## ニューラルネットワークとディープラーニング

ディープラーニング（深層学習）が機械学習の1種であることは分かっていても、ディープラーニングとニューラルネットワークは何が違うのか、分かりづらいという方がいるかもしれません。

この記事では、*ニューラルネットワークとディープラーニングとの違いをテーマに、改めてAI（人工知能）に関する基本を確認していきます。*まず初めに、AI、機械学習、ディープラーニング（深層学習）の関係と、それぞれの概要を改めて確認しておきましょう。

今や一般用語となったAIですが、AIの明確な定義は定まっていません。AIは「Artificial Intelligence」（人工知能）の略語で、人工的に人間の知覚や知性を再現したものがAIです。

一般社団法人の「 人工知能学会」では、**「AIは知的な機械、特に知的なコンピュータプログラムを作る科学と技術である」と紹介しています。**そして、今話題の生成AI、ChatGPTはまさしく典型的なAIの1つと言ってよいでしょう。

【参考】：[一般社団法人「 人工知能学会」](https://www.ai-gakkai.or.jp/)

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

ChatGPTとは？今話題のAIチャットボットの概要や仕組みを解説！

最初にAI（人工知能）と機械学習、ディープラーニングの関係を確認しておきましょう。AIの構成要素として機械学習がありますが、その機械学習の1手法としてディプラーニングが存在しています。

それらの関係性を図式化すると、**『AI>機械学習>ディープラーニング』という関係になり、これらをまとめて「AIの三大分類」と言われています。**

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

機械学習とは、まさに機械（コンピュータ）自身が反復学習して、読み込んだデータから、データの背景にあるパターンやルールを見出す方法のことです。英語ではMachine Learningと呼びます。

ポイントは機械が単に丸暗記するのではなく、ある事象から特徴をつかむ点です。**機械学習では特徴から法則を見出し、見出した法則から予測や判断を行います。**機械学習には「教師あり学習」と「教師なし学習」、「強化学習」の3種類があります。

### ディープラーニング（深層学習） とは

ディープラーニングは深層学習とも呼ばれ、機械学習の1つの手法です。**ディープラーニングではデータからルールやパターンを学習する際に、多層的な構造で捉えてデータの複雑さに対応し、データの分析精度を向上させます。**

例えば、ディープラーニングが活用される画像認識では、画像を構成する要素、すなわち形や色以外に、明暗や色相といった要素から多くの特徴を数値化し、入力した画像の特徴を中間層として構造化し、画像が何の画像なのかを判断します。顔認証、音声認識、自然言語処理などはディープラーニング技術を用いています。

ディープラーニングとは？機械学習との違いもわかりやすく解説

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

### ディープラーニングとニューラルネットワークの違い

ここまで、AIとその構成要素である機械学習、さらには機械学習の1つの手法であるディープラーニングについて、おさらいをしました。しかし、AIを語る上で忘れてはならない「ニューラルネットワーク」があります。

**ニューラルネットワークは機械学習において欠かせないアルゴリズムの1つであり、そのニューラルネットワークを応用したものがディープラーニングです。**

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関係

機械学習について学び始めると、必ず登場するディープラーニング、そのディープラーニングを行う上で外せないのがニューラルネットワークです。

では、ディープラーニングとニューラルネットワークはどのような関係なのかを見ていきましょう。

### 機械学習とニューラルネットワーク

**機械学習のアルゴリズムとして用いられるニューラルネットワークは、人間の脳に似た働きをコンピュータ上で再現したものです。**人間の脳には大量の神経細胞（ニューロン）が存在し、ニューロンに電気信号を伝達をすることによって情報が処理されます。

この伝達を数理モデルにし、複数を組み合わせてニューラルネットワークが形成されます。ニューラルネットワークを例えるなら脳であり、神経細胞に当たるものを「パーセプトロン」と言います。

当初、パーセプトロンは入力をもとに出力するという単純なモデルで、線形分類しかできませんでした。

そこで、入力層と出力層の間に隠れ層（中間層）という関数を追加し、非線形分類を可能にした多層パーセプトロンが生まれ、現在のニューラルネットワークの基本モデルとなっています。

*■ DNNとは*
従来のニューラルネットワークの概念では、入力層・隠れ層（中間層）・出力層は各1層の3層で構成されていましたが、ディープラーニングに対応した4層以上に層を深くしたものをディープニューラルネットワーク：DNN（Deep Neural Network）と言い、より複雑な情報処理が行えるようになっています。

### 深層学習（ディープラーニング）

**ディープラーニングは、一言で表すと、ニューラルネットワークの隠れ層（中間層）を増やしたものだと言えます。**関数でもある隠れ層（中間層）を増やすと、より複雑な関数を表現することが可能になり、より複雑な処理ができるようになります。

このように層が多くなり、層が深くなるという意味で、深層学習・ディープラーニングと称されるのです。

ディープラーニングでは、ニューラルネットワークによって脳の動きに近づけることで、機械学習ではデータの特徴を人間が判断していたものを、ディープラーニングではコンピュータが判断するようになりました。

こうして、ディーブラーニングによる画像認識は、自動運転や防犯カメラなどに応用され、自然言語処理は翻訳やチャットボットに応用され、また音声認識は文字起こしに使われているのです。

*■ CNNとは*
CNN（convolutional neural network）はニューラルネットワークの種類の1つで、畳み込みニューラルネットワークとも呼ばれています。ディープラーニングのやり方の1つであり、いくつもの深い層を持ち、主に画像認識分野で成果を上げています。

*■ RNNとは*
RNN（Recurrent Neural Network）もニューラルネットワークの1種で、回帰型ニューラルネットワークとも呼ばれます。CNNとの違いは、RNNはテキストの自動生成が特徴で、CNNと組み合わせて、解析した画像に説明文を自動的に付加するような利用方法があります。

## ディープラーニングやニューラルネットワークを学ぶのにおすすめの書籍

ディープラーニングは機械学習の1つであり、さまざまなアルゴリズムを用いて学習を行う手法であることが分かりました。ここではディープラーニングやニューラルネットワークについて、もう少し掘り下げて、体系的に学びたいという方に、おすすめの書籍を紹介していきます。

### ディープラーニングを支える技術 ——「正解」を導くメカニズム[技術基礎] 

初学者の方を対象にした、ディープラーニングに関する技術解説書です。本書では、ディープラーニングの現在に焦点を当てて、**機械学習の基本からディープラーニングの仕組み、技術的基礎、数学的知識まで広範囲に解説しています。**

▪著者： 近藤 容司郎、藤川 千種、佐々木 歩惟 、松橋 龍貴
▪出版社：技術評論社
▪ページ数：304ページ
▪出版日： 2022年1月8日

【参考】：[ディープラーニングを支える技術 ——「正解」を導くメカニズム[技術基礎]](https://gihyo.jp/book/2022/978-4-297-12560-8)

AIを勉強するのに数学は必要？どこまでの範囲が必要か解説

### Pythonによるディープラーニング (Compass Booksシリーズ)

Pythonで書かれたディープラーニングのAPI、Kerasの開発者であるFrançois Cholletが書いた本がベースの書籍です。**数学などの専門的知識を必要とせず、ディープラーニングの手軽な実装が可能になります。**初学者から経験者まで幅広くカバーする優れた参考書としておすすめします。

▪著者： François Chollet、巣籠悠輔 (その他)、株式会社クイープ (翻訳)
▪出版社：マイナビ出版
▪ページ数：496ページ
▪出版日： 2022年3月23日

【参考】：[ Pythonによるディープラーニング (Compass Booksシリーズ)](https://book.mynavi.jp/ec/products/detail/id=128583)

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

### ニューラルネットワークとディープラーニング (データサイエンス大系)

ディープラーニングとニューラルネットワークを同時に学べる教科書の日本語翻訳版です。幅広い技術の設計思想や応用例が丁寧に解説され、**ディープラーニングとニューラルネットワークの全体像を掴むのに最適な書籍としておすすめします。**

▪著者： Charu C. Aggarwal、竹村 彰通 (監修)、今泉 允聡 (監修, 翻訳)、その他
▪出版社：学術図書出版社
▪ページ数：520ページ
▪出版日： 2022年3月30日

【参考】：[ニューラルネットワークとディープラーニング (データサイエンス大系)](https://www.gakujutsu.co.jp/product/978-4-7806-0714-7/)

データサイエンスとは？注目されている理由と基礎スキルについて解説！

## ディープラーニングに強いAIエンジニアを目指して

ここまで、ニューラルネットワークとディープラーニングとの違いをテーマに、AIと機械学習、ディープラーニングとの関係や、それらを学ぶのに適した書籍を紹介しました。ニューラルネットワークは人間の脳に相当し、神経細胞に相当するものがパーセプトロンであることも学びました。

*顔認証、音声認識、自然言語処理などAIに欠かせない技術はディープラーニングによって成り立っており、ディープラーニングはニューラルネットワークによって進化してきました。*

これからもAIは発展を続け、大きく私たちの生活や仕事を変えていくでしょう。この記事でニューラルネットワークとディープラーニングに興味が湧いたら、紹介した書籍を参考に知識を深めましょう。

AIができることとは？活用事例やできないことも併せて紹介

AIを活用した便利なツール10選！メリットや注意点も解説

AIについて学ぶと必ず登場するディープラーニングとニューラルネットワークですが、両者は何が違い、どのような関係なのでしょう。この記事では、ディープラーニングとニューラルネットワークの違いをテーマに、AIや機械学習との関係、おすすめの書籍などについて紹介します。

AIの三大分類と呼ばれるAI、機械学習、ディープラーニングの関係

ニューラルネットワークとディープラーニングとの違い

ディープラーニングやニューラルネットワークを学ぶためのおすすめの書籍

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

AIツールとして注目を集めているChatGPTですが、ChatGPTを提供しているOpenAIは文字起こしの機能に「Whisper」というサービスを公開しています。

ChatGPTを利用したことはあるけれど、Whisperについては知らないという方は多いのではないでしょうか。

**本記事ではChatGPTとWhisperの概要に触れた後で、Whisperの使い方を解説します。**AIを活用して文字起こしをしたい方は、ぜひ参考にしてください。

まずは、ChatGPTについて簡単に解説します。*ChatGPTとは、OpenAIが公開している対話型のチャットツールです。*ChatGPTは人間が入力した質問に対して、インターネット上のデータから集約・分析したデータを自然な文章で返答してくれるツールです。

このChatGPTのツールを利用すると、クリエイティブな企画の立案をしたり、プログラミングのコードを解説してくれたりします。

【参考】：[OpenAI ChatGPTについて](https://chat.openai.com/)

Whisperは、ChatGPTと同様にOpenAIが提供しているサービスです。*このWhisperは、音声をテキストに変換します。*非常に高い精度で文字起こしをするため、便利なサービスと言えるでしょう。

【参考】：[OpenAI Whisperについて](https://openai.com/research/whisper)

Whisperを利用するためには、OpenAIの提供するAPIを利用します。しかし、APIを普段利用したことがない方は、具体的な使い方が分からないかもしれません。本記事では後述でWhisperの使い方を詳しく解説しますので、ぜひ参考にしてください。

【参考】：[ChatGPTとWhisperAPIの利用について](https://openai.com/blog/introducing-chatgpt-and-whisper-apis)

前述にて、Whisperで文字起こしをするためにAPIを利用する必要があると説明しました。このAPIですが、利用する時には料金がかかります。

**ただし、$0.006 / 分とかなりの低額で利用できますので、個人の方でも気軽に試すことができます。**（2023年8月執筆時点）

執筆時点から金額が変更になる可能性もありますので、正確な料金の詳細について知りたい方は公式サイトを確認してください。

【参考】：[Whisperの料金について](https://openai.com/pricing)

## Whisperを利用して文字起こしをする方法

ここまではChatGPTやWhisperAPIの概要について触れましたが、**ここからは具体的な利用方法を解説します。**

また、WhisperAPIを実行するためには、Pythonの実行環境が必要です。そのため、今回はGoogle Colaboratoryというブラウザ上でPythonを実行できる、Googleのツールを活用します。Googleのアカウントが必要ですので、事前にアカウントにログインしましょう。

Pythonの環境構築：公開ソフトウェアを活用した環境整備を解説

*Whisper APIを利用するためには、APIキーが必要です。*まずは、公式サイトからAPIキーを発行しましょう。OpneAIにログインすると、下図のようにメニューが表示されます。

~~【図】：OpneAIにログインする~~

今回は、1番右にある「API」をクリックしましょう。すると、画面が切り替わりOpenAIのプラットフォームが表示されます。また、赤枠のように画面右上にアイコンが表示されているはずですので、こちらをクリックしましょう。

~~【図】：アイコンをクリックする~~

クリックするとメニューが表示され、ここの「View API keys」をクリックするとAPIキーの一覧が表示されます。この時、まだAPIキーを取得していない場合は、「＋Create new secret key」というボタンをクリックしましょう。

~~【図】：OpenAIプラットフォームでView API keysを選択する~~

ポップアップが表示され、新しい秘密鍵の名称を取得することができます。このAPIキーは、後で使いますので他の人に漏洩しない形で、文字列を控えてください。

【参考】：[OpenAI APIリファレンス](https://platform.openai.com/docs/api-reference/introduction)

続いて、Organization IDを確認します。Organization IDはOpenAIのプラットフォームの画面右上のアイコンをクリックし、「manage account」をクリックします。

*画面が切り替わり、Organization IDが確認できます。*こちらも文字列を控えて下さい。

~~【図】：Organization IDを確認する~~

さらにまた画面が切り替わり、Organization IDが表示されますのでローカルなどに保存しましょう。

今回は、サンプルデータとして任意の音声データを用意してください。*ちなみにWhisper APIで対応している音声データの形式は、mp3・mp4・mpeg・mpga・m4a・wav・webmです。*

【参考】：[音声データについて](https://platform.openai.com/docs/guides/speech-to-text)

### Google Colaboratoryにアクセスする

*次に、Google Colaboratoryにアクセスしましょう。*ファイルタブの「ノートブックを新規作成」を選択すると、ノートブックが開きます。

~~【図】：ノートブックを新規作成する~~

Google Colaboratoryはセルごとにコードを実行できます。コードを追加する時には、「＋コード」タブを選択してください。

~~【図】：コード入力セルを追加する~~

セルが追加され、その中にコードを記述できるようになります。ここまで設定できたら、以下のコードを入力してください。さらに、上図の赤枠のアイコンをクリックするとコードを実行できます。

ちなみに上記のコードはOpenAIのライブラリをインストールするコードです。

~~【図】：OpenAIのライブラリをインストールする~~

【参考】：[Google Colaboratory について](https://colab.research.google.com/?hl=ja)

*ここまでコードを実行できたら、文字起こしをしてみましょう。*まず、任意で用意した音声ファイルをGoogle Colaboratoryのファイルにアップロードします。ドラッグ＆ドロップをして、アップロードしてください。

~~【図】：ファイルのアップロードを行う~~

次に、以下のようにコードを実行します。ちなみに「～～～」には自身のOrganization ID、「〇〇〇」にはAPIキーを入力します。

```
ORGANIZATION_KEY = '～～～'
API_KEY = '〇〇〇'
model_id ='whisper-1'
audio_file= open("/content/samplevoice.mp3", "rb")
response=openai.Audio.transcribe(
   api_key=API_KEY,
    model=model_id,
    file=audio_file,
    response_format='text'
)
print(result["text"])```

ちなみにデフォルトでは、音声データを文字起こししたデータはjsonファイルです。そのためテキストに変更する場合には「response_format」を「text」に設定します。

~~【図】：コードを入力、実行した結果~~

上図の赤枠のように、実行結果として文字起こしした結果が表示されれば成功です。

【参考】：[APIリファレンス](https://platform.openai.com/docs/api-reference/introduction)
【参考】：[OpenAIドキュメント 音声をテキストに変換する](https://platform.openai.com/docs/guides/speech-to-text)

ここまで、ChatGPTとWhisperを利用した文字起こしの方法を解説しました。**基本的には上記の方法で文字起こしをすることができますが、より応用的なことをしたい場合や、不明点がある場合はドキュメントも活用しましょう。**

OpenAIの公式サイトには、ChatGPTの使い方を解説したドキュメントの他に、APIツールの使い方をまとめたAPIリファレンスが用意されています。必要に応じて、これらのドキュメントを活用しましょう。

【参考】：[OpenAI ドキュメント](https://platform.openai.com/docs/introduction)
【参考】：[OpenAI APIリファレンス](https://platform.openai.com/docs/api-reference)

## ChatGPTとWhisperを活用して業務を効率化しよう

本記事ではChatGPTとWhisperの活用方法を紹介しました。残念ながら、料金は無料ではありませんが、非常に定額で利用できるため、もし興味がある方は試しに利用してみましょう。

**議事録や文字起こしの作業は、人間が行うと非常に時間がかかりますが、もしこのようなAIツールを利用すれば非常に短時間で業務をこなせます。**

仕事を効率化したい方や煩雑な業務の負担を減らしたい方は、ぜひ本記事を参考にしつつChatGPTとWhisperを活用してみましょう。

ChatGPTの使い方とは？実際に使用するまでの流れを解説！

OpenAIが公開しているChatGPTは、便利なAIツールとして話題を集めていますが、実はWhisperというサービスもリリースしています。本記事ではChatGPTとWhisperの違いや、Whisperの使い方を解説します。

ChatGPTとWhisperの概要について分かります

ChatGPTとWhisperを使った文字起こしの方法が分かります

ChatGPTとWhisperについて不明点がある時は、ドキュメントも活用しましょう

ChatGPTとWhisperの違いは？料金や使い方も解説

Kubernetesは、コンテナのオーケストレーションを行うオープンソースソフトウェアです。ここで言うオーケストレーションとは、コンピュータシステムのサービス設定や提供・管理の各種手続きを自動的に行う考え方で、アプリケーション管理を含めた統合運用が可能です。
【参考】：[公式-Kubernetes](https://kubernetes.io/ja/)
【参考】：[公式-Kubernetesとは何か？](https://kubernetes.io/ja/docs/concepts/overview/what-is-kubernetes/)

ここではKubernetesの基本モジュールを説明をしていきます。*「Pod」とはKubernetesのアプリケーションの管理で用いる基本的な実行単位です*。Podの集合体はアプリケーションを公開する仕組みで、「サービス」と呼ばれています。管理対象となるインフラを「ノード」（Node）と言います。Podは最小のデプロイメント単位なため、単一インスタンスで構成可能です。

各ノードを制御し、タスクを割り当てる機器を「マスター」あるいは「コントロールプレーン」と呼びます。マスターへのリクエストは、Kubernetesのコマンドラインツールである「kubectl」を用います。マスターと対比させて、各実行ノードを「スレーブ」あるいは「ワーカーノード」という場合もあります。

Kubernetesはクラスタ内でアプリケーションのデプロイ・スケール・管理を実行できます。全体の効率向上・品質向上・スピード向上が実現でき、可能性向上が求められる企業向けに活用が進んでいます。

以下にKubernetesでできることを簡単に整理してみます。
・*コンテナ化されたアプリケーションのデプロイとリリース*
Dockerでは単一ノードのみですが、Kubernetesではクラスタのノード間でアプリケーションのデプロイとリリースができます。

・*コンテナ化されたアプリケーションの実行と管理*
アプリケーションの実行と管理をクラスタで行うことができます。

・*スケーリングを実行*
状況に応じてデプロイ・スケーリング・実行の手順を自動化することができ、負荷分散に対応します。

・*障害時に復旧処理を実行*
クラスタの機能を維持しながら、インスタンスの障害復旧を行います。

KubernetesはDockerでコンテナ化されたアプリケーションの実行を管理します。複数ノードで動作が可能で処理を自動実行することができます。より効率的な運用に近づけることを目的とします。さらに自動障害復旧の用途にも利用されています。
【参考】：[公式-Kubernetesの基本を学ぶ](https://kubernetes.io/ja/docs/tutorials/kubernetes-basics/)

入門ハンズオンとしてMinikubeを使ってみましょう。Minikubeは、*Kubernetesクラスタをローカルで環境構築・実行してくれます*。つまり、手っ取り早く利用することができます。
【参考】：[公式-Kubernetes チュートリアル](https://kubernetes.io/ja/docs/tutorials/)

このハンズオンは、ブラウザだけでできてしまう優れものです。ここではMinikubeとKatacodaが使われています。Katacodaはインタラクティブな学習プラットフォームで、DockerやKubernetesをはじめとする多くのラーニングに活用されています。

Hello Minikubeは、*実際のKubernetesのハンズオン手順です*。初心者でも操作を簡単に行うことができます。
【参考】：[Hello Minikube](https://kubernetes.io/ja/docs/tutorials/hello-minikube/)

このハンズオンで最初に「Launch Terminal」をクリックしてください。それによりブラウザ下部にTerminalが表示されます。すでにMinikubeをインストール済みであれば、”minikube start”で実行できます。次に「minikube dashboard」をクリックし、ポート番号30000を「Display Port」で表示します。

以降kubectlを用いて処理を行います。Podの状態を確認するためにDeploymentを”kubectl create deployment”で作成します。Deploymentの確認は”kubectl get deployments”を、Podの確認は”kubectl get pods”を実行します。

続いてPodを外部公開するためには、Serviceを作成します。”kubectl expose deployment”でServiceのタイプを設定し、”minikube service”でServiceを作成します。

先のハンズオンで用いたkubectlコマンドは、Kubernetesのコマンドラインツールで*クラスターの制御に用います*。基本構文は以下の通りです。

```基本構文：
　kubectl [コマンド] [タイプ] [ネーム] [フラグ]```
コマンド：実装する操作を指定します。create・get・describe・delete・logs・exec等です。
タイプ：リソースタイプを指定します。nodes・pods・services等で省略形が定義されています。
ネーム：リソース名を指定します。
フラグ：オプションフラグです。
【参考】：[公式-kubectlの概要](https://kubernetes.io/ja/docs/reference/kubectl/overview/)

Katacodaを用いて、kubectlの代表的なコマンドを実行してみました。
“kubectl get”はリソースの一覧を表示します。nodes・pods・servicesの実行結果は以下の通りです。
```$ kubectl get pods
NAME                          READY   STATUS    RESTARTS   AGE
hello-node-7567d9fdc9-76d4g   1/1     Running   0          44m
$ kubectl get services
NAME         TYPE           CLUSTER-IP    EXTERNAL-IP   PORT(S)          AGE
hello-node   LoadBalancer   10.106.2.14   <pending>     8080:30547/TCP   43m
kubernetes   ClusterIP      10.96.0.1     <none>        443/TCP          54m
$ kubectl get nodes
NAME       STATUS   ROLES                  AGE   VERSION
minikube   Ready    control-plane,master   54m   v1.20.2
$ ```

“kubectl describe”は、リソースの詳細情報を表示します。実行結果は以下の通りです。
```$ kubectl describe node
Name:               minikube
Roles:              control-plane,master
Labels:             beta.kubernetes.io/arch=amd64
                    beta.kubernetes.io/os=linux
                    kubernetes.io/arch=amd64
                    kubernetes.io/hostname=minikube
                    kubernetes.io/os=linux
　　　　　　　　　：
$ kubectl describe pod
Name:         hello-node-7567d9fdc9-76d4g
Namespace:    default
Priority:     0
Node:         minikube/172.17.0.48
　　　　　　　　　：
$```

“kubectl logs”は、Pod上の指定したコンテナ内に格納されているログを表示します。
```$ kubectl logs hello-node-7567d9fdc9-76d4g```

“kubectl exec”は、Pod上の指定したコンテナ内でコマンドを実行します。
```$ kubectl exec hello-node-7567d9fdc9-76d4g -- ls -l /
total 72
-rw-r-----   1 root root  436 May 28  2016 README.md
drwxr-xr-x   2 root root 4096 May  2  2016 bin
drwxr-xr-x   2 root root 4096 Nov 27  2015 boot
drwxr-xr-x   5 root root  360 Feb 22 09:08 dev
drwxr-xr-x   1 root root 4096 Feb 22 09:08 etc
　　　　　　　　　：
$```

これらのコマンド確認は、*Hello Minikubeで表示したTerminalのプロンプトで実行可能です*。各コマンドの動作を実際に確認してみてください。

Kubernetesのセットアップは、コントロールプレーンとワーカーノードを準備します。作業には*コンテナランタイムの他、kubeadm・kubelet・kubectlを用いて行います*。ご興味ありましたら、以下の公式リンクをご確認ください。
【参考】：[公式-CRIのインストール](https://kubernetes.io/ja/docs/setup/production-environment/container-runtimes/)
【参考】：[公式-kubeadmのインストール](https://kubernetes.io/ja/docs/setup/production-environment/tools/kubeadm/install-kubeadm/)
【参考】：[公式-ツールのインストール](https://kubernetes.io/ja/docs/tasks/tools/)

Kubernetesの公式サイトにはお話ししたハンズオンの他、多くの教材と提供パートナー情報が登録されています。無料の入門コースを利用して、*Kubernetes・Linux・クラウド技術を総合的に学習することができます*。
【参考】：[公式-Kubernetesのトレーニングと資格](https://kubernetes.io/ja/training/)

同様にハンズオンで用いたKatacodaは250の自習教材が登録されており、コンテナ管理の教材が充実しています。
【参考】：[Katacoda](https://www.katacoda.com/)

やはり書籍が良いという方は、入門書として「Docker/Kubernetes 実践コンテナ開発入門」を紹介します。技術評論社から出版されており、DockerならびにKubernetesの基礎から実際にアプリケーションを作るまでの工程をカバーしています。実際に動かすところまで体験することができます。
【参考】：[Docker/Kubernetes 実践コンテナ開発入門](https://gihyo.jp/book/2018/978-4-297-10033-9)

## まずは基礎から進めましょう

Kubernetesは簡単ではありますが、クラスタや負荷分散の考え方を理解する必要があります。業務用途に活用が増えていますが、システム信頼性・可用性を向上するために経験が求められます。経験を積むにはハンズオンが有効です。

*障害復旧やリスク対応の工程や手順を理解しておくと、実際に運用設計に活用できるのでスキルアップとしても有効です*。

DXの取組事例に学ぶDX成功のポイントとITエンジニアへの期待

DXとは？その意味と日本の現状、DX推進の障壁となる要因を分かりやすく解説！

Kubernetesは、コンテナのオーケストレーションを行うソフトウェアで人気があります。自動化機能によりスケーリングや障害復旧が可能です。ここでは、Kubernetesの概要情報からハンズオンで実際に確認できること、学習方法を解説していきます。

Kubernetesを利用すると、コンテナやアプリケーション管理を含めた統合自動化運用が可能です

学習方法としては、ローカルで動作するMinikubeを用いると便利です

システム信頼性・可用性を向上するためには、経験が求められるのでハンズオンが有効です

Kubernetes入門！使用方法やできることをわかりやすく解説！

VSCodeをインストールしたものの、具体的な使い方がまだ分からないという方も多いのではないでしょうか。**VSCodeはさまざまな機能を提供しているエディターではありますが、使い慣れるまでに操作を覚える必要があります。**

そうはいっても、VSCodeの基本的な操作方法はそれほど難しくありません。本記事では画面の説明から、ワークスペースを追加しコードを実行するまでの流れを、図解でまとめました。

これからVSCodeの使い方を身に着けようと検討されている方は、ぜひ一緒に手を動かして使い方を覚えましょう。

では早速、VSCodeの基本操作を確認しましょう。流れとしては、まず画面の中にある各エリアやアイコンの説明をします。**次に実際にワークスペースを追加し、コードを記載し実行するところまで行います。**

### 画面の中のエリアを確認しよう

まずはVSCodeの画面の中のエリアを確認しましょう。 画面左側のアクティビティバーにはアイコンが並んでいることを確認してください。（①）ここには拡張機能の検索・ソースの検索・管理・実行・デバッグなどがあります。

また、アクティビティバーのアイコンの上にカーソルを合わせると、アイコンの意味も表示されますので、時間のあるときに各アイコンを確認してください。

その1つ右隣にはサイドバーがあります。（②）こちらは現在開いているワークスペースやファイルの名前が表示されています。画面の右側は編集エリアで（③）、コードを記述する場所です。

さらに編集エリアの下にあるのが、ターミナルなどを表示するパネルエリアで（④）、タブで切り替えることが可能です。ここではターミナルやデバッグの情報、エラーの確認などができます。

1番下の青い部分はステータスバーといいます。（⑤）ここは現在開いているワークスペースの通知を表示したり、エンコードなどを表示してくれるエリアです。

【参考】：[ユーザーインターフェース](https://code.visualstudio.com/docs/getstarted/userinterface)

### ファイルやフォルダを作成しよう

画面の確認ができたところで、早速ファイルを作成してみましょう。画面左上の「ファイル」から「フォルダを開く」を選択してください。 ここで開くフォルダは任意のもので結構です。

フォルダを開いたら、VSCodeの左側にフォルダ名が表示されます。ちなみに本記事では、「sample」という名前のフォルダを設定しています。 フォルダ名にカーソルを当てると、アイコンがいくつか出てきます。

このアイコンの1番左側にある「新しいファイル」というアイコンをクリックしましょう。そうするとファイル名を入力できますので、好きなファイル名を設定してください。本記事ではファイル名を「test.js」としています。

ここからは、コードを記述してみましょう。*先ほどご紹介したエディタエリアに、コードを記述してください。*本記事では例として以下のコードを記述します。図も参考にしつつ、同様に入力して下さい。

- var msg = "Hello World";
- console.log(msg);

またコードを入力する際は、コードのインテリセンス機能を使うとより簡単に入力ができます。今回は非常に短いコードしか記述しませんが、実際の開発では非常に役に立つ機能です。積極的に使用して、使い慣れていきましょう。

コードを記述した後は、必ず保存をしましょう。ファイル名の右横に、白い丸印（①）が表示されている時は、最後にファイルを保存した時から変更箇所がある状態です。

保存が必要ですので、メニューバーから保存を行うか、「Ctrl」＋「S」キーまたは「Command」＋「S」キーで保存を行いましょう。ファイル名の横の白い丸印が消えれば、保存完了です。

また、VSCodeではソースを自動保存に設定することも可能です。画面左上の「ファイル」から「自動保存」を選択すれば、自動保存ができるようになります。

【参考】：[Visual Studio Code でのコード編集](https://code.visualstudio.com/docs/introvideos/codeediting)

ここからは記述したコードを、実行してみましょう。*ターミナルが表示されていない場合には、画面上部のメニューバーの「ターミナル」を選択しパネルエリアを表示します。*

ちなみにターミナルは、パネルエリア右上のアイコンを使用すれば、ターミナルの分割やターミナルの強制終了が可能です。

また、今回はnode.jsを使用してJavaScriptのコードを実行します。node.jsをインストールしていない場合には、node.jsの公式サイトからダウンロードとインストールをしましょう。

node.jsのインストールが完了した方は、次のステップに進みます。ターミナルに「node --version」（①）と入力し「Enter」キーを押しましょう。バージョンの値が返ってくれば、正しくインストールがされています。

バージョンの確認ができたら、早速コードを実行してみましょう。ターミナルに「node test.js」（②）と入力し、「Enter」キーを押します。ファイル名を違う名称にしている人は「test.js」を任意のファイル名に読み替えてください。

無事「Hello World」がターミナルに表示されたら、実行完了です。この後ターミナルを閉じたい場合は、パネル右上のバツ印を押します。

【参考】：[ダウンロード](https://nodejs.org/ja/download/)
【参考】：[Visual Studio Code でのコード編集](https://code.visualstudio.com/docs/introvideos/codeediting)

Node.jsとは？JavaScriptとの違いや使い所を解説

**ここからは、VSCodeを使う上でよくある疑問やトラブルをまとめました。**こちらもぜひ参考にしてください。

### VSCodeのインストール時にPATHの追加を忘れた

基本的にインストール時に、間違えてPATHの追加を忘れてしまったと言う方もいるのではないでしょうか。本来VSCodeのPATHの設定は、インストール時にチェックを入れておけば設定は必要ありません。*忘れてしまった場合は、手動で環境変数にPATHを追加しましょう。*

### JavaやPythonなどの言語も使用したい

VSCodeがサポートしている言語は、JavaScript・TypeScript・Node.jsです。*しかしJavaやPythonなど他の言語に関しては、拡張機能をインストールすると使うことができます。*

拡張機能をインストールすれば、インテリセンスやワークスペース内の自動インポートも可能です。各言語の詳しい設定方法が気になる方は、公式サイトを参考にしてください。

また拡張機能のインストール方法は非常に簡単なので、下図のように、VSCodeのアクティビティバーから対象の拡張機能を検索し、インストールして下さい。検索窓で言語名を入力（①）すると、候補がでてきますので、そこから簡単にインストールできます。（②）

サービス・ツール・技術の記事（43ページ目）