を効率よく作成してプロジェクトの成果を向上させよう！

この記事では、ER図の詳細、メリット、作成方法を紹介しました。ER図を作成することで、プロジェクト工程の手戻りを減らすことができるなどメリットが多くあります。

また、**実際にER図を作成する際に、無料で利用できるツールも存在します。**カーディナリティの変更なども、ツールを使えば簡単に変更が可能です。例えば、「*Cacoo*」というクラウド型の図形作成ツールがあります。業務効率を上げるために、ER図作成ツールを活用することもおすすめします。これらを踏まえて、ER図を効率よく作成してプロジェクトの成果を向上させましょう。

ER図（Entity Relationship Diagram）とは、データベース設計における代表的な設計図を指します。当記事では、このER図についてのそもそもどういったものなのか・基本ルール・メリット・ER図の作成方法をわかりやすく解説します。

ER図とはデータベース設計における代表的な設計図の1つである

ER図のデータモデル図には「概念データモデル図」「論理データモデル図」「物理データモデル図」の3種類ある

ER図を作成するメリットとして、「保守・運用工程で役に立つ」、「手戻りのコストを防止することができる」ことが挙げられる

ER図とは？詳細・メリット・作成方法についてわかりやすく解説！　

Git Bashとは、*Git for Windows*に同梱されている*Bashとターミナルエミュレーションを含むソフトウェア*です。BashはLinuxやUnixならびにmacOSで利用されています。Windowsで利用する際は「*Windows Subsystem for Linux*」を用いるか「*Git for Windows*」を導入することで**bashが利用可能**です。

Git Bashの*Git*とは、プログラム開発で用いる*バージョンコントロールシステム*を指します。Gitは*Linuxのソースコードのバージョンコントロールを行う目的*で開発されました。Gitは*大規模プロジェクト*で用いるために、*全履歴がネットワーク全体で利用できます*。

このため開発者が多数参加するプロジェクトの場合も、ソースコードの共有や一元管理が行えるため、**共同開発ツール**として数多く利用されています。
参考：[git About](https://git-scm.com/about)

Gitでは複数人でのプログラム開発時において、*ソースコードの共有や一元管理*ができます。Linuxカーネルの開発で使用しているため、*超大規模プロジェクト*にも対応します。

*Git for Windows*は**GitのWindows版パッケージ**です。Git for Windowsは、*Git SCM*という*GitのフルセットをWindows環境で利用すること*を目的としています。そのため、バージョン管理に必要な機能をGit Bash、Git GUIから利用可能にしています。
参考：[Git for Windows Tools&Features](https://gitforwindows.org/)

*Git for Windows*をインストールすると、*Git Bash・Git CMD(Deprecated)・Git GUI*のツールがインストールされます。各**ツールの用途**は以下の通りです。

・*Git Bash*
　Bash環境をWindowsでエミュレートします（簡単にいうとBashとして利用できます）。
　さらにLinuxで利用している標準Unixコマンドが利用できます。
・*Git CMD(Deprecated)*
　WindowsのコマンドプロンプトでGitのコマンドが利用できます。
・*Git GUI*
　Git BashがCUIなのに対して、GUIでGitを利用できます。
　他にもGUI型のGitが多数あるので好みに応じて利用します。

Git Bashは**Git for Windowsをインストールすることで利用可能**です。LinuxやmacOSではBashが同梱されているため、追加作業は不要です。もし、Windows以外でもGitを利用してバージョン管理したい場合はGitをインストールする必要があります。

Git Bashのインストールをするには、Git for Windowsの公式サイトで「*Download*」リンクをクリックし、ダウンロードします。2021年9月時点でv2.33.0のインストーラ ”Git-2.33.0.2-64-bit.exe”が登録されています。その他のリリースは以下のGitHubに格納されています。
参考：[Git for Windows Tools&Features](https://gitforwindows.org/)
参考：[Git for Windows All Releases](https://github.com/git-for-windows/git/releases/)

