## JavaScriptのライブラリは何を勉強すれば良いか難しい

*JavaScriptは長く活躍し続けている言語のため、ライブラリの数が豊富です。*そのため、これからJavaScriptライブラリを勉強する方は、どれから勉強すれば良いか分からない場合が多いのではないでしょうか。

開発内容によってライブラリは使い分けるものですが、ライブラリ初心者の場合、自分が開発したい分野に合わせてライブラリを選択するのも難しいでしょう。

JavaScriptの用途やできることを初心者向けに紹介！

## JavaScriptライブラリは需要の高いものから優先して勉強する

**JavaScriptライブラリは需要の高いものから優先して学習することをおすすめします。**「The State of JS 2021」によると、フロントエンド開発で特に人気が高いJavaScriptライブラリは次の3つです。

<br/>プログラミング言語に流行り廃りがあるのと同じように、ライブラリにも人気があるもの・下火になっているものがあります。現状人気が高いライブラリなら、学び終えた頃にも主流で使われている可能性が高いと言えます。

そのため、なるべく需要の高いJavaScriptライブラリを選択することをおすすめします。

【参考】：[The State of JS 2021: ライブラリ](https://2021.stateofjs.com/ja-JP/libraries/)

<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>

JavaScriptに関するフレームワークについて徹底解説！

## JavaScriptライブラリを学ぶ前に知っておきたいこと

JavaScriptライブラリを学ぶ前に、知っておきたいことについてまとめました。JavaScriptライブラリを開発で導入するメリットや、JavaScriptエンジニアの年収について解説しています。

### JavaScriptライブラリを導入するメリット

JavaScriptライブラリを開発で導入することで、生産性が向上するメリットがあります。ライブラリのプログラムを活用すれば自分でコードを書かなくて良いため、プログラミングの時間を削減できます。加えて、テストにかかる時間も減らすことが可能です。

*特に有名なライブラリは何度もアップデートが行われているため、バグが少ないうえに性能も高いことが多いです。*ライブラリを活用することで、システムの質も高めることができます。

### JavaScriptエンジニア（フロントエンドエンジニア）の年収について

フロントエンド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385万円、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SE・プログラマ（ソフトウェア製品の開発・実装）を参考にすると、平均年収568万円と分かりました。

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、マイナビの調査では民間企業平均年収よりもやや低く、経済産業省ではやや高いということになります。

フロントエンドエンジニアと一口にいっても担当範囲や企業の規模などは異なるため、統計方法によって平均年収に差が出るのではないかと予想されます。**JavaScript自体は安定した需要を誇っているため、フロントエンドエンジニアの年収は今後さらに高まる可能性があります。**

【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/income/category/creative_05.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)
※【平均年収 調査対象者】 2015年〜2016年末までの間にマイナビエージェントにご登録頂いた20代・30代の方

【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)

## JavaScriptの主要ライブラリの特徴

JavaScriptの主要ライブラリの特徴についてまとめました。各ライブラリがどのような開発分野で活躍しているのか、なぜ優秀さが認められているのか、について解説します。

*ReactはFacebook社（現Meta社）が開発した、UI構築がメインのライブラリです。*ソースの可読性の高さや拡張性の高さから多くの企業に人気があります。参考書も多く、初心者でも学習しやすいライブラリと言えるでしょう。

【参考】：[React – ユーザインターフェース構築のための JavaScript ライブラリ](https://ja.reactjs.org/)

Reactの将来性はVue超え？できることやメリット・デメリットも解説

AngularはGoogle社が開発したフルスタックライブラリです。Angularはフロントエンド開発に必要な機能を一通り網羅しているのが特徴です。**他のライブラリを併用する必要がなく、Angularのみでシンプルに開発を進めることができます。**

【参考】：[Angular 日本語ドキュメンテーション](https://angular.jp/)

Vue.jsはAngularを参考に作られたライブラリです。*学習コストが少ないうえに日本語の情報も多いため、初心者におすすめできると言えます。*最低限の機能を中心に揃えた軽量なライブラリであり、小規模な開発に特に適しています。

【参考】：[Vue.js](https://jp.vuejs.org/index.html)

Vue.jsとは？すぐに分かる概要から特長・使い方まで解説！

## JavaScriptライブラリの学習方法

最後に、JavaScriptライブラリの学習方法についてまとめました。ライブラリの仕様を理解し、実務で使えるレベルまでスキルを高める方法を解説していきます。

上記で紹介した有名なライブラリなら参考書も多く販売されています。参考書でライブラリを学ぶなら、なるべく出版が最新のものを選ぶと良いです。**有名なライブラリは何度もアップデートされており、仕様が昔と異なる場合もあるためです。**

また、初心者の場合はインストール方法から丁寧に解説されているものを選ぶ方が良いでしょう。

JavaScript入門者・中級者におすすめの技術本8選！

JavaScriptライブラリについて学べる学習サイトも多くあります。*学習サイトによっては、基礎だけにとどまらずライブラリを使って実際にアプリを作る手順まで解説しているものもあります。*手軽にどこでも勉強できるので、勉強が長続きしやすいのもメリットでしょう。

【JavaScript学習ロードマップ】勉強する上で重要なポイントも紹介

### 研修が充実した企業に転職する

**独学に自信がない場合は、研修が充実した企業に転職し、JavaScriptライブラリを含めたフロントエンドエンジニアに必要なスキルを1から学ぶ手もあります。**

企業の中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。

<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>

## JavaScriptライブラリの知識を活かせる企業に転職したいなら

本記事ではJavaScriptライブラリについて解説しました。どのJavaScriptライブラリを学べば良いのか、お分かりいただけたかと思います。

しかしながらJavaScriptライブラリを習得できても、「JavaScriptライブラリのスキルを活かせる企業に転職するのが難しい」と考える方も多いのではないでしょうか。特に転職活動が未経験の方は、不安を感じる場合が多いでしょう。

企業がどのライブラリを使って開発を進めているかは求人概要を見れば分かりますが、その企業に転職するには当然選考を突破しなくてはいけません。**スキルを身につけていても、選考でスキルを最大限にアピールできなくては転職するのは難しいでしょう。**

そこでぜひご活用いただきたいのが[マイナビIT エージェント](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)です。 

マイナビIT エージェントは、IT・Webエンジニア向けの無料の転職⽀援サービスです。

IT・Webエンジニアの転職事情に詳しいキャリアアドバイザーが、あなたのご経験やスキルをお伺いし、転職活動のプランをご提案致します。

アドバイザーは企業側の人事担当者と直接連携を取れますので、求人票に載っていない企業情報も確認することができます。残業時間や給与面など、働き方などをしっかり確認の上で応募企業を選んでいくのが良いでしょう。

・資格やプログラミングの勉強をしているけれど、企業が求めるレベルに達しているのかわからない
・スキルアップをして市場価値を上げていける企業の選び方を知りたい
・数多くあるITエンジニアの職種の中で、自分に向いている仕事は何か知りたい

こうした悩みを抱えていらっしゃる方は、まずは無料登録でキャリアカウンセリングをおすすめ致します。

JavaScriptライブラリを勉強しエンジニアとしての仕事の幅を広げたいものの、どのライブラリを勉強すれば良いのか分からない方も多いのではないでしょうか。本記事ではこれから学ぶのにおすすめできるJavaScriptライブラリを3つまとめました。

JavaScriptライブラリは需要の高いものから優先して勉強するのが良い

JavaScriptライブラリの中でも人気が高いのがReact・Angular・Vue.jsの3つ

JavaScriptライブラリの知識を活かせる企業に転職したいならエージェントを活用

JavaScriptの主要ライブラリ3選！学習方法についても解説

最初にOpenCVとはどういうものか・ライブラリとは何かなど基本的なことについて解説しています。**OpenCVは画像処理を行う場合に便利なライブラリです。**ぜひこの機会にOpenCVの使い方を覚えてください。

音声処理も可能？OpenCV 4.5.5の新機能について解説！

OpenCVは「Open Source Computer Vision Library」の略であり、画像処理に関連する処理をまとめたライブラリです。開発者はCPUで有名なIntelです。**OpenCVはオープンソースなため誰でも無料で活用し、自由にWebアプリなどを作成することができます。**趣味の範囲だけでなく、商用利用も問題ありません。

OpenCVはすでに多くの場面で使われており、人工知能開発・ロボット開発・モバイルアプリ開発など、数多くのアプリケーションがリリースされています。*OpenCVの利点はさまざまなプラットフォームで動作することです。*Windows・Linux・スマホなどOSに縛られず使用することができます。

【参考】：[OpenCV](https://opencv.org/)

**ライブラリとはよく使う機能がパッケージとしてひとまとめになったもののことです。**インストールして使うことができ、ライブラリを自分のプログラムに読み込ませることで特定の機能を使うことが可能です。

ライブラリにはインストールして使うものの他に、*最初から使える標準ライブラリというものもあります。*Pythonなどにも数多くの標準ライブラリがあります。

**画像処理とはコンピューターを使って画像の色や大きさを変えたり、画像から別の画像を作り出したりする処理の全般を指します。**人工知能の進歩と共に画像処理も徐々に進化を遂げています。ディープラーニング技術を使うことによって、猫の画像をコンピューターが識別できるようになったことは大きな話題となりました。

そして*画像処理を応用することで、さまざまなアプリケーションを作ることができます。*作成可能なアプリケーションの一例として、顔認証アプリや文字認識アプリなどが挙げられます。

### OpenCVが使えるプログラミング言語

OpenCVはさまざまなプログラミング言語で使用することができます。使用可能なプログラミング言語にはC言語・C++・Javaなどがありますが、*特にPythonで使われることが多いです。*

Pythonは人工知能開発で多く使われる言語であり、他にも多種多様なライブラリを使うことができます。Pythonには「OpenCV-python」というものがあり、こちらをインストールすることでOpenCVを活用可能です。**OpenCVで画像処理を行いたいなら、Pythonを使うのがおすすめです。**

ここではOpenCVを使ってできることをまとめました。OpenCVでは具体的にどのような画像処理ができるか解説します。画像処理について知識を深めたい方はぜひお読みください。

まずできることは画像の表示です。OpenCVでは画面に表示する画像を数値で書き表すことが可能です。**数値で書き表すだけでOpenCV内のプログラムが画像表示をしてくれます。**

具体的にはimreadというメソッドを活用します。imreadにファイル名を指定すれば画像が読み込まれ、その後imshowメソッドやwaitKeyメソッドなどを使って画像を表示させます。*画像はカラーのまま表示することも、白黒で表示することも可能です。*またimwriteメソッドで画像を別ファイルに保存することもできます。

OpenCVでは画像の編集が行えます。**画像の大きさの調整や切り取りも簡単に実行することが可能です。**大きさの調整はresizeメソッドで行えます。こういった画像編集は機械学習を行う上では欠かせません。人工知能が画像を読み込む際は画像のサイズなどの要素を統一した方が学習しやすくなります。

**OpenCVにはノイズ除去を行うためのメソッドも、多く用意されています。**blurメソッドやGaussianBlurメソッドを状況に応じて使い分けることで、綺麗な画像を作成できます。解析処理を行う際、ノイズが邪魔をして上手く解析できないことはあります。そういった場合はOpenCVを使ってノイズ除去を行います。

見本画像と似ている画像なのか検出することが可能です。こういった処理をテンプレートマッチングと呼びます。**OpenCVでは「matchTemplate」などのメソッドを使用することで、テンプレートマッチングを行うことが可能です。**

続いてOpenCVを使うメリットを解説します。画像処理はOpenCVを使わなくても可能ですが、OpenCVを使った方が開発作業が効率化されるなどの利点があるでしょう。ここではOpenCVを使う具体的なメリットを解説します。

**OpenCVのメリットは使い方が簡単なことです。**Pythonで利用する場合コマンドを使うだけでインストールが完了します。Windowsではpipコマンド・Macではbrewコマンドを使います。またOpenCVはメソッドの使い方さえ覚えてしまえば、初心者でも使いこなすことが可能です。

顔認証にも使われるOpenCVをインストールして使ってみよう！

**OpenCVはVR開発にも応用することが可能です。**画像だけでなく物体を読み込んで動きや位置を解析することができるためです。

VRやARの開発にはUnityを使う方が多いでしょう。UnityにはOpenCV for Unityというプラグインがあり、こちらを購入してダウンロードすればUnityでOpenCVが使えます。

### 他のPythonライブラリと併用可能

Pythonには他にも数多くのライブラリが存在します。計算結果を表示できるmatplotlib・数値計算を効率的に行えるNumpy・多くの機械学習アルゴリズムが実装されたscikit-learnなどです。**これらのライブラリとOpenCVを組み合わせることで、さらなる効果を発揮します。**

Pythonのよく使うライブラリ一覧！一段上の開発を目指そう

ここではOpenCVの具体的な活用事例を紹介します。OpenCVを使ったアプリケーションは私たちの生活のいたるところで既に活躍しています。今回はそれらの一部をご紹介します。

**OpenCVによる人間の顔を判断する顔認証システムが開発されています。**コンピューターは多くの画像を学習することにより、人の目や顔がどこにあるのか認識することが可能です。顔認証システムは実にさまざまな所で使われています。

顔認証システムの一例として空港でのセキュリティチェックやスマホのID認証などが挙げられます。顔認証は指紋認証よりも精度が高いと言われており、今後更に活用されていくと推測されます。

**OpenCVによる交通標識の自動認識アプリも開発されています。**交通標識があるとスマホが作動しARで交通標識の意味を教えてくれるというものです。外国人観光客などは日本の交通標識の意味を知らないこともあり、そういった場合に活用されています。

[【ONETECH】AR + AIで標識認識アプリ作成しました。](https://www.youtube.com/watch?v=HJlYXgZIdYo) 

**OpenCVで画像認識を行うことでゲームの戦況を可視化するツールも開発されています。**戦況を画面上に表示させることで、戦況を見つつキャラコントロールを行うことが可能です。ゲームにおいてもOpenCVのさまざまな機能が活用されています。

[C++/OpenCVでスプラトゥーン2の戦況を可視化する索敵補助ツール作ってみた](https://qiita.com/Kazuma_Kikuya/items/4767afe581c94b0c16f1) 

ここまでOpenCVでできることやメリット・活用事例について詳しく紹介してきました。ここではOpenCVの使用方法や活用方法を学ぶのにおすすめの手段をいくつか紹介します。

**OpenCVについて学ぶ方法のひとつとして「セミナーの受講」があります。**オンラインで受講できるものが多く、中には実際に自身のパソコンにOpenCVをインストールし使用するというセミナーもあります。

セミナーにはOpenCVの基礎から応用まで学べるものもあれば、OpenCV以外の知識についても身につけることができるものあり、*自分の知りたいことに合わせて学ぶことができます。*

**OpenCVを自分のペースで学んでいきたいという場合におすすめなのが、書籍を利用した学習方法です。**画像処理や機械学習などある機能に特化したものから全てを網羅しているものまで、OpenCVについて解説・説明している書籍は数多くあります。そのため自分が学びたいことを明確にしてから選ぶことが大切です。

OpenCV学習におすすめの書籍をいくつか紹介しています。他にもOpenCVについて学べる書籍はありますので、自分に合ったものを探してみてください。

・*「解説 OpenCV 3」*
カメラ入力やファイル出力の方法から物体や動きのトラッキング方法・機械学習方法まで丁寧に解説されています。OpenCVについて基礎から学ぶことのできる一冊となっています。

【参考】：[解説 OpenCV 3](https://www.oreilly.co.jp/books/9784873118376/)

・*「OpenCVによる画像処理入門」*
画像処理について解説されているだけでなく、実際に手を動かしながらOpenCVについて知識を深めていける一冊です。C言語・C++・Pythonの3言語に対応しています。

【参考】：[OpenCVによる画像処理入門](https://www.kspub.co.jp/book/detail/1538290.html)

・*「OpenCVとPythonによる機械学習プログラミング」*
OpenCVによる機械学習プログラミングを学びたい場合におすすめの一冊で、書籍版とPDF版があります。多種多様なアルゴリズムとOpenCVとの使用方法について分かりやすく解説されています。

【参考】：[OpenCVとPythonによる機械学習プログラミング](https://book.mynavi.jp/ec/products/detail/id=92292)

## OpenCVを習得してスキルアップを目指す

本記事ではOpenCVでできることやメリット・具体的な活用事例などについて詳しく紹介してきました。*OpenCVは簡単にインストールすることができます。また使い方も分かりやすく、初心者でも勉強しやすいライブラリとなっています。*

画像処理や人工知能開発は今後更に需要を伸ばすと推測される分野です。こういった分野の勉強を今のうちにすることは、エンジニアとしての市場価値を上げることに繋がるでしょう。この機会に**OpenCVを習得してエンジニアとしてのスキルアップやキャリアアップ**を目指してみてください。

本記事ではOpenCVについて解説します。OpenCVの基本的な機能やメリットなどについてまとめました。Pythonで画像処理を行う場合はOpenCVを使うと便利なため、ぜひこの機会にOpenCVの使い方を覚えてください。

OpenCVは画像処理が行えるオープンソースのライブラリ

OpenCVは画像の編集や表示、ノイズの除去などができる

OpenCVはさまざまな分野で活用されている

OpenCVとは？できることや活用事例について詳しく解説！

TensorFlowとは、Google社が開発した機械学習用フレームワークを指します。ニューラルネットワークの構築・訓練のために開発されました。機械学習モデルの開発とトレーニング（学習）に使用します。Pythonに限定されず、C・C++やJavaでも利用できます。*機械学習や数値解析・ディープラーニングに対応し、人気があります*。
【参考】：[TensorFlow](https://www.tensorflow.org/)

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

TensorFlowはGoogleのサービスでも広く活用されています。その特徴は、以下のような点が挙げられます。


*・ニューラルネットワークの構築・訓練向けに開発*
ニューラルネットワークは数理モデルの一種で、脳の神経回路の一部を模しています。TensorFlowは、ニューラルネットワークの要件をクリアするために開発されたため、ニューラルネットワークやディープラーニングでの利用に適しています。

コアモデルのデータフローグラフを複製して並列実行することで、大規模なデプロイにも対応可能です。

*・言語、デバイスを問わず利用可能*
JavaScript向けのライブラリや、C++・Pythonに対応するコアライブラリが提供されています。モバイル・IoT向けのTensorFlow Liteでは、iOSやAndroidが利用できます。デバイスや言語に応じて言語バインディングをビルドすることができます。

*・豊富なテストツールやライブラリ*
複雑なモデル作成のKerasやModelサブクラスAPIが提供されます。デバッグを効率的に行うために、Eager Executionが提供されます。この他にもアドオンライブラリが充実しているため、ニーズに応じてライブラリを選択できます。

TensorFlowは、ニューラルネットワークやディープラーニングでの利用に適しています。そのため以下の用途に利用が可能です。

*・パターンを認識する*
ニューラルネットワークでは、データを学習することで人間の脳の様に音声や画像のパターンを認識することができます。それにより情報の蓄積と識別が可能です。用途としては音声認識やそれにもとづく自動翻訳等が可能となります。自動運転や不審者の特定等にも利用されています。

*・データを分類する*
信号や画像のデータを蓄積し、正しいデータを識別します。医療での病状を画像から判断したり、産業システムのエラー検知や品質検査等に利用したりと様々です。公共建築物の劣化状況を検査することにも役立てられています。

*・将来を予測する*
データ変動の蓄積により、今後の傾向を精度よく予測します。用途としては、金融では株式売買の上下動から将来の株価変動を予測することに使われています。

人間の言語水準に近いものを高レベル、機械の言語水準に近いものを低レベルとした場合、高レベルAPIは簡単に扱うことができ、低レベルAPIは細かい操作が可能です。TensorFlowは高レベルAPIと低レベルAPIを兼ね備えているため、多様なニーズに対応できます。

Kerasとは、*オープンソースのニューラルネットワークライブラリを指します*。Pythonで書かれた深層学習APIで、TensorFlow上で動作します。Googleのエンジニアが中心となって開発したKerasですが、Google社内で開発されたTensorFlowと結びつきが強く、TensorFlow 2.0において、Kerasが統合されています。
【参考】：[Keras](https://keras.io/)

TensorFlowとKerasの違いは、TensorFlowが機械学習のフレームワークで、Kerasがニューラルネットワークライブラリであることです。TensorFlowはKerasをライブラリとしてサポートします。TensorFlowの高レベルAPIはKeras API仕様をベースにしています。

Kerasはライブラリの位置づけであり、TensorFlow以外でも動作します。EclipsのDeeplearning4jやマイクロソフト社のCNTK上で動作させることもできます。

### TensorFlow以外の深層学習フレームワーク

TensorFlow以外の深層学習フレームワークとして、Facebook（現Meta）のAI Reserarch Lab（FAIR）で開発されたPyTorchがあります。PyTorchとは、Torchを元に作られたPython用深層学習フレームワークソフトウェアを指します。グラフベースの実行・分散学習・モバイル展開・量子化の機能を持ちます。
【参考】：[PyTorch](https://pytorch.org/)

PyTorchは、*低レベルAPIによりトレーニング時間が高速なため、短い時間で完了するのが特徴です*。TensorFlow以外の選択肢として比較するのも良いでしょう。

TensorFlowを利用するために、TensorFlowにおける機械学習の分類手順を説明します。
【参考】：[Machine Learning Introduction](https://developers.google.com/machine-learning/guides/text-classification)

*・データの収集*
必要なデータを収集していきます。精度を高めるためにはサンプル数を増やす必要があります。

*・データの探索*
データの特性や分布を理解します。ある程度手作業で期待に沿うものか確認していきます。

*・モデルの選択 *
収集したデータセットの特性からモデルを決定します。

*・データの準備*
モデルに合わせてデータを調整・変換します。

*・モデルの構築・学習・評価* 
データ処理のビルディングブロックとなる入力層・中間層・最終層を組み立てていきます。モデルの学習（トレーニング）では、モデルの現在の状態に基づいて予測を行い、その予測との誤差を最小にするためにネットワークの重みまたはパラメータを更新していきます。この手順をモデルが収束するまで繰り返します。

TensorFlowでは、データ収集以降の手順を効率的に行えるようAPIを提供しています。

最初にインストール要件を確認しておきます。TensorFlow 2はOSとして、*Windows 7以降・MacOS 10.12.6（Sierra）以降・Ubuntu 16.04以降がサポートされています*。Python 3.6〜3.9で動作します。Pythonのパッケージマネージャpipを使用します。
【参考】：[TensorFlow インストール](https://www.tensorflow.org/install)

インストールが完了したら、Pythonで”tensorflow”をインポートし、使用します。
```import tensorflow as tf```
【参考】：[初心者のための TensorFlow 2.0 入門](https://www.tensorflow.org/tutorials/quickstart/beginner)

Pythonのpipインストールを徹底解説！Windowsでも簡単？

TensorFlowは、「データの収集」「データの探索」「モデルの選択」「データの準備」を経て、「モデルの構築・学習・評価」を繰り返し精度を上げていきます。*最初に使い方を学ぶにはチュートリアルをおすすめします*。
【参考】：[TensorFlow Core チュートリアル](https://www.tensorflow.org/tutorials)

チュートリアルを進めるにあたり、人工知能の学習に必要なデータセットと呼ばれる学習データが必要です。手書き数字データベースMNISTは、6万例の学習セットと1万例のテストセットから構成されており、学習技術やパターン認識手法を試してみたいという方におすすめです。
【参考】：[THE MNIST DATABASE](http://yann.lecun.com/exdb/mnist/)

Kerasからは、”tensorflow.keras.datasets.mnist.load_data()”でデータセットのロードが可能です。

CSVのデータをデータセットにロードする場合は、”tensorflow.keras.utils.get_file()”でCSVファイルを指定します。”tensorflow.data.experimental.make_csv_dataset()”でCSVからデータセットを作成することもできます。
【参考】：[tf.data を使って CSV をロードする](https://www.tensorflow.org/tutorials/load_data/csv)

TensorFlowはディープラーニングに強みがあり、パターン認識に基づく音声認識・自動翻訳や自動運転・防犯等に活用されています。データ分類による医療画像分析・製造業のエラー検知や品質検査、将来の動向分析などに活用されています。

TensorFlowの事例紹介サイトでは、以下の様に実際の活用例が紹介されています。
【参考】：[TensorFlow 事例紹介](https://www.tensorflow.org/about/case-studies)

*・Coca-Cola社の購入証明機能*
モバイルファーストの体験としてCoke.comを立ち上げ、閲覧行動の変化に対応しました。ボトルキャップや冷蔵庫のパックに貼られた数千の製品コードスキャンによって得られた、不正確なコード予測をAI学習により迅速に修正できるようなユーザーエクスペリエンスを提供可能としました。
【参考】：[How Machine Learning with TensorFlow Enabled Mobile Proof-Of-Purchase at Coca-Cola](https://developers.googleblog.com/2017/09/how-machine-learning-with-tensorflow.html)

*・GEヘルスケア社のニューラルネットワーク学習*
MRIの画質や外観に影響する要因に影響されにくく、病院間で堅牢なシステム化が可能となりました。これにより、検査全体の時間が短縮され、検査の診断品質が向上しました。

TensorFlowは、医用画像ボリューム処理の主要要件である2Dおよび3DのCNN（Cascaded Neural Networks）をサポートしていることと、画像操作と最適化されたテンソル計算のための豊富なビルトインライブラリ関数の要件をクリアしています。
【参考】：[Intelligent Scanning Using Deep Learning for MRI](https