## 大規模言語モデル（LLM）とは

AIツールや言語モデルについて聞いたことはあるものの、詳しい仕組みを知らない方も多いのではないでしょうか。

**大規模言語モデルは、自然言語処理の分野で使われる学習モデルの1つです。**大規模言語モデルでは、大量のテキストデータを学習してデータの理解、生成、翻訳、要約など幅広い作業を実行します。

本記事では大規模言語モデルの仕組みや、言語モデルの種類、生成AIとの違いなどを詳しく解説します。AI分野に興味のある方は、ぜひ参考にしてください。

AIツールの基盤となる大規模言語モデルですが、どのように作られているか知らない方も多いのではないでしょうか。まずは、大規模言語モデルの仕組みについて解説します。

*大規模言語モデルは「Transformer」と呼ばれるニューラルネットワークアーキテクチャをもとに作られています。*

ニューラルネットワークとは数学的モデルの1つで、機械学習やディープラーニングに広く使用されています。ニューラルネットワークは大量のデータを用いてディープラーニング（深層学習）を行うことで、画像認識や自然言語処理、音声認識などができます。

Transformerの特徴は、セルフアテンションメカニズムを利用することです。これは何かと言うと、文章の最小単位や単語の関係を理解しモデル化する手法を指します。

例えば「猫」という単語が「眠る」という単語と、関連があることを学習するといった具合です。この訓練を繰り返すことで言語モデルは文脈を理解し、文章生成ができるようになります。

ここからは、大規模言語モデルを活用してできることを紹介します。

自然言語処理とは？注目される理由やできることをわかりやすく解説

ニューラルネットワークとは？仕組みや関連用語をわかりやすく解説

ディープラーニングとニューラルネットワークの違いが分からない？わかりやすく解説

### 大規模言語モデルを活用してできること

大規模言語モデルを活用すると、どういったことができるのか気になる方も多いでしょう。結論から言うと、*大規模言語モデルでは感情分析やテキスト生成、コード生成、チャットボットなど幅広いタスクを実行できます。*

テキストを生成するのはもちろん、プログラミングのコードを生成したり、質問に自動で回答したりするチャットボットを作ることも可能です。

また、感情分析ではその名の通り、テキストデータの感情を分析します。この感情分析の機能は特にマーケティングの分野などで活躍するでしょう。例えば、プロモーションを実施する際の文言を作成したり、顧客が心を動かされるようなテキストを瞬時に作成できます。

このように、さまざまなシーンで活用できるのが大規模言語モデルです。

チャットボットとは？種類やメリットと効果的な選び方を解説

## 大規模言語モデルの種類一覧

大規模言語モデルには、実はいくつかの種類があります。各大規模言語モデルは高い性能を持ちますが、それぞれのモデルによって特徴が異なります。

**ここでは、主要な大規模言語モデルを厳選して6つ紹介します。**

*GPT-4（Generative Pre-trained Transformer 4）は、OpenAIが開発した大規模言語モデルです。*このGPT-4はGPT-3の次世代バージョンとして知られており、前バージョンよりもさらに高度な自然言語処理能力を持っています。

また数千億にものぼるパラメータを持っており、高度な文脈理解が可能です。GPT4はAPIとしても提供されており、GPT-4を活用したアプリケーションやサービスを構築できます。

【参考】：[GPT-4について](https://openai.com/gpt-4)
【参考】：[OpenAIドキュメント 言語モデルの概要](https://platform.openai.com/docs/models/overview)

OpenAIのGPT-4とは？ChatGPTの進化版について解説！

### BERT (Bidirectional Encoder Representations from Transformers)

*BERTはGoogleが開発した大規模言語モデルで、双方向の学習ができるのが大きな特徴です。*

BERTでは、テキスト分類や文章の意味の比較、機械翻訳、要約など様々な作業を実行します。またBERTのモデルはオープンソースで提供されており、エンジニアはこれを利用してアプリケーションも構築できます。

実際にBERTを使用してみたい方は、参考URLのリポジトリを参照してください。

【参考】：[BERTについて](https://blog.research.google/2018/11/open-sourcing-bert-state-of-art-pre.html)
【参考】：[BERT リポジトリ](https://github.com/google-research/bert)

