## 機械学習とディープラーニングの違い

今や誰もが知るAIは、機械学習・ディープラーニングと切っても切れない関係にあります。つまり、AIエンジニアを目指すなら機械学習とディープラーニングは必須知識であり、ITエンジニアの常識として押えておきたい用語でもあります。

この記事では、**AIの基本とも言うべき機械学習とディープラーニングの違いを中心に入門者の視点で解説していきます。**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、それぞれの概要を抑えておきましょう。

機械学習とディープラーニングを理解するには、これらのAIとの関係性を知る必要があります。AI、すなわち人工知能を構成する要素として機械学習があり、機械学習の1つの手法としてディープラーニングがあります。それらは

**『AI＞機械学習＞ディープラーニング』の関係にあり、AIの三大分類と言われています。**

AIに関しては明確な定義が定まっているわけではありませんが、AIは「Artificial Intelligence」の略で、人工知能と訳されています。つまり人の知覚や知性を人工的に再現するのがAIです。

AIという言葉を1956年に用いた科学者のジョン・マッカーシー教授の言葉から、一般社団法人「 人工知能学会」では、**AIを「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。**iPhoneに搭載されている音声アシスタントのSiriなどもAIの1つと言えます。

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

AIプログラマーとは？その年収や市場性について解説！

機械学習とは、学習する機械のことです。英語ではMachine Learningと呼ばれ、**与えられたデータから反復学習をして、その学習結果をモデル化（法則化）していきます。**これは単純に丸暗記ではなく、ある事象の特徴をつかむという点がポイントです。

特徴というのは、「クセ」や「傾向」のことで、その特徴から法則を見出していくのです。この法則を用いて、予測や判断に利用します。

機械学習エンジニアとは？仕事の内容や将来性について解説！

### ディープラーニング（深層学習） 

ディープラーニングの和名は深層学習ですが、これは機械学習の1手法です。機械学習では、データを学習して、その中から特徴を見つけ、そこから法則を見つけ出します。**ディープラーニングは多くの層が重なったディープ（深い）ニューラルネットワークを用いた機械学習技術を指します。**

例えば、画像認識や画像解析では、形や色以外に明暗や色相など画像を構成する要素が多数あります。その多くの特徴を「特徴量」として数値化し、読み込んだ画像と出力した画像が限りなく一致するための規則性を見出すための学習を行います。顔認証システムなどはまさにこのディープラーニング技術を用いて作られます。

### ニューラルネットワークとは

ニューラルネットワークとは**人の脳をモデルにした、パターン認識を行うための一連のアルゴリズムのことです。**他に画像認識に適したCNN（Convolutional Neural Network：畳み込みニューラルネットワーク）や音声・動画認識、自然言語処理に適したRNN（Recurrent Neural Network：再帰型ニューラルネットワーク）などのアルゴリズムがあります。

### 機械学習とディープラーニングとの大きな違い 

機械学習はデータの特徴を示してくれますが、その特徴を判断するのは人間です。一方、ディープラーニングはコンピューターがデータの特徴を判断します。**特徴を判断するのが人間なのか、機械（コンピューター）なのかが機械学習とディープラーニングの大きな違いと言えます。**

## 機械学習によってできること

機械学習はコンピューターの低価格化と性能向上により、より大量のデータを高速に処理することが可能となりました。その結果、**機械学習はビッグデータ解析やIoT分野も含め、さまざまな分野でその技術が活用されるようになっています。**ここでは機械学習の概要、併せて機械学習でできることなどを解説していきます。

機械学習について、今一度整理しておきましょう。**機械学習とは端的にいうと、人間の学習と同様の機能をコンピュータで実現するための技術です。**

▪与えられた大量のデータから、指定したアルゴリズムに従って機械（コンピューター）にデータの特徴を発見させるためのモデル

▪見出した特徴（クセや傾向など）からコンピューターが推論や判断を行う仕組み

学習する際に用いる**機械学習の学習方法は、以下の3種類があります**。

*1.教師あり学習*
　正解があらかじめ決まっている場合の学習法で、学習精度が高く、主に予測と判定に利用されます。

*2.教師なし学習*
　正解を与えずに学習をさせる方法で、正解を絞りづらい問題や正解データの作成が難しい問題などで活用します。

*3.強化学習*
　学習データそのものに正解は無く、試行錯誤から最適な行動を見つける学習法です。ゲームの学習や自動運転時の状況判断学習などに用いられます。

機械学習は大規模データの処理や分析によって、データの特徴を発見することができます。また、人的な作業や分析では発見できないような法則を見つけることも可能です。ここでは、**機械学習ができることや、活用事例などを紹介します**。

*▪過去データから未来を予測*
将来予測に関して、従来は人が経験や過去の事例などから行っていた予測を、過去の詳細かつ大量のデータから見出せる傾向や特徴から、精度の高い予測を行うことができます。

顧客の購買データ、行動パターン、天候などから販売予測をしたり、需要予測によって商品開発に生かすといったことができます。

*▪自動化する*
機械学習が得意なものとして、作業などの自動化です。パターン化された事務作業の自動化も得意分野です。また、チャットボットによるコールセンターサービス、無人レジなど様々な分野で無人化を実現できます。

他に、大量の画像データを学習させ、個人認証や顧客の特定化、画像診断などに利用できます。

また、自動車の自動運転なども一部実用化されています。

## ディープラーニングによってできること

ディープラーニング（深層学習）にはディープラーニングならではの得意分野があります。ここでは、**ディープラーニングによってできることを紹介していきます**。

ディープラーニング、すなわち**深層学習とは機械学習の1つで、さまざまなアルゴリズムを用いて学習を行うことです。**ディープラーニングでよく用いるDNN（Deep Larning、 Deep Neural Network）は、パターン認識のアルゴリズムを多層化したもので、人間の脳神経回路をモデルとしています。

### ディープラーニングでできること

ディープラーニングが得意とするのは、大きく分けると**「画像認識」「音声認識」「自然言語処理」「ロボットによる異常検知」の4つの分野に分かれます**。それぞれ簡単に紹介していきましょう。

*1.画像認識*
画像認識では、画像の特徴を見極め、その写っている物体や生物などを正しく認識できます。ディープラーニングによる画像認識技術は飛躍的に高まっており、人間よりも優れた能力を発揮するケースもあります。​

そのためディープラーニングによる画像認識の実用が進んでおり、空港における顔認証、入館時のセキュリティチェック、あるいは犯罪者の発見などでも活用されています。

*2.音声認識*
音声認識は、音声を識別してテキストデータに変換したり、文字起こしをしたりする技術です。ディープラーニングによる音声認識では、人の声にコンピューターが応答し、音声から本人を特定することも可能です。対話型のAIアシスタント機能を有するスマートスピーカーにもこの音声認識技術が利用されています。

また、会議の議事録を自動で作成するようなシステムもできています。​

*3.自然言語処理*
自然言語処理は人が日常でやり取りする言葉、自然言語を処理して分析する技術です。人が発する言葉を自動的に文字に変換し、要約をすることができます。他、外国語会話を日本語に自動翻訳することが可能となっています。

*4.異常検知*
ディープラーニングは異常検知にも利用されています。問題やトラブルのデータを解析し、僅かな異常を検知して、今後発生しそうな問題やトラブルに関するアラームを発することが可能です。マーケティング分野では、消費者の嗜好を分析するレコメンデーションがあります。また、自動車の自動運転技術として採用されています。

ここまで読んで、AIや機械学習に興味を持たれた方には、書籍でさらに体系的に学ばれることをおすすめします。ここでは、**AIや機械学習に関する入門書を紹介します**。

AI（人工知能）を1から学べる入門書です。**機械学習やディープラーニング、AIの歴史までを網羅しており、AIの概要を1冊で知ることができる定番書籍です。**

*【参考】：[人工知能は人間を超えるか](https://www.kadokawa.co.jp/product/321410000316/)*

▪著者：松尾　豊
▪価格：1,540円（税込）
▪出版：KADOKAWA
▪発売：2015/03/09
▪頁数：263ページ

### 試して学ぶ　機械学習入門 

簡単な機械学習モデルの構築やアプリ活用まで、**機械学習を試しながら「使える」スキルを身につけるのに適した入門書です。**プログラミング言語としてPythonを用いて機械学習を学ぶのに適しています。

*【参考】：[試して学ぶ　機械学習入門 ](https://book.mynavi.jp/ec/products/detail/id=103399)*

▪著者：竹野 峻輔、高橋 寛治
▪価格：3,289円円（税込）
▪出版：マイナビ出版
▪発売：2019年04月23日
▪頁数：280ページ

## 機械学習で使われるプログラミング言語

機械学習のプログラミングの利用されているプログラミング言語は複数ありますが、**一般的によく使われている言語といえば「Python」、統計解析用に開発された「R言語」も機械学習ではよく利用されています**。

Pythonは機械学習でよく用いられるプログラミング言語ですが、C言語と比較して非常にシンプルな言語で、**覚えやすく扱いやすい言語としても人気があります。**

また、Pythonはライブラリやフレームワークが非常に豊富であり、それらを利用して、効率的にプログラミングを行えること、機械言語に関わらずWebアプリの開発やゲームの開発などにも利用され、汎用性の高さも人気の理由です。

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

R言語は**統計解析やデータ分析、グラフィックを得意分野とするプログラミング言語です。**Pythonと同様にオープンソース言語で、無料で利用ができます。機械学習で用いられることがあり、特に統計解析用のパッケージが豊富なのが特徴です。統計解析の専門知識を持つ人は統計解析パッケージが豊富なR言語を利用すると良いでしょう。

R言語とは？特徴や何ができるのか、Pythonとの違いを解説

ここまで、機械学習とディープラーニングの違いをテーマに、AIについて解説してきました。AIは今やあらゆる分野で活用されており、**業務の効率化や自動化、セキュリティ分野、リスク回避、需要予測、災害予測などで私たちの生活を支えています。**

今後AIは一層多くの分野に浸透し、AIに対する需要は高まる一方と考えられます。AIに興味を感じた方はぜひ機械学習、ディープラーニングのスキルを身に付けてください。また、AI分野以外のエンジニアを目指す皆さんは、プログラミング言語としてPythonの修得に努めることをおすすめします。

AIと言えば機械学習とディープラーニング（深層学習）の知識は欠かせませんが、その違いについて理解している人は多くはありません。ここでは機械学習とディープラーニング（深層学習）の違いを中心に解説します。エンジニアを目指す方には必須知識ですので、ぜひ最後までお読みください。

AIの三大分類はAI＞機械学習＞ディープラーニングの関係にある

機械学習では与えられたデータを反復学習をし、その学習結果をモデル化（法則化）して予測や判定に利用する

ディープラーニングは多くの層が重なったニューラルネットワークを用いた機械学習の技術

エンジニアなら知っておくべき！機械学習とディープラーニングの違いとは？

OpenJDKは、**オラクルが提供するJavaのオープンソース実装版です。**2022年3月22日、オラクルよりOpenJDK 18の正式リリース発表がありました。6か月ごとの更新サイクルに基づく最新リリースで、ライブラリー・ツールの機能強化とアップデートを中心とする9つのプラットフォーム機能が強化されています。

【参考】：[OpenJDK 18](https://openjdk.java.net/projects/jdk/18/)
【参考】：[ORACLE Java 18を発表](https://www.oracle.com/jp/news/announcement/oracle-releases-java-18-2022-03-23/)

主要変更点としては、UTF-8がデフォルト文字セットとなることでしょう。この変更で、すべての実装・オペレーティングシステム・ロケール・構成で、一貫性が保証されます。

Java 17のOracle JDK 17が無償化？影響と将来性

### OpenJDKのリリースとダウンロード

OpenJDKのリリースは、GNU（ General Public License, version 2）ライセンスに基づきJDK（Java Development Kit）として実装したもので、*今回のリリースは「General-Availability Release」という正式リリース版です。*

LinuxのAArch64とx64版、macOSのAArch64とx64版、Windows x64版がビルドリリースされました。モジュールダウンロードは、公式ダウンロードサイトから入手可能です。

【参考】：[OpenJDK JDK 18 General-Availability Release](https://jdk.java.net/18/)
【参考】：[Java Downloads](https://www.oracle.com/java/technologies/downloads/)

Javaの仕様は、*JSR（Java Specification Requests）により、維持と改善が実施されています。*Javaのコミュニティプロセス（JCP：Java Community Process）にしたがって、メンテナンスされています。Java SE 18 PlatformはJSR 393により、規定されています。

【参考】：[JSRs: Java Specification Requests](https://www.jcp.org/en/jsr/detail?id=393)
【参考】：[Java SE 18 Platform JSR 393](https://openjdk.java.net/projects/jdk/18/spec/)

Java SE 18の仕様は、JSR（Java Specification Requests）で仕様化されています。**JSR 393がJava SE 18の仕様定義で、実際の提供コードやドキュメントはJSR 393に基づき成果物としてまとめられています。**
【参考】：[Java SE 18 ( JSR 393) Final Release Specification](https://cr.openjdk.java.net/~iris/se/18/latestSpec/)

JDKのリリースは、JDK Enhancement Proposals（JEP）に基づき、リリースされます。
【参考】：[JDK 18 Release Notes](https://jdk.java.net/18/release-notes)

ライブラリは、以下の主要な更新と改善がされています。

・*JEP 400: UTF-8 by Default*
　標準Java APIのデフォルト文字セットはUTF-8となります。デフォルトの文字セットを用いるAPIの一貫性が保証されます。

・*JEP 408: Simple Web Server*
　静的ファイルのみを提供するSimple Web Serverを起動するためのコマンドラインツールとAPIが、提供されます。プロトタイピング・アドホックなコーディング・テスト目的を想定しており、特に教育コンテキスト用途で有用です。

・*JEP 416：メソッドハンドルによるコアリフレクションの再実装*
　java.lang.invokeメソッドハンドルの上に、java.lang.reflect.Method・コンストラクタ・フィールドを再実装しました。java.lang.reflectとjava.lang.invoke APIの両方のメンテナンスと開発コストを削減します。

・*JEP 418 インターネットアドレス解決SPI*
　ホスト名とアドレス解決のためのサービスプロバイダインタフェース（SPI）を定義することで、java.net.InetAddressがプラットフォームの組み込みリゾルバ以外のアドレス解決リゾルバを使用可能にします。

また、 ツールの改善項目については以下の通りです。

・*JEP 413:  Java APIドキュメントでのJEP Code Snippets*
　JavaDocのStandard Doclet用の@snippetタグで、API ドキュメントへのサンプルソースコードを組み込みしやすくしました。

 続いて、JDK の将来のリリースに向けたプレビューとインキュベータとして、以下のJEPが対応します。

・*JEP 417: Vector API （Third Incubator）*
　スケーラブルなベクトル拡張を提供する CPU アーキテクチャの利用API です。

・*JEP 419: Foreign Function and Memory API （Second Incubator）*
　JavaプログラムがJavaランタイム外部のネイティブライブラリを呼び、ネイティブデータを処理できるようにします。

・*JEP 420 Switchのパターンマッチング（第2回プレビュー）*
　switch式とステートメントのパターンマッチングにより、複雑なデータ指向のクエリを簡潔かつ安全に表現することができます。

 ちなみに、Javaプログラムの将来実装についても以下のような記載があります。

・*JEP 421 Finalization for Removal を非推奨*
　Finalization は、テスト実施のために無効とすることができます。今後のリリースではデフォルトで無効化され、将来的には削除される予定です。Finalization に依存しているライブラリやアプリケーションの管理者は、try-with-resources 文やClass Cleanerなどへの移行を検討する必要があります。

*リリースされた機能の詳細はリリースノートに記載されています*。改善項目を以下にまとめました。
【参考】：[JDK 18 Release Notes](https://jdk.java.net/18/release-notes)

・SerialGCの文字列重複排除サポート（JDK-8272609）
・ParallelGC の文字列の重複排除サポート（JDK-8267185）
・ZGCの文字列の重複排除サポート（JDK-8267186）
・JEP 420 スイッチのパターンマッチング（セカンドプレビュー） （JDK-8273326）
・ファイラーからJavaFileManagerへの起点要素の受け渡し（JDK-8272234）
・JEP 417：Vector API（サードインキュベータ）（JDK-8269306）
・JEP 419： 外部関数とメモリAPI（第2インキュベータ） （JDK-8274073）
・JEP 418：インターネットアドレス解決SPI（JDK-8263693）
・JEP 408：シンプルWeb サーバー（JDK-8260510）
・Charset.forName() フォールバックのデフォルト値取得（JDK-8270490）
・JEP 400：デフォルトで UTF-8（JDK-8187041）
・java.util.Properties::store メソッドの日付シコメントを制御するシステムプロパティ（JDK-8231640）
・MessagerでのprintError・printWarning・printNoteメソッド（JDK-8273157）
・ElementのJavaFileObjectへのマップ（JDK-8224922）
・Outermost型のエレメント取得（JDK-8140442）
・SourceVersion と Runtime.Version のマッピング（JDK-8275308）
・Compilation Replayの改善（JDK-8254106）
・設定可能なカードテーブルVMオプション（JDK-8272773）
・G1ヒープリージョンを512MBまで拡大（JDK-8275056）
・Finalization向けJDK Flight Recorder Event（JDK-8266936）
・SunPKCS11 プロバイダーのPKCS#11 v3.0 API の部分的サポート（JDK-8255409）
・Security Manager API非依存のSubject.getSubject・doAs API（JDK-8267108）
・keytool と jarsigner コマンドに-versionオプションを追加（JDK-8272163）
・KeyStoreにgetAttributesメソッドを追加（JDK-8225181）
・PKCS12 KeyStore保存時にStore PasswordをNullに設定可能（JDK-8231107）
・JKSからパスワード不要KCS12 へcacert を移行（JDK-8275252）
・OCSPレスポンスにおけるRSASSA-PSSサポート（JDK-8274471）
・PKCS11ライブラリでSunPKCS11プロバイダのKW・KWPモード付きAES暗号サポート（JDK-8264849）
・javacのserial lint warningの拡張チェック（JDK-8202056）
・ドキュメントにスクリプトファイルを含めるオプション（JDK-8275786）
・JEP 413: Java API ドキュメントにおけるCode Snippets（JDK-8201533）
・DocLint メッセージへの@SuppressWarnings追加（JDK-8189591）

削除された機能およびオプションについても気になるところですが、同リリースノートに詳しく記載されています。必要に応じてご確認をおすすめします。

**Java SE 17と Java SE 18の違いについては、JSR 393: Java SE 18のAnnex 2に記載されています。**具体的には、以下のリンクにコンパイルした際の差異について記載されています。
【参考】：[JavaTM Platform, Standard Edition API Differences between Java SE 17 (build 35) & Java SE 18 (build 37)](https://cr.openjdk.java.net/~iris/se/18/latestSpec/apidiffs/overview-summary.html)

Java SE 18 APIの詳細については、以下のリンクに掲載されています。バージョンアップやコード移行時に参考にするのが良いでしょう。
【参考】：[Java® Platform, Standard Edition Version 18 API Specification](https://cr.openjdk.java.net/~iris/se/18/latestSpec//api/index.html)

## JDKの定期更新に期待しましょう

OpenJDKは、オラクルが提供するJavaのオープンソース実装版です。残念ながらオラクル版ではLTSには対応していませんが、6か月周期でのリリースが期待できます。*次期リリースとなるOpenJDK 19はすでに開発を始めています。*最新テクノロジーを追求したい方には、特に最新情報入手をおすすめします。

Java入門！概要やメリット、基本事項について徹底解説！

Javaでできることとは？メリット・デメリットについても解説！

2022年3月22日、OpenJDK 18が正式リリースされました。Javaの最新バージョンとなるJava 18の登場です。ライブラリー・ツールの機能を強化する最新版となります。ここではJava 18の新機能をリリースノートからピックアップし解説していきます。

OpenJDKは、オラクルが提供するJavaのオープンソース実装版です

2022年3月22日、OpenJDK 18が正式リリースされました

9つのプラットフォーム機能が強化され、UTF-8がデフォルト文字セットに変更されました

OpenJDK 18が正式リリース！Java 18の新機能を解説

2022年2月10日、最初のデベロッパプレビューとなるAndroid 13 Developer Preview 1が公開されました。次期リリースとなるAndroid 13では、*プライバシーとセキュリティを中核に、デベロッパーの生産性というテーマを設定し、改善を図ります。*
【参考】：[Android 13 Developer Preview](https://developer.android.com/about/versions/13)
【参考】：[The first developer preview of Android 13](https://android-developers.googleblog.com/2022/02/first-preview-android-13.html)

Android 13 Developer Preview 2 では、Developer Preview 1に対して全体的な安定性の改善を行っています。2022年3月17日にリリースしました。
【参考】：[Android 13 Developer Preview 2](https://android-developers.googleblog.com/2022/03/second-preview-android-13.html)

Android 13 Developer Previewとは、ハードウェアとエミュレータのシステムイメージをいち早く公開し、最新のプラットフォームコードでテストを可能にしたものです。リリース予定の次期バージョンのコードをテストし、アプリケーション互換性を高めるために提供されます。

さらに新機能を体感することで、利用者のフィードバックからさらなる改善を進めていきます。**利用は無料となっており、Developer Preview SDKとツールをダウンロードするだけで開始できます。**
【参考】：[Android 13 を入手する](https://developer.android.com/about/versions/13/get)

### Android 13 Developer Preview 1の対応機種

Android 13 Developer Preview 1の対応機種は、サポート対応機種が限定されます。具体的には、以下のGoogle製Android端末が対応します。

・Pixel 4、Pixel 4 XL
・Pixel 4a、Pixel 4a（5G）
・Pixel 5、Pixel 5a
・Pixel 6、Pixel 6 Pro

*正式リリースの最新バージョンとなるAndroid12の対応機種は、Google Pixel 3以降です。*Android 11ではPixel 2が対応していたことから、最新リリース毎に旧製品のサポートが終了していることがわかります。

プレビュー版利用の際にはAndroid EmulatorをAndroid Studioセットアップし、動作を確認することも可能です。
【参考】：[Android Emulator をセットアップする](https://developer.android.com/about/versions/13/get#on_emulator)

## Android 13 Developer Preview 1の新機能と変更点

ここでは、Android 13 Developer Preview 1の重点目標について解説していきます。大画面Android端末の利用メリットを高めることを目標としているAndroid 13 Developer Preview 1は、すでに12Lとして取り組みが始まっている大画面Android端末のサポートを継続し最新アップデートをベースとして開発を進めています。

さらに重要と考えられていることは、プライバシーとセキュリティです。**デバイスの利便性を高めるとともに、安全性を高めることにも注力しています。**そのための新機能について以降で解説していきます。
【参考】：[Android 13 の機能と変更点のリスト](https://developer.android.com/about/versions/13/summary)

### 「ユーザー エクスペリエンス」に関する新機能

ユーザー エクスペリエンスとは、操作により得られる操作感や体験を指します。大画面Androidデバイスは、2億5,000万台以上に上り「ユーザー エクスペリエンス」の向上がターゲットとなります。具体的な新機能は以下の通りです。
【参考】：[機能と API の概要](https://developer.android.com/about/versions/13/features)

*・テーマ別アプリアイコン*
Android ランチャーで、アプリアイコンの色合いに、ユーザーが選択した壁紙やテーマの色を反映することができます。アプリケーションではモノクロのアプリアイコンを用意することでこの機能がサポートされます。

*・クイック設定の配置API*
新しいタイル配置API で、アクティブなクイック設定のタイルにカスタムタイルを直接追加するユーザー操作を追加できます。

*・多言語ユーザーのサポートの強化*
APIにより、アプリケーションごとに言語を設定することができます。Unicodeライブラリを修正し、Unicode ICU 70・Unicode CLDR 40・Unicode 14.0 の修正変更がされています。

*・ハイフネーションの高速化*
ハイフネーションの高速化機能が、setHyphenationFrequency()に搭載され、最大200%のパフォーマンス改善となります。ハイフネーションにより、テキストの可読性が向上します。

### 「プライバシーとセキュリティ」に関する新機能

「プライバシーとセキュリティ」は、Android 13の中核を成す改善点です。関連する機能は以下の通りです。

*・写真選択ツール*
従来の様に、メディア ライブラリ全体へのアクセス権をアプリに付与する必要がありません。共有する特定の画像や動画を選択します。これにより共有するプロフィール写真等にアクセス権限を限定することができます。プライバシーの強化がされ、統一されるユーザーエクスペリエンスを提供します。
【参考】：[写真選択ツール](https://developer.android.com/about/versions/13/features/photopicker)

*・付近の Wi-Fi デバイスに対する新しい実行時の権限*
アプリが権限なしに Wi-Fi API を呼び出そうとした場合、SecurityExceptionとなります。今回、NEARBY\_WIFI\_DEVICESという実行権限が必要です。これでアクセス権限の正当性確認が容易になります。
【参考】：[付近の Wi-Fi デバイスに対する新しい実行時の権限](https://developer.android.com/about/versions/13/features/nearby-wifi-devices-permission)

Android 12は、2021年10月4日に正式リリースされた最新バージョンです。よりパーソナルにかつ安全に簡単に操作できることを目標として開発されました。だれでも安全に簡単に操作できるよう考慮されており、ユーザー補助にも注力しています。
【参考】：[Android 12](https://www.android.com/intl/ja_jp/android-12/)

Android 12の改良版として、12Lが2022年第1四半期にリリースされます。大画面タブレットの操作性向上のために、ユーザーインターフェースとマルチタスク機能を実装します。Android 13は、*Android 12Lの大画面 Androidデバイス対応に関する最新アップデートをベースとしています*。
【参考】：[12L: A new look for Android’s larger screens](https://blog.google/products/android/12l-larger-screens/)
【参考】：[12L Developer Preview](https://developer.android.com/about/versions/12/12L)

Android 13は、以下のように開発リリースを設定し、安定化に向けて準備を行っています。

*・プレビュー版*
APIの動作確認を、リファレンスデバイスとなるGoogle製Android端末で実施します。早期テストのフィードバックから改良を重ねていきます。2022年2月にデベロッパー プレビュー 1、2022年3月にデベロッパー プレビュー 2が設定され、すでにリリースされました。

*・ベータ版 1*
互換性を高めるためのアップデートを行っていきます。ベータ版 1は、2022年4月を予定しています。

*・ベータ版 2*
テストと開発の安定性を高めるためにビルドが提供されます。2022年5月を予定しています。

*・ベータ版 3*
プラットフォームとAPI を確定し、互換性を高めていきます。プラットフォーム安定版としてビルドを提供します。2022年6月が予定されています。

*・ベータ版 4*
最終ベータ版として、アプリ・SDK・ライブラリ・ツール・ゲームエンジンに対してアップデートをリリースします。新機能を用いたアプリケーションテストを行い安定化を進めます。2022年7月を予定しています。

*・最終リリース*
Android 13の安定版として正式リリースされます。2022年8月以降がリリースターゲットとなります。慣習では最新リリースは秋頃となっていますので、今回も例年通りの予定です。
【参考】：[Android 13 デベロッパー プレビュー](https://developer.android.com/about/versions/13/overview)

## Android 13でさらに向上するユーザーエクスペリエンス

大画面化が進むスマホでは、ユーザーインターフェースやマルチタスク機能の搭載が求められます。Android 13は、12Lで搭載される大画面機能をベースに開発が進められています。さらにセキュリティ機能やプライバシー保護も強化されます。**今後も使いやすく安全な次期バージョンの情報収集をしていきましょう。**

2022年2月10日、Android 13 Developer Preview 1が公開されました。続く3月17日にはPreview 2がリリースされました。ここではAndroid 13の新機能と変更点、ならびに今後のリリース予定について解説していきます。

2022年2月にAndroid 13 Developer Preview 1、3月にPreview 2がリリースされました

Android 13では、プライバシーとセキュリティを中核に、デベロッパーの生産性向上を目標としています

Android 13により、大画面向け操作性やユーザーエクスペリエンス向上がもたらされます

Android 13のデベロッパプレビューがついにリリース！新機能と変更点を解説！

*機械学習とは、多くのデータからパターンを認識する人工知能の学習手法のことです。*機械学習でもっとも有名なのは教師あり学習と呼ばれる分野です。何が正解かをあらかじめ人工知能に教え、入力データに対して正解となる出力ができるようにします。ほかにも、教師なし学習や強化学習といった分野があります。

機械学習は将棋AIや顔認識システム、ECサイトのレコメンド機能などで既に使われています。人工知能の学習手法の中でも実用性が高いと言えるでしょう。

この記事では機械学習入門者から上級者までおすすめの書籍をピックアップして紹介します。

## 機械学習を学ぶ人がまず読みたい本 3選

機械学習をこれから学ぶ人におすすめの本を3冊紹介します。機械学習にかぎらずAIやデータサイエンス全般について詳しく解説されており、基礎知識を得られる本をまとめました。

### ビジネスの現場で使えるAI&データサイエンスの全知識

*本書はビジネス現場でAIがどのように役立つのか解説しています。*身近なことに置き換えてわかりやすく機械学習を学びたい方におすすめの本です。難しい話にはあえて触れずに解説しているので、初心者にもおすすめできます。

▪出版社：インプレスブックス

【参考】：[ビジネスの現場で使えるAI&データサイエンスの全知識](https://book.impress.co.jp/books/1121101015)

### 一般教養としての人工知能入門

本書はAIや機械学習に関して文系でも理解しやすいようにまとめてあります。**AIの基礎から応用まで数式なしで解説しているため、数学知識がない方でも読み進めることが可能です。**また、AIと社会のつながりやAIの限界などについても触れています。

【参考】：[一般教養としての人工知能入門](https://www.kindaikagaku.co.jp/book_list/detail/9784764906389/)

### 図解まるわかり AIのしくみ 

*機械学習やディープラーニングについて図解で解説している1冊です。*図が多く挿入されているため、文章を読むのが苦手な方でも読み進められます。また、機械学習に関連するキーワードの説明も解説されており、入門書として最適と言えるでしょう。

【参考】：[図解まるわかり AIのしくみ](https://www.shoeisha.co.jp/book/detail/9784798170138)

## Pythonでの機械学習を学ぶのにおすすめの本　4選

Pythonで機械学習を学ぶのにおすすめの本を4冊まとめました。Pythonは機械学習で多く使われている言語ですので、機械学習と合わせてPythonも学ぶことをおすすめします。

### Python3年生 機械学習のしくみ 体験してわかる! 会話でまなべる!

本書はPythonでの機械学習に関して入門者向けに分かりやすく解説しています。**機械学習の基本的な仕組みについてサンプルコードを提示しながら解説しているため、実際に手を動かして学ぶことが可能です。**Pythonの文法をマスターしたら次に読みたい1冊です。

【参考】：[Python3年生 機械学習のしくみ 体験してわかる! 会話でまなべる!](https://www.shoeisha.co.jp/book/detail/9784798170305)

### RとPythonで学ぶ[実践的]データサイエンス&機械学習【増補改訂版】

*本書はPythonやRでの実践的な機械学習について学ぶことが可能です。*Pythonを利用してデータからモデルを作成して結果を得るための手順を学ぶことができます。本格的に機械学習について学びたい方におすすめの1冊です。

▪著者：有賀 友紀、大橋 俊介

【参考】：[RとPythonで学ぶ[実践的]データサイエンス&機械学習【増補改訂版】](https://gihyo.jp/book/2021/978-4-297-12022-1)

### スッキリわかるPythonによる機械学習入門 (スッキリわかる入門シリーズ) 

本書はPythonでの機械学習に関して手順を追ってしっかり学ぶことができる1冊です。はじめは機械学習とはなにかという点から解説し、後半では機械学習の応用について解説されています。本書を読むことで、機械学習初心者から中級者まで上達することができるでしょう。また、**Pythonでよくあるエラーの解決方法についても解説されています。**

【参考】：[スッキリわかるPythonによる機械学習入門 (スッキリわかる入門シリーズ)](https://book.impress.co.jp/books/1120101028)

### そろそろ常識？ マンガでわかる「Python機械学習」

*本書は漫画でPythonでの機械学習について解説されています。*漫画でありながら機械学習の各手法について詳しく解説されており、実践的な内容と言えます。漫画なので文字を読むのが苦手な方も楽しく読み進めることができるでしょう。

▪著者：田中 賢一郎、澤田 千代子

▪出版社：シーアンドアール研究所

【参考】：[そろそろ常識？ マンガでわかる「Python機械学習」](https://www.c-r.com/book/detail/1420)

## 機械学習に必要な数学を学ぶのにおすすめの本 3選

機械学習を行う場合、線形代数や微分積分といった数学知識が必要になることが多いです。そこで、機械学習で使われる数学を学ぶのにおすすめの本を3冊まとめました。

### 問題解決のための「アルゴリズム×数学」が基礎からしっかり身につく本

*本書はアルゴリズムと数学の知識を基礎から身につけることが可能です。*有名なアルゴリズムと数学的考察について丁寧に解説されています。また、数学の問題が200問も掲載されており、習熟度を確かめながら勉強を進めることが可能です。

【参考】：[問題解決のための「アルゴリズム×数学」が基礎からしっかり身につく本](https://direct.gihyo.jp/view/item/000000002544)

### 高校レベルからはじめる! やさしくわかる線形代数 

本書は機械学習で頻繁に使われている線形代数について解説しています。**線形代数は、高校で学んだものの忘れている方が多い分野なので、本書で復習すると良いでしょう。**線形代数の活用例も挙げているため、線形代数がどのように機械学習で使われているかもイメージできるようになります。

【参考】：[高校レベルからはじめる! やさしくわかる線形代数](https://www.natsume.co.jp/books/15947)

### 文系学部のための線形代数と微分積分

*本書は高校レベルの線形代数と微分積分の基礎をおさえられる1冊です。*線形代数と微分積分は、機械学習では多く使われる数学分野です。「積分とは何か」「線形代数とは何か」という点から詳しく解説しているため、数学に苦手意識を持つ方でも読み進めることができます。

機械学習を学びたいと思っても、なにから始めるべきか分からないという方は多いのではないでしょうか？機械学習を学ぶならまずは本を読んで、基礎知識を幅広く身につけるのがおすすめです。当記事では、機械学習を学べる本について解説します。

機械学習とは、多くのデータからパターンを認識する人工知能の学習手法のこと

機械学習を学ぶならまずは本を読んで基礎知識を身につけるのがおすすめ

機械学習の本には概要を学べるものから、Pythonのライブラリを学べるものまでさまざまな種類がある

機械学習が学べるおすすめの本12選！初心者から上級者まで厳選してご紹介！

G Suite for Educationとは、*Googleが提供する教育機関向けのクラウド型グループウェアサービスです*。G SuiteではGmailやGoogleドライブなど、ビジネスで必要不可欠なSaaSをまとめて提供していましたが、本サービスでは教育機関に特化したSaaSが追加されるなど、教育現場へのサポートに特化した形となっています。

**本記事では、G Suite for Educationの概要・メリット・料金プラン・登録方法などを解説し、いくつか特徴的なアプリケーションもご紹介します**。

### 2021年2月より「Google Workspace for Education」へ

G Suiteがサービスを終了し、Google Workspaceへと切り替わったのと同様に、**G Suite for Educationも名称が2021年2月に「Google Workspace for Education」へと変更され、サービス内容も一部変更となりました**。本記事では、この新しいGoogle Workspace for Educationの内容をベースに解説していきます。ちなみに大きな変更点としては、

- 無料プランでのストレージ容量が無制限から100TBへ制限

- Google ClassroomやGoogle Meetに新機能が追加

- 料金体系が従来の2つから4つに分かれて提供

【参考】：[Education Fundamentals | Google for Education](https://edu.google.com/products/workspace-for-education/education-fundamentals/)

Google Workspace for Educationは、*「Google for Education」というGoogleの教育向けソリューションの中の一部として提供されているサービスです*。同ソリューションではGoogleのクラウド技術を提供するGoogle Cloudと、教育環境に最適なノートパソコンであるChromebookも上記に合わせて提供されています。

新たに切り替わったGoogle Workspace for Educationでは、**4つの料金プランが提供されています。**料金については公式ページにおいて、問い合わせが必要となっているため、あくまで参考価格となっています。

サービス・ツール・技術の記事（47ページ目）