次に、ダウンロードした*インストーラを起動*します。以下にインストーラのセットアップ画面の手順を説明します。
（1）*ユーザアカウント制御*
　インストーラ起動時にユーザアカウント制御が表示されたら「はい」をクリックします。
（2）*GNU General Public Licenseの表示*
　「Next」をクリックします。
（3）*インストールフォルダの指定*
　通常はそのまま「Next」をクリックします。
（4）*Select Componentsの選択*
　Git Bashをエクスプローラーで利用するために、「Windows Explore integration」「Git Bash Here」のチェックを確認し、「Next」をクリックします。
（5）*スタートメニューフォルダへの表示設定*
　指定後「Next」をクリックします。
（6）*Gitで使うdefault editorの指定*
　VimまたはVisual Studio Codeを指定し、「Next」をクリックします。
　Visual Studio Codeを利用する場合は別途インストールが必要です。
（7）*リポジトリの設定*
　変更不要の場合はそのまま「Next」をクリックします。
（8）*コマンドラインPATHの設定*
　変更不要の場合はそのまま「Next」をクリックします。
（9）*HTTPS transportの設定*
　変更不要の場合はそのまま「Next」をクリックします。
（10）*行末処理（LF、CRLF）の設定*
　変更不要の場合はそのまま「Next」をクリックします。
（11）*Git Bashのターミナルエミュレータの設定*
　変更不要の場合はそのまま「Next」をクリックします。
（12）*git pullの動作設定*
　変更不要の場合はそのまま「Next」をクリックします。
（13）*追加オプションの動作設定*
　変更不要の場合はそのまま「Next」をクリックします。
（14）*疑似コンソール（実験オプション）の動作設定*
　変更不要の場合はそのまま「Install」をクリックし、インストールが開始します。
（15）*インストール終了画面*
　「Next」をクリックし完了します。

LinuxやmacOSでは、bashはそのまま利用できます。Gitを利用する場合は、*Gitのダウンロードサイト*からダウンロード・インストールします。*macOS*の場合は*Homebrew*または*Xcode*を使います。*Linux*の場合はディストリビューションに対応した*パッケージマネージャ*を使います。
参考：[Git Downloads](https://git-scm.com/downloads)

インストール時にスタートメニューに登録した場合、*スタートメニュー*の「*Git*」または「*最近追加されたもの*」からGit Bashをクリックすると、Git Bashが起動します。同様に、エクスプローラーの設定で「*Git Bash Here*」をチェックした場合は、エクスプローラーで右クリックするとそのフォルダで*Git Bashが起動*します。

その他、インストール時に指定したルートディレクトリに*bash.exe*があるため、コマンドプロンプトで直接起動することも可能です。デフォルトでは*”C:\Program Files\Git\bin\bash.exe”*となります。

### Git Bashのフォルダ・ディレクトリの移動方法

Git Bashのホームディレクトリは、**”~”**です。カレントディレクトリ以下のファイルの表示は*”ls”コマンド*を使います。フォルダ・ディレクトリの移動は*”cd”コマンド*を使います。

Git Bashのディレクトリの移動方法は、Git Bashプロンプトで以下のコマンドを入力することで指定できます。
*使用方法：*
　$ cd パス（パスは絶対パス、または相対パス）
*使用例：1つ上のディレクトリに相対パスで移動*
　$ cd ..
*使用例：特定のディレクトリに絶対パスで移動*
　$ cd "C:/Program Files/"

Git Bashを起動する前に、エクスプローラーでデフォルトディレクトリを指定することもできます。エクスプローラーで該当フォルダとして開きたい場所を開きます。そこで「*右クリック*」→「*Git Bash Here*」を選択してください。*Git Bashが指定したディレクトリで開きます*。

なお、*ドライブの変更*は以下のように指定します。
*使用方法：*
　$ cd /\[ドライブ名\]
*使用例：Cドライブに移動する*
　$ cd /c

Git Bashは*GitとWindows用Bash*が利用できるインストーラです。Bashの内部コマンドは*Bashの仕様*に従います。外部コマンドとしては*Linuxで用いる標準Unixコマンドが同梱*されるため、**LinuxやUnixと同等の操作が可能**です。ファイル表示は*”ls”コマンド*ですので、Git for Windowsでインストールされた*コマンド一覧*は*”ls /usr/bin”*で確認できます。

以下の代表的なコマンド一覧を説明します。
・*ls*
　ディレクトリのファイル一覧表示を行います（Windowsのdirに相当します）。
・*cd*
　ディレクトリの移動を行います（Windowsのcdに相当します）。
・*pwd*
　カレントディレクトリの表示を行います（Windowsのcdに相当します）。
・*mkdir*
　ディレクトリの作成を行います（Windowsのmd / mkdirに相当します）。
・*rmdir*
　ディレクトリの削除を行います（Windowsのrd / rmdirに相当します）。
・*mv*
　ファイル・ディレクトリを移動、名前変更を行います（Windowsのmove / renに相当します）。
・*cp*
　ファイルのコピーを行います（Windowsのcopyに相当します）。
・*touch*
　ファイルの作成を行います（Windowsのcopy nul / type nulに相当します）。
・*rm*
　ファイルの削除を行います（Windowsのdelに相当します）。

さらにコマンドを追加したい場合は、*ルートディレクトリ下のusr/bin*にモジュールをインストールすることでGit Bashから利用可能です。ルートディレクトリはデフォルトの場合、*”C:/Program Files/Git”*です。

Windowsのパッケージマネージャである*Chocolatey*等からGit for Windowsをインストールすると、*関連コマンドの追加*が簡単にできます。
参考：[Chocolatey](https://chocolatey.org/)

Git Bashの*ウィンドウの左上のアイコン*を右クリックすると、メニューが表示されます。Git Bashのカスタマイズはこの**メニューの「Options...」**から行います。ここからターミナルのテーマを設定したり、見栄えやフォントを指定したりすることができます。

このようなカスタマイズは標準設定の機能だけではなく、GitHubに*カスタマイズツール*が多数登録されています。追加してGitを利用する際には、*”git config”*で*リポジトリの構成設定や確認*を行いカスタマイズしていきます。

## Git Bashを使ってOSの違いを吸収しましょう

Git Bashを使うことで、Linuxで用いる標準Unixコマンドも合わせてWindowsで利用可能です。そのため、従来Linuxで稼働させた*シェルスクリプト*も*Windowsで動作*するため、より柔軟にシステムを構築することができます。カスタマイズを進めて、さらに最適なシステム構築を目指しましょう。

Git Bashとは、Git for Windowsに同梱されているBashです。BashはLinuxやmacOS等で利用されており、多くのシェルスクリプトで活用されています。ここでは、Git Bashのインストールからコマンド活用まで幅広く解説していきます。

Git Bashとは、Git for Windowsに同梱されているBashおよびソフトウェアを指します

Git for WindowsをインストールすることでGit Bashが利用可能です

Linuxで用いる標準Unixコマンドが合わせてインストールされるため、シェルスクリプトの活用が可能です

Git Bashとは？WindowsのLinuxツールを解説！

まずは*Flaskとは何か*を解説します。そもそもフレームワークとは？Pythonとは？という所から初心者にも分かるよう詳しく説明します。**Flaskという言葉を初めて聞いた方**は、まずはこちらからお読みください。

*FlaskはArmin Ronacherによって開発され、2010年に発表されたPythonフレームワーク*の1つです。読み方は「フラスク」です。Pythonフレームワークの中でも、高い知名度を誇っています。**Flaskは必要最小限の機能のみをまとめた、コンパクトなフレームワーク**であることが特徴です。

*Pythonはプログラミング言語の1つ*です。Webアプリケーション開発や人工知能開発で主に使われており、最近注目されている言語でもあります。Pythonは文法が平易な上に、**ソースコードが読みやすく、初心者にも上級者にも人気**です。ライブラリも豊富で、機械学習や統計解析などの複雑な処理が必要なシステムも簡単に開発できます。

Webアプリを開発できる言語は他にPHPやRubyなどがあり、その中でもPythonは将来性が高いと言われている言語です。

フレームワークとは、*Webアプリ開発で必要な基本機能が予めひとまとめになったもの*のことです。フレームワークはインストールして活用するのが一般的です。フレームワークを使うことで基本機能を自分で開発しなくてよくなるため、開発効率を上げることができます。実際多くのWeb開発企業ではフレームワークが使われています。

「フレームワークとライブラリの違いが分からない」という方は多く、ライブラリは一部の機能のみがまとめられたものを指します。たとえば、Numpyというライブラリは数値計算のみの機能を提供しています。

Flaskは最低限の機能のみ提供しているものの、**Webアプリに必要な機能を全般的に提供している**ので、ライブラリではなくフレームワークに含まれるのです。

*Flaskが標準で搭載している機能は大きく分けて3つ*あり、ルーティング・リクエスト処理・blueprintモジュールです。この3つしか備わっていないシンプルなフレームワークです。

また、拡張機能を使うことで、**これ以外の機能をFlaskに追加することも可能**です。たとえば、Flask-Loginという拡張機能を使えば、ログイン機能を実装することができます。拡張機能を上手く使えば、Flaskでも多くのことができるようになるでしょう。とはいえ、拡張機能を入れすぎるとFlaskが重くなってしまうので、注意が必要です。

## Flaskのメリット・デメリット

ここでは、*Flaskのメリット・デメリット*についてまとめました。必ずしもFlaskを使えば良いというわけではありません。状況によっては他のフレームワークを使った方が良いこともあります。**使うべき場面を見極めるために、メリット・デメリットを把握しておきましょう。**

Flaskのメリットは最小限の機能しかない分、*シンプルで分かりやすい*ことです。覚えることが少ないため、これからはじめてWebアプリを作る方におすすめでしょう。また、小規模なWebアプリを作る場合にも向いています。

さらに、Flaskは処理が高速なのもメリットです。Webアプリを開発する場合、処理の速さは重要と言えます。**処理が遅いとWebサイトが重くなってしまい、ユーザーにとって使いにくくなってしまいます**。

拡張機能を入れれば、様々な機能が使えるのも魅力です。拡張機能を増やしていって、自分好みのフレームワークにしていけるため、使いどころによっては業務で活用するのもおすすめです。

機能が少ないことはFlaskのメリットであり、デメリットでもあります。Flaskが提供していない機能は、自分で作る必要があり*その分開発工数がかかってしまう*でしょう。特に、Flaskは管理画面を作る機能がないのが難点です。Webアプリを作る場合、管理画面はほぼ必ず作る必要があります。このようにFlaskは機能が少ないため、様々な機能が必要な大規模なWebアプリには向いていないでしょう。

拡張機能を使えばFlaskに機能は追加できますが、**拡張機能を入れすぎると管理が大変になる恐れ**があります。何の機能があるのか分からない状態になりやすいため、要注意です。

また、Flaskについて日本語で解説されたサイトが少なく、英語が読めない場合は学習に苦労するかも知れません。

ここでは、*Flaskと比較されやすいDjangoとの違いについて*まとめました。**機能面・動作面・学習面**について、それぞれ比較しています。どちらのフレームワークから学ぶべきか迷っている方は、ぜひ参考にしてください。

*機能が充実しているのはDjangoの方*です。Djangoは管理画面・ユーザー認証・案内ページといった機能まで提供しているため、開発コストを大きく下げることが可能です。特に多くの機能が必要な大規模開発で、Djangoは効果を発揮するでしょう。

実際Djangoも多くの企業で導入されています。また、**Webアプリ自体はFlaskで作り、管理画面はDjangoで作る**、というように使い分けている場合もあります。

*動作が軽いのはFlaskの方*です。Flaskは最低限の機能しか提供していないため、その分動作が軽いです。Webページの速度を重視したい場合は、Flaskの方が向いていることもあります。**Djangoは機能が豊富な分、動作がどうしても重くなってしまいます**。

### 簡単なのはFlask、学びやすいのはDjango

Flaskは機能がシンプルな分、初心者にも分かりやすいため、フレームワークとしての簡単さはFlaskの方が上でしょう。ただし、*初心者にFlaskがおすすめかというと、必ずしもそうとは言えません*。Djangoの方が日本語の情報が多いため、Djangoについて解説する書籍やサイトは多く、学習しやすい環境が整っています。対して**Flaskは日本語で書かれた書籍が少ない**ため、英語が苦手な方の場合、むしろDjangoから学んだ方が良い可能性もあります。

最後に、*Flaskの学習方法について解説*します。Flaskは日本語で書かれた書籍が少なく、勉強がしにくいのが難点です。そこで、**書籍以外でFlask入門編を学習する方法**をまとめました。これからFlaskを学ぼうと思っている方はぜひ参考にしてください。

### Flask公式チュートリアルを活用する

最も王道の学習方法は、公式チュートリアルを使うことです。公式チュートリアルでは、*Flaskのインストール方法から、基本的な使い方まで幅広く解説*しています。チュートリアルに沿って学習すれば、確実にスキルを身につけられるでしょう。ただし、**公式チュートリアルは初学者にはやや難しく**、途中で学習を挫折してしまう可能性もあります。難しいと感じた場合は、後述のPaizaを使う方法を検討しましょう。

2つ目は*Paizaを利用する方法*です。Paizaにはプログラミングについて解説する動画がたくさんあります。Paizaには「Webアプリ開発入門 Flask編」という入門編のコースがあります。動画で解説してくれるので、**本を読むのが苦手な方も学習しやすい**でしょう。月額料金も600円と安くておすすめです。

3つ目は*実際にアプリを開発する方法*です。Flaskの基礎について公式チュートリアルやPaizaで習得した後は、掲示板やbotなど簡単なWebアプリを作ってみましょう。**プログラミングの楽しさが最も実感できるのは、実際にアプリを作っているとき**です。またアプリを開発しながら、分からないところは自分で調べていくことで、実践的なスキルが身につきます。

## Flaskは小規模なWebアプリ開発におすすめ！

本記事では*Flaskとは何か*、について解説しました。Flaskのメリット・デメリットやDjangoとの違いがご理解頂けたかと思います。Flaskは必要最低限の機能のみ提供するフレームワークのため、小規模なWebアプリ開発に向いているといえるでしょう。**個人でアプリを作りたい場合には、Flaskがおすすめ**です。

プログラミング上達の近道は自分でアプリを作ってみることです。PythonとFlaskの基礎を身に着けたら、実際にWebアプリを作ってみましょう。

Flaskについて解説します。FlaskはPythonフレームワークの中でも代表的なものです。今回はFlaskの基礎知識やDjangoとの比較、おすすめの勉強方法についてまとめてみました。Pythonを学んでいる方はぜひ本記事も参考にしてください。

Flaskは最小限の機能のみをまとめたPythonフレームワーク

Djangoに比べ小規模アプリの開発に向いている

Flaskは公式チュートリアルやPaizaを使って学習するのがおすすめ

Flaskとは何か？基本機能やDjangoとの違いについて解説

NumPyとは、Pythonの*数値計算ライブラリ*の一種です。NumPyは**多次元配列オブジェクト**をPythonに実装し、多数の演算関数を提供します。NumPyは英語の読み方として「ナムパイ」と発音します。一部「ナムピー」とも呼ばれていますが、*「ナムパイ」の読み方が多数派*です。

Pythonは元来数値計算向けに開発されたものではなかったため、*SIG（Special Interest Group）*が中心となってPythonの構文に配列の取扱いを取込みました。NumPyの意味ですが、最初のパッケージはNumericと呼ばれていました。後に"Numerical Python extensions"や"NumPy"と呼ばれるようになりました。

現在はNumericの機能拡張を経て、NumPyが正式名称で*”Numerical Python”の略*となっています。
参考：[NumPy](https://numpy.org/)
参考：[Guide to NumPy](https://archive.org/details/NumPyBook)

Pythonは*プログラム記述がシンプル*で、オブジェクト指向プログラミングにより高機能なプログラムが簡単に記述できるメリットがあります。Pythonの特徴は*オープンソースソフトウェア*のため、ライブラリ等の**ソフトウェア公開が進んでいる**ことが挙げられます。

*Pythonのライブラリ*とは*複数の機能をまとめたもの*で、パッケージ化したものです。上記Pythonの特徴から、分析アルゴリズムが共通化しやすい*AI*では*機械学習や深層学習*のライブラリが数多く提供されています。

公開ライブラリのインストール管理は、*PyPI*または*Anaconda*の2種類の公開サービスのいずれかを用いることが多いです。特に*Anaconda*は*数値計算やデータ分析に必要なライブラリ*を**一括管理**できるため、*NumPyを利用する*際にも*Anacondaの活用*をおすすめします。

NumPyは*数値計算を行うライブラリ*です。NumPyではベクトル演算や行列演算で用いる**多次元配列を扱う**ことができます。

さらに、*NumPyのライブラリコード*は**C言語**で作成されています。C言語はコンパイラ言語のため、インタープリタ型に比べてランタイムのオーバーヘッドが少なく、コード最適化が図られています。このため*NumPyのライブラリ*は**高速で処理できる**ことが特徴です。

Pythonには*バイトコンパイル機能*があるものの、*インタープリタ*として動作するためC言語で開発されたライブラリの活用は魅力的です。上記理由から、*NumPy*は*データの読み込み工程やデータの前処理・加工工程*で良く用いられています。

NumPyと同じようによく用いられているのが、*pandas*です。**pandasとは数表や時系列データ**に強みを持つデータ操作解析ライブラリです。データを読み込んで*並べ替え*を行ったり、*欠損データの補完*を行って**データ分析しやすい形式に変換**したり、主に*データの読み込み工程やデータの前処理工程*で用いられます。
参考：[Pandas](https://pandas.pydata.org/)

NumPyの使い方は、Pythonコードで以下のように**ライブラリをインポート**します。
*“import numpy as np”*
ここで”np”はNumPyのドキュメントでも頻繁に利用される名称ですので、コードの影響がなければそのまま使用します。

ここで”import”時にエラーとなる場合は、NumPyがインストールされていない可能性があります。その際は以下のインストール方法を試してみましょう。

NumPyをインストールするには*Anacondaのconda*または*Anaconda Navigator*を用いるか、*pip*を用いてインストールします。

AnacondaではNumPyがデフォルトでインストールされています。インストールが必要で*conda*を用いる場合は、*”conda install numpy”*を実行します。*Anaconda Navigator*の場合はパッケージの「*Not Installed*」からNumPyをチェックし「*Apply*」をクリックします。「*Installed*」に表示されたら**使用可能**です。

*pip*を用いる場合は、*”pip install numpy”*を実行します。インストールしても*“import numpy as np”*でエラーが発生する場合は、*ライブラリのパスが正しく反映されていない*可能性があります。

特に*Anaconda*の場合は、インストール時のインストール先のパスを変更した際に*PATH環境変数*への反映を行う必要があります。インストール時にインストーラの「*Advanced Options*」で設定するか、手動で*Anacondaインストール先の”Library\bin”*を*PATH環境変数へ追加する*必要があります。

*配列*とは英語で*array*と呼びます。そもそも配列とは、*コンピュータプログラムのデータ構造の一種*です。配列は連続するデータ空間に格納される**データの集合体**を意味します。*NumPy*でも配列は*array*として利用します。

*使用例：*
　import numpy as np
　a = np.arange(3)
　b = np.array([1, 2, 3, 4])
　c = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
　d = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
　print("a=",a)
　print("b=",b)
　print("c=",c)
　print("d=",d)

*実行結果：*
a= [0 1 2]
b= [1 2 3 4]
c= [[1 2 3 4]
 [5 6 7 8]]
d= [[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

*arange関数*は等差数列の配列を生成する関数です。*array関数*は配列を作成する関数です。変数aには等差数列の[0 1 2]が作成されました。変数bは1次元配列、変数cは2次元配列、変数dは3次元配列です。

上記の他にも2次元配列を作成する*eye関数*や*diag関数*が用意されています。3次元以上の*ndarray*を作成する場合は*ones関数*や*zeros関数*等を用います。

*Python*でも数値計算を行うためにいくつかの*組み込み関数*や*math関数*が用意しています。Pythonで演算する場合は配列の要素を実行時に動的に分解したり、for文のループを行いますので*処理が複雑になり計算時間がかかります*。

*NumPy*ではあらかじめ必要な計算処理をそれぞれの関数として提供しますので、**開発コードがシンプルでかつ高速処理**が行えます。以下に、数値計算で用いる一般的な処理と対応する関数について説明します。

・*四則演算*
　配列の四則演算には対応するadd・subtract・multiply・divideの各関数が用意されています。
・*累乗・平方根・指数・対数*
　累乗・平方根・指数・対数には対応するpower・sqrt・exp・logをはじめとする各関数が用意されています。
・*三角関数*
　三角関数には対応するsin・cos・tan・arcsin・arccos・arctanをはじめとする各関数が用意されています。

*NumPy*で基本演算が完了したら集計機能を活用します。NumPyの**集計機能**は、以下のような関数を提供しています。

・*ソート関数*
　ソート関数はsort・ndarray.sortをはじめとする各関数が用意されています。
 ・*集計関数*
　集計関数はmin・max・sum・meanをはじめとする各関数が用意されています。
・*欠損値・異常値処理*
　欠損値はNaNですのでisnanで欠損値を検出したり、nan\_to\_numで補正することができます。
　その他にもisinf・isneginf・isposinfで異常値を検出することもできます。

*NumPyでデータ分析する場合*は、元となるデータを*ファイルから入力し結果をファイルに保存する*のが一般的です。NumPyでは以下のような**データ入出力機能**を提供しています。

・*ファイル入出力*
　ファイル入出力はsave・load・savetxt・loadtxtをはじめとする各関数が用意されています。
　Npy配列ファイルの入出力はload・save関数を用います。
・*CSVファイル入出力*
　CSVファイルやテキストファイルの読み込みはloadtxt関数です。
　複雑なファイルはgenfromtxt関数を用います。

NumPyの初心者は、CSVのインポート・エクスポートはpandasを用いた方がより簡単に読み込みできます。取り込んだデータをNumPyで配列演算に利用します。読み込みはread\_csv関数、書き込みはto\_csv関数です。
*使用例：*
　import pandas as pd
　a = pd.read\_csv('ファイル名.csv', header=0).values

## NumPyを用いて効率的にデータ分析をすすめましょう

*NumPy*では*多次元配列を用いて高度なデータ分析を行う*ことができます。そのためPythonのデータ分析業務では、*データの読み込み工程やデータの前処理・加工工程*で良く用いられています。

NumPyを使うことで配列の演算や分析作業が*シンプルなコードで効率的、かつ高速に実行する*ことができます。さらにNumPyを活用することで、*データ分析の効率が向上し分析精度が向上します*。ぜひ*NumPy*を**データ分析に活用する**ことをおすすめします。

NumPyは多次元配列オブジェクトを、Pythonで効率的に利用することでデータ分析作業を簡単に行うことができます。NumPyはシンプルなコードでかつ高速に動作しますので人気があります。ここではNumPyの基本から主要関数まで丁寧に解説していきます。

NumPyとはPythonの数値計算ライブラリの一種で、”Numerical Python”の略を指します

NumPyはベクトル演算や行列演算で用いる多次元配列を取り扱うことができます

NumPyはC言語で開発したライブラリのため、データ分析をシンプルなコードで高速に実行できます

NumPyとは？効率的なPythonのデータ分析手法を解説！

HTMLとは「Hyper Text Markup Language」の略称であり、Webサイトの構造を定義するためのマークアップ言語です。HTMLではタグを使用してWebサイトの構造を作成することができます。その中でもdivタグはよく使用されるタグの1つです。ここでは、divタグの概要や書き方について詳しく紹介します。

divとは「division」の略称であり、読み方は一般的に「ディブ」もしくは「ディヴ」です。**divタグ単体では意味を持ちませんが、divで囲む部分をブロック要素としてまとめて扱えるのが特徴です。**align属性を使用して水平方向の配置を指定したり、スタイルシートを適用したりなどブロック化すればまとめて行うことができます。

**divタグを使用するときは一般的に```<div>テキスト</div>```と記載します。
**またdivタグにid属性やclass属性を追加し、```<div id="id名">テキスト</div>``` ```<div class="class名">テキスト</div>```と記載することも多いです。*id属性やclasの属性を付ければ、スタイルシートで装飾しやすくなるという特徴があります。*

なおidとclassの違いについてですが、*id属性は同じWebページ内でid名が重複してはいけないという決まりがあります。*一方*class属性は、同じWebページ内でclass名が重複しても問題ありません。*そのため同じ装飾を指定したいときに、class属性は使用されます。また1度しか使用しない場合でもclass属性を用いることは可能です。

divタグと同様でspanタグも単体では意味を持ちません。**divタグとspanタグの違いは、ブロックレベル要素かインライン要素かです。**divタグはブロックレベル要素の1つで、spanタグはインライン要素の1つです。
ここではdivタグの知識を深めるためにも、ブロックレベル要素とインライン要素の違いについて詳しく紹介します。また配置のルールについても解説します。

**ブロックレベル要素はテキストを構成する基本となる要素であり、1つのまとまりとして認識されるのが特徴です。ブロックレベル要素では余白や縦横のサイズなどを自由に定義できます。**しかし、ブロックレベル要素の前後には自動で改行が入ることもあるため注意が必要です。ブロックレベル要素の例として、pタグ・h1～h6タグ・tableタグ・divタグなどが挙げられます。

**インライン要素は、主にブロックレベル要素の中で使用される要素であり、文章の一部として扱われるのが特徴です。**そのためインライン要素の前後には改行は入りません。例えば、pタグの中でstrongタグを使用すれば、段落の中の一部を強調することができます。 インライン要素の例としてaタグ・bタグ・iタグ・imgタグ・strongタグ・uタグ・spanタグなどが挙げられます。

**ブロックレベル要素の中に、他のブロックレベル要素やインライン要素を配置することは可能です。 しかし、インライン要素の中にブロックレベル要素を配置することはできません。**ただし*インライン要素の中に、文字データや他のインライン要素を配置することはできます。*インライン要素は行の一部として扱われます。そのためspanタグのようなインライン要素では、一般的に「width」「height」というプロパティを使用してサイズの調整ができません。

ただし例外もあるため、spanタグを使用するときには、公式リファレンスなどを参照して確認しましょう。

## divタグを使用する目的・使い方

divタグはブロックレベル要素で、余白の調整やサイズの変更が自由にできることは理解できたでしょうか。ここでは、divタグを使用する目的・使い方について詳しく紹介します。

Webサイトを制作する場合、HTMLのソースコードが膨大になることもあります。そうすると、可読性やメンテナンス性が低下してしまいます。**そのためページ全体を区分して構成や構造をまとめる必要があり、そこでdivタグが使用されます。**

Webサイトのレイアウトに合わせてdivタグを配置するのが一般的で、必要に応じてdivタグを入れ子構造にして使用することも多いです。*ページ全体を構造化すれば、HTMLのソースコードを確認するのみでレイアウトを把握することができます。*また*Webサイトを修正する際に、比較的簡単に変更が可能です。*

**divタグは主にデザインの指定を行うときに利用されます。**デザインの装飾はHTMLではなく、CSSという言語を使用して指定します。CSSでは各タグに対して文字の色・サイズ・配置などを指定可能です。ここでdivタグを対象に装飾を行うと、ページに存在するdivタグ全てのデザインが変更されてしまいます。そのため*divタグに対してid属性やclass属性を付けるのが大切です。*

## divタグを他のタグで代用する

divタグはデザインを行う上で便利な要素のため、使いすぎてしまうことがあります。divタグを多用するとデメリットもあります。そのため**divタグの代わりに、構造の意味付けをするタグに置き換えることも重要です。**ここではdivタグを多用するとどうなるのかや、代用する際におすすめのタグについて詳しく紹介します。

### divタグ使いすぎるとどうなるか

divタグを多用するデメリットとして、**Webブラウザのが各要素を特定する際に時間がかかり、Webサイトの読み込み速度の低下をもたらすことが挙げられます。**またid属性やclass属性を使用して、要素の特定をしやすくすることもできますが、その場合*スタイルシートによる装飾が煩雑になってしまう可能性があります。*そのためdivタグだけではなく、ulタグやliタグを使用して簡素化することも大切です。

言語・開発の記事（105ページ目）