*XLNet（eXtreme Learning Network）は、BERTよりも自然言語処理の性能が高いと言われる言語モデルです。*このモデルは、BERTと同様に双方向の学習が可能な点と、ファインチューニングできる点が大きな特徴です。

ファインチューニングとは、大量のデータを利用して事前訓練が済んだモデルに対して、特定のデータを学習させ、それぞれのタスクに適合した言語モデルを構築することです。例えば、応答結果の語尾やファイル形式などの出力形式を固定したい場合、ファインチューニングを利用します。

【参考】：[GitHub  XLNetのリポジトリ](https://github.com/zihangdai/xlnet)

*Turing-NLGはMicrosoft Researchが開発した大規模言語モデルで、長文に対応していたり、会話型AI向けに作られたりしたモデルです。*

アプリケーションを作りたいエンジニアはもちろん、ライターやクリエイティブな業務で着想を得たい方にとってもおすすめの言語モデルと言えます。

【参考】：[Turing-NLGについて](https://www.microsoft.com/en-us/research/blog/turing-nlg-a-17-billion-parameter-language-model-by-microsoft/)

### ERNIE 3.5 (Enhanced Representation through Knowledge Integration 3.5)

ERNIEは、百度（Baidu）によって開発された大規模言語モデルです。このERNIEというモデルをさらにバージョンアップしたのがERNIE 3.5です。

*ERNIE 3.5 は、プラグインが用意されているのが大きな特徴です。*プラグインの1つである「Baidu Search」は、生成AIであるERNIE Botにリアルタイムで正確な情報を生成する機能があります。

その他にもプラグインをいくつか用意していますが、今後はさらにプラグインの数が追加される予定のため、AIに詳しい開発者でなくともERNIE 3.5を気軽に活用できるでしょう。

【参考】：[ERNIEについて](http://research.baidu.com/Blog/index-view?id=185)

Megatron-Turing NLG 530Bは、MicrosoftとNVIDIAによって開発された大規模言語モデルであり、テキスト分類や質問への回答、要約、文章の生成、など様々なタスクに対応しています。

*この大規模言語モデルの特徴は、5,300億という膨大なパラメータがあるという点です。*この言語モデルには前モデルがありますが、それと比較して約3倍のパラメータを持つため、より高性能な応答ができます。例えば、常識的な推論や語感の曖昧さ回避なども可能となり、より精度の高い処理を実行してくれます。

【参考】：[Megatronについて](https://developer.nvidia.com/blog/using-deepspeed-and-megatron-to-train-megatron-turing-nlg-530b-the-worlds-largest-and-most-powerful-generative-language-model/)

## 大規模言語モデルと生成AIの違い

大規模言語モデルについてここまで解説しましたが、大規模言語モデルと生成AIの違いは何でしょうか。

大規模言語モデルはテキストデータを学習して、テキストを理解したり文章生成を行ったりするAIモデルの1つです。このモデルは巨大なデータセットを使い、単語と単語のつながりや関連性、意味、文脈などを理解します。

一方で、生成AIは自動的にコンテンツを生成するためのシステム全般を指します。つまりテキスト生成だけではなく、画像生成や音声生成、音楽生成、ビデオ生成などが含まれます。生成AIでは、機械学習モデルを使い与えられた条件から新しいコンテンツを作り出せます。

**要するに、大規模言語モデルは主にテキストデータの生成や理解に特化しており、生成AIは画像や音声などのメディア形式でコンテンツを自動生成するシステムを指します。**

両者はどちらも、人々の生活に革命を起こすほど便利なものですが、用途や目的が異なるということが分かりました。利用シーンに合わせて、どちらのモデルを活用するか考えると良いでしょう。

## 大規模言語モデルを日々の作業に活用しよう

本記事では、大規模言語モデルの仕組みや、大規模言語モデルの種類一覧について解説しました。**言語モデルごとに得意とするタスクや対応言語が異なるため、大規模言語モデルの選定に悩んでいる方は、今回紹介したモデルごとの特徴を参考にしてください。**

また、大規模言語モデルと生成AIとの違いも分かりました。自動化したい作業の目的に応じて両者をうまく使い分ければ、日々の業務スピードを格段に上げられます。本記事を参考に、大規模言語モデルをアプリケーション開発や日々の業務に取り入れましょう。

大規模言語モデルとは、一言で言うと自然言語処理（NLP）モデルの1つです。大規模言語モデルはChat-GPTのようなAIツールの基盤となる重要なものです。本記事では、大規模言語モデルの概要から言語モデルの種類まで解説します。

大規模言語モデルとは、一言で言うと自然言語処理（NLP）モデルの1つです

大規模言語モデルにはBERTをはじめとする代表的な言語モデルの種類があります

生成AIと大規模言語モデルの違いは、生成するコンテンツの違いなどが挙げられます

大規模言語モデルとは？概要やモデルの種類一覧、生成AIとの違い

AlloyDB Omniとは、Google Cloudが提供する高性能なPostgreSQL互換データベースで、2023年10月12日（米国時間）に一般提供を開始しました。*AlloyDB Omniはオンプレミスやエッジ、そのほかのクラウドでも実行できるようにしたダウンロード版です。*

この記事では、AlloyDB Omniの特徴やメリット、料金設定、利用方法などについて解説します。

【参考】：[AlloyDB Omni | Google Cloud](https://cloud.google.com/alloydb/omni)

PostgreSQLとは？MySQL・Oracleとの違いを解説

AlloyDB Omniは非常に優れた特徴を有しています。ここでは、**AlloyDB Omniの主要な特徴を挙げてみます。**

▪Google CloudのAlloyDB for PostgreSQLと同じエンジンを搭載しており、標準のPostgreSQLと比較してトランザクションワークロードで2倍以上、分析クエリで最大100倍の速度を実現します。

▪AlloyDB Omniは、メモリなどのリソースの自動管理、AIを用いたインデックス提案、ベクトルクエリ、エンベディング生成などの機能を備えており、生成AIアプリケーションの構築にも適しています。

▪AlloyDB Omniは、DebianやRed Hat Linuxが動作する環境があれば、どこでも実行できるように設計されており、VirtualBoxを利用するLocalの開発マシンやノートパソコンの仮想化環境でも利用できます。

▪AlloyDB Omniは、Google Cloud、AWS、Azure、Google Distributed Cloud Hosted、オンプレミスなど、異なる環境にわたり同じデータベースを実行することができます。

【参考】：[AlloyDB のダウンロード版 AlloyDB Omni の一般提供を開始 | Google Cloud 公式ブログ](https://cloud.google.com/blog/ja/products/databases/announcing-the-general-availability-of-alloydb-omni)
【参考】：[AlloyDB Omni を使い始めるには | Google Cloud 公式ブログ](https://cloud.google.com/blog/ja/products/databases/get-started-with-alloydb-omni?hl=ja)
【参考】：[クラウド コンピューティング サービス  |  Google Cloud](https://cloud.google.com/?hl=ja)
【参考】：[アマゾン ウェブ サービス｜AWS クラウド](https://aws.amazon.com/jp/?nc2=h_lg)
【参考】：[クラウド コンピューティング サービス | Microsoft Azure](https://azure.microsoft.com/ja-jp/)

AzureとAWSの違いは？概要からサービスまで比較解説！

AlloyDBにはどのようなメリットがあるのかを確認してみましょう。

*AlloyDB Omniのダウンロード版はデータセンターなどのクラウド環境、ノートパソコンからエッジコンピュータまでどこでも実行ができるよう設計されています。*ここでは、主なメリットを挙げていきます。

### データベースの刷新がしやすい

AlloyDB Omniは、様々な要件によりクラウドで実行できない場合、あるいは、クラウドへの移行に向けた最初のステップとして、**レガシーのデータベースから迅速に移行したり、データベースを刷新したりする場合に最適です。**

データベースの種類とは？エンジニアが今さら聞けない基本知識を徹底解説！

### サーバ停止が許されない環境で使える

AlloyDB Omniは、**利用シーンとしてサーバ停止（ダウンタイム）が許されない飲食店や小売店などにも適しています。**インターネットやクラウドサービスから切り離されても、データベースが稼働し続ける必要がある場合や、遅延を最小限に抑えるためにユーザの近くで稼働させる必要がある場合に最適です。

### ダウンロードして手軽に利用できる

単にローカルに開発用のデータベースが必要な場合にも利用できます。**ダウンロードしてノートパソコンなどの環境でも利用できるのは魅力です。**

データベースとは？今更聞けないその内容をITエンジニアとして改めて学ぶ

### 同じデータベースを異なるクラウドで共有できる 

AlloyDB Omniは、異なるクラウド間でユーザにサービスを提供する場合など、**同じデータベースを複数のクラウドで運用する必要がある場合にも適しており、データの移行や同期の手間を省くことができます。**

### 手厚いサポートが低料金で受けられる

AlloyDB Omniは、Googleのエンタープライズサポート組織によって支援され、24時間365日対応の技術サポートが提供され、**しかも費用はレガシーデータベースと比較して数分の1に抑えられます。**

### デフォルトで暗号化されている

AlloyDB のデータは、他の Google Cloudと同様に、**デフォルトで透過的に暗号化されているため、特に暗号化を意識しなくとも安心して利用できます。**

AlloyDB Omniの優れた性能は分かりましたが、料金が気になる方も少なくないでしょう。*AlloyDB Omniの料金設定は、非常にシンプルで、管理しやすく、手頃な料金設定になっています。*

またワークロードの拡大に合わせて簡単にスケールアウト、スケールインできるようになっています。

AlloyDB Omniは、16-vCPU Starter Packの月単位サブスクリプションで月額1,295ドル、100-vCPUブロックの月単位のサブスクリプションで月額6,995ドル（1,000円程度）で利用でき、既存のエンタープライズ割引プラン（EDP）に加え、1年間と3年間の確約利用割引もあります。

各パックに含まれるvCPUは、必要に応じて複数のサーバや仮想マシンで使用できます。またパックに含まれるすべてのvCPUを、指定の数のサーバや単一のサーバで使用する必要はありません。AlloyDB Omniは、ユーザがGoogle Cloudアカウントで選択したGoogle Cloudサポートプランの対象となります。

※vCPUとは仮想CPUのことで、仮想化されたサーバやストレージで動作するソフトウェアから見て、CPUとして振るのうものを意味しています。

AlloyDB Omniの利用は非常に簡単です。*ここではAlloyDB Omniをローカルにダウンロード、インストールする手順を紹介します。*ドキュメントが英語で分かりづらい場合は、ブラウザの翻訳機能を利用しましょう。また、必要事項を求められたら正しく入力します。

### ダウンロード/インストールして使う

まず、下記の「AlloyDB Omni の一般提供開始のお知らせ |Google Cloud ブログ」にアクセスし、［ドキュメント］ボタンをクリックします。

概要説明の後「AlloyDB Omni をダウンロードしてインストールします。」をクリックし、**後はドキュメントの指示に従ってダウンロードとインストールを手順に沿って行います。**

ダウンロードページでは、AlloyDB Omniのバイナリファイルとライセンスファイルをダウンロードできます。バイナリファイルは、DebianやRed Hat Linuxが動作する環境であれば、ほぼどこでも実行できるように設計されています。ライセンスファイルは、AlloyDB Omniの使用許諾契約を記載したものです。

【参考】：[AlloyDB のダウンロード版 AlloyDB Omni の一般提供を開始 | Google Cloud 公式ブログ | ](https://cloud.google.com/blog/ja/products/databases/announcing-the-general-availability-of-alloydb-omni)

**プレビュー版はLinux環境でのみ動作します。**IntelベースのMacやWindowsは仮想化環境で実行できます。ダウンロードしたソフトウェアと初期データベースを保持するために、少なくとも20GBのストレージ容量を割り当てる必要があります。

Linuxとは？特徴やメリット・ディストリビューションを解説！

WindowsとLinuxの違いは？具体的な比較ポイントを解説！

**インストールやAlloyDB Omniの実行はLinuxコマンドを用いますが、コマンドもすべてドキュメントに記されています。**Dockerはバージョン 20.10以降を利用します。

AlloyDB Omniを実行する環境に応じて、LinuxのコマンドラインやGUI、Kubernetesオペレーターなどのツールを利用して、データベースのプロビジョニング、バックアップ、安全な接続、オブザーバビリティなどのタスクを行います。

AlloyDB Omniに接続するアプリケーションやツールを設定して、データの操作や分析を行います。

【参考】：[AlloyDB Omni をインストールする | PostgreSQL 用 AlloyDB | Google Cloud](https://cloud.google.com/alloydb/docs/omni/install)
【参考】：[データ分析を導入する: BigQuery 連携クエリの新機能 | Google Cloud 公式ブログ](https://cloud.google.com/blog/ja/products/data-analytics/exploring-new-features-in-bigquery-federated-queries)

Linux版Docker Desktopが登場！機能と利用方法を解説

ここまでGoogle Cloudが提供する高性能なPostgreSQL互換データベースのAlloyDB Omniについて、その特徴やメリット、使い方などについて紹介しました。AlloyDB OmniはAWSやAzureなどGoodle以外のクラウドでも実行できるばかりか、ノートパソコンにダウンロードして、Local環境でも利用できます。

無料枠を利用して試すことができますので、*PostgreSQLを学んでいる方、クラウドサービスを利用してみたい方、本格的なデータ分析を行ってみたい方、ぜひAlloyDB Omniを利用してみましょう。*

PostgreSQL入門、複数のRDBMSを習得して更なる活躍を

AlloyDB OmniはGoogle Cloudが提供する高性能なPostgreSQL互換データベースで、2023年10月12日（米国時間）に一般提供を開始しました。AlloyDB Omniはオンプレミスやエッジ、ほかのクラウドで実行可能なダウンロード版です。

AlloyDB Omniは、標準のPostgreSQLと比較して分析クエリで最大100倍の速度を実現

AlloyDB Omniは、DebianやRed Hat Linuxが動作する環境であれば、ほぼどこでも実行可能

AlloyDB Omniはネットワーク断やクラウドの停止が許されない環境でも、Localで実行可能

AlloyDB Omniとは？Google提供の高性能DBを解説

**Googleは2023年10月7日、生成AIの学習サイト「The Arcade」を発表しました。**The Arcadeでは、毎月「Google Cloud Skills Boost」のラボに基づいたゲームをプレイし、自社クラウドサービスであるGoogle Cloudの強力なAIツールを実際に体験することができます。

【参考】：[Google Cloud Blog: デベロッパーのための生成 AI: Google Cloud の新しい無料ラボ](https://cloud.google.com/blog/ja/topics/training-certifications/generative-ai-for-developers)
【参考】：[Google Cloud Blog: Generative AI for developers: New no-cost labs in Google Cloud](https://cloud.google.com/blog/topics/training-certifications/generative-ai-for-developers?hl=en)
【参考】：[The Arcade](https://go.qwiklabs.com/arcade)

*The Arcadeは、毎月新しいゲームを用いて生成AIの学習を行うゲーム学習サイトです。*「Vertex AI」や「Generative AI Studio」など、Google Cloudの強力なAIツールを実際に体験できます。

利用対象者は、開発者やクラウドの愛好家、AI／MLエンジニアなどで、プロンプトの作成などの理解を深めることができます。

【参考】：[The Arcade](https://go.qwiklabs.com/arcade)

AIエンジニアとは？AIエンジニアの概要と転職で成功するための秘策を解説

AIエンジニアは独学でなれる？効果的な勉学法と転職のコツを紹介

*Google Cloudは、Googleが提供するクラウドコンピューティングサービスです。*近年、DX（デジタル・トランスフォーメーション）の推進により業務がデジタル化され、クラウドサービスの利用が増えています。

特にAIや機械学習などは、豊富なデータに基づいて分析を行うために、データ分析やアプリケーション開発など、クラウド利用増加の要因となっています。

Googleでは、提供するクラウドサービスを拡充するとともに、クラウドデベロッパーの育成を行っています。特に成長をけん引する生成AIに関しては効率的な利用など、スキルアップの重要性が高まっており、Googleも注力しています。

【参考】：[Google Cloud](https://cloud.google.com/?hl=ja)

AIを学習させる方法とは？機械学習やディープラーニングについて解説

### 生成AIを学ぶためのGoogle提供リソース

Blogの発表ではThe Arcadeのリリースに合わせて、Googleが提供する、そのほかの学習教材についても記事中で触れています。

・*Youtube動画教材（\#LearnGenerativeAI ビデオシリーズ）*
初学の方向けに1分程度のショート動画がシリーズとして掲載されています。残念ながら英語の提供ですが、雰囲気は伝わります。

【参考】：[\#LearnGenerativeAI VIDEO SERIES](https://www.youtube.com/watch?v=PRnhC_gDIeU&list=PL590L5WQmH8eD8KCjT3sXLFnu_GuccZxX)

・*「Introduction to Generative AI」コース*
生成AIの概要を約45分で学ぶことができる無料コースです。「Google Cloud Skills Boost」のコースであり、日本語版が提供されます。生成AI（ジェネレーティブ AI）とは何か、その使い方、機械学習との違い、独自のアプリ開発に使えるGoogle Cloudツールについて学びます。

【参考】：[Introduction to Generative AI - 日本語版](https://www.cloudskillsboost.google/course_templates/536?utm_source=cgc&utm_medium=blog&utm_campaign=learngenai)

・*「Introduction to Generative AI Learning Path」学習パス*
学習パスには、先ほどの「Introduction to Generative AI」コースに加えて、さらに4つのコースが含まれています。このコースでは、生成AI（概要コース、基礎コース）、大規模言語モデル、責任ある AI、Google Cloud を使用したAIの原則の適用方法について学びます。日本語版が提供されます。

【参考】：[Introduction to Generative AI Learning Path 日本語版](https://www.cloudskillsboost.google/paths/118?utm_source=cgc&utm_medium=blog&utm_campaign=learngenai)

*The Arcadeを使うには、The Arcadeにサインアップして、アカウントを有効化しておきます。*前提として、Google Cloud Skills Boostへの登録が必要です。ゲームは、何回プレイしても料金はかかりません。

毎月新たにゲームが始まるため、飽きることなく学習を続けることができます。ゲームも入門から上級まで、いくつかのレベルが用意されています。

【参考】：[The Arcade](https://go.qwiklabs.com/arcade)
【参考】：[Google Cloud Skills Boost](https://www.cloudskillsboost.google/paths?locale=ja)

*The Arcadeはゲーム学習サイトですので、任意のゲームを開始して進めていきます。*ゲームはいつでも始めることができます。ゲームは通常、月初に始まり月末にクローズしますので、それまでにゲームを完了します。ラボやスキルバッジを終了することで、ポイントが付与されます。

ゲームの進行に行き詰ったら「Google Cloud Community」を活用してアドバイスを受けることもできます。

【参考】：[The Arcade](https://go.qwiklabs.com/arcade)
【参考】：[Google Cloud Community](https://www.googlecloudcommunity.com/gc/Learning-Forums/bd-p/cloud-learning-certification?utm_source=qwiklabs&utm_medium=lp&utm_campaign=arcade23)

### The Arcadeのポイント活用方法

*獲得できたポイントを貯めると、Google Cloudの商品と交換することができます。*帽子、マグカップ、ペンなどが登録されています。ポイントの獲得チャンスは、さらにトリビアチャレンジや、季節ごとのキャンペーンなど、いくつか用意されています。

同様に、獲得したバッジは、「Google for Developers」に登録するレジメに掲載することができます。

【参考】：[The Arcade](https://go.qwiklabs.com/arcade)
【参考】：[Google for Developers](https://developers.google.com/profile/u/108144262233354282664/dashboard)

*The Arcadeのポイント交換には、カテゴリーごとに商品のグレードが設定されています。*スタンダードは5〜10ポイント、アドバンスドは11〜15ポイント、プレミアムは16〜25ポイント、プレミアムプラスは25ポイント以上で、それぞれ交換できる商品のグレードに違いがあります。

### 「Google Cloud Skills Boost」と「The Arcade」の関係

「Google Cloud Skills Boost」とは、2021年10月7日にリリースされたGoogle Cloudの学習サービスを指します。700以上の学習リソースにオンデマンドアクセスが可能です。サイトでは、ハンズオンラボ、職種別のコース、スキルバッジ、認定資格取得コースなどが提供されています。

The Arcadeは、Google Cloud Skills Boostの仕組みを使用しています。つまり、*The Arcadeは、Google Cloud Skills Boostのエッセンスを生成AIの学習に特化させたものと考えると良いでしょう。*

【参考】：[Google Cloud Blog: Google Cloud の新たな目標: 4000 万人以上のクラウド人材育成](https://cloud.google.com/blog/ja/topics/training-certifications/google-cloud-to-train-more-than-40-million-with-cloud-skills)
【参考】：[Google Cloud Skills Boost](https://www.cloudskillsboost.google/paths?locale=ja)

## The Arcadeは生成AIの学習方法を身近にしてくれます

The Arcadeは、ゲーム学習サイトですが学べる内容は専門的です。毎月追加されるゲームコンテンツは、学習に対するモチベーションをより高めてくれるはずです。**これまで、生成AIのプロンプトの活用などとは距離を置いていた方も、ゲーム学習でより身近なものとして学習を進めることができるでしょう。**

Googleは、以前より「Google Cloud Skills Boost」という学習サイトを開設し、Google Cloudの普及と技術者育成に力を注いできました。ここでは、新たに登場した生成AIの学習サイト「The Arcade」の概要と使い方を解説します。

「The Arcade」は、Googleが提供する生成AIを学ぶためのゲーム学習サイトです

利用するには、「Google Cloud Skills Boost」に事前登録が必要です

ゲームが完了するとポイントを獲得でき、Google Cloudの商品と交換することができます

Googleが「The Arcade」を発表！ゲームによる学習方法とは？

## Linux資格はどれを選択すべきか難しい

Linux資格には多くの種類があるため、どれから挑むべきか分からない方も多いのではないでしょうか。*一口にLinux資格といっても、特定ジャンルに絞った資格などさまざまです。*また、合格難易度も資格によって幅があります。

自分のスキルレベルや取得したいジャンルに応じて資格を選択することが大切です。

## 初心者にはLinux基礎を一通り取得できる資格がおすすめ

これからLinuxの勉強を始めようと考える方は、Linuxの基礎知識を一通り取得できる資格から挑むことをおすすめします。たとえば、Linuxコマンドの使い方やサーバの基本用語の意味などについて勉強できる資格が良いでしょう。

**基礎知識を取得できる資格なら、転職後にどの仕事の担当になっても知識を活かすことが可能です。**たとえばLinuxコマンドの使い方などは、サーバーエンジニアやプログラマー、システムエンジニアなど、どの職種でも覚えておいて損はない知識です。

<center>[エンジニア転職を成功させるため<br/>ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

Linuxに関する基礎知識についてまとめました。Linuxとはそもそも何なのか、Linuxエンジニアの年収はどの程度なのか、について詳しく解説していきます。

*LinuxはWindowsやMacと同じOSの1種で、サーバとして多く使われています。*Webアプリなどを運用する場合、何台ものサーバが必要になりますが、Linuxはオープンソースであり無料で使うことができるため運用費用を抑えることが可能です。

また、Linuxはセキュリティ面も高く安心して使うことができるため、多くの企業でサーバとして活用されています。

なぜLinuxが生まれたのか？その歴史や特徴などを詳しく紹介！

### Linuxエンジニア（サーバーエンジニア）の年収

Linuxエンジニアに絞った年収情報はないため、参考としてLinuxを活用するサーバーエンジニアの平均年収のデータを記載します。

サーバーエンジニアの年収は「マイナビエージェント職業別年収ランキング」での平均年収は462万円、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」から近い職種のIT技術スペシャリスト（特定技術(DB・NW・セキュリティ等））を参考にすると、平均年収758万円と分かりました。

国税庁2020年発表の「民間給与実態統計調査」における民間企業平均年収は433万円なので、サーバーエンジニアは一般平均年収よりも、やや高めであることが分かります。

Webアプリなどの運用する際は、サーバなどのインフラを管理するエンジニアが必要です。**そのためサーバーエンジニアは安定して需要があり、それが平均年収が高い理由の1つと言えます。**

【参考】：[マイナビエージェント職業別年収ランキング](https://mynavi-agent.jp/helpful/income2020/category/it04/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)
※【平均年収 調査対象者】2019年12月～2020年5月末までの間にマイナビエージェントサービスにご登録頂いた方

【参考】：[IT関連産業における給与水準の実態① ~ 職種別（P7）](https://warp.da.ndl.go.jp/info:ndljp/pid/11623215/www.meti.go.jp/press/2017/08/20170821001/20170821001-1.pdf)
【参考】：[民間給与実態統計調査-国税庁](https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2020/pdf/002.pdf)

Linuxエンジニアとは？年収や必要なスキルを解説！

## 初心者におすすめのLinux資格

初心者におすすめのLinux資格をまとめました。各資格の難易度や出題範囲について解説しているので、参考にしてください。

*LinuCは代表的なLinux資格の1つで、レベル1はLinuCの中でも1番難易度が低い試験です*。LinuCを取得することで、**物理／仮想の環境を問わずLinuxシステムの操作や運用ができるエンジニアということを証明できます**。試験は101と102に分かれており、両方に合格する必要があります。

LinuCの特徴は従来のLinuxの知識を問われるだけでなく、クラウドや仮想化などシステム開発の現場で必要となる内容も出題範囲に含まれる点です。これからITエンジニアを目指す方にも適していると言えます。

また、**LinuCはCBT方式を採用しており、試験会場だけでなく自宅からもオンラインで受験することが可能**なため、受験しやすいのもおすすめできる点です。

【参考】：[LinuCについて](https://linuc.org/about/01.html)

【参考】：[LinuCシステムアーキテクトについて](https://linuc.org/linucsa/)

LinuCとは？LPICとの違い・難易度・試験日・勉強方法を解説

LPICも代表的なLinux資格の1つです。**LPIC-1を取得することで、Linuxサーバ構築の基礎知識を身に付けることが可能です**。

**LinuCとLPICはよく似た試験で、難易度もほとんど差はありません。**ただ、LinuCはクラウドなど今のエンジニアに求められる内容も出題範囲に多く含まれています。LinuCとLPICのどちらを選択するか迷った場合は、「どの分野の知識を重点的に身につけたいか」を考えると良いでしょう。

【参考】：[LPIC レベル1](https://www.lpi.org/ja/our-certifications/lpic-1-overview)

LPICとは何か？勉強方法や3つの試験の難易度について解説！

### Red Hat 認定システム管理者 RHCSA

Red Hat 認定システム管理者は世界共通のLinux資格で、すべて実技試験となっているのが特徴です。試験ではシェルスクリプトを作成したり、ファイルなどを処理する基本ツールを使用したりして問題を解く必要があります。

*上記2つの資格に比べると難易度は高めですが、実技試験ということもあり実践的なスキルを得られるため受験はおすすめできます。*

【参考】：[Red Hat 認定システム管理者  RHCSA](https://www.redhat.com/ja/services/certification/rhcsa-991)

## Linux資格保有者のキャリアパス例

Linux資格を獲得すると、どういった職種に就けるのかについて解説します。各職種の仕事内容などについてまとめました。

サーバーエンジニアはシステムが稼働するサーバを管理する仕事です。システムの種類に応じて、サーバのスペックや処理能力を検討したり、設置したサーバが正常稼働し続けるようにメンテナンスを行ったりします。Linux資格で得たスキルを活かせる仕事と言えるでしょう。

**サーバーエンジニアを目指す場合、上記で挙げたLinux資格を取得し、さらに自分でサーバを設置してみるなどして実践的スキルを身につけておくことが重要です。**

また、企業のなかには研修制度が整っている場合もあり、未経験から知識をつけながら働くことも可能です。未経験からITエンジニアを目指すなら、自分のスキルにあった企業を探してくれる転職エージェントの活用をおすすめします。

サーバーエンジニアとは？転職する上で役に立つ資格や必要な知識を解説

<center>[あなたに合った企業選びをサポート致します。<br/>エンジニア転職のご相談はぜひ<br/>*『マイナビIT エージェント』*へ！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

クラウドエンジニアはクラウド上で稼働するシステムのインフラ部分を管理する仕事です。最近では自社にサーバを設置せず、クラウドサービスを使う企業が増えています。クラウドサービスと契約することで、自社内にサーバを置くことなく、契約したクラウドのサーバやデータベースを活用できます。

クラウドエンジニアにはクラウドサービスを正しく使えるスキルが求められます。*Linux資格を通じて得たサーバの知識はクラウドサービスを使う際にも活かせるでしょう。*

クラウドエンジニアに未経験からなるには資格は不要？適性・スキルも解説！

プロジェクトマネージャーは1つのプロジェクトをまとめ上げる仕事のことです。プロジェクトのスケジュール管理や予算管理、人材確保などを担当します。**プロジェクトマネージャーは、サーバーエンジニアなどのエンジニア職で実績を出した人が担当する場合が多いです。**

言語・開発の記事（58ページ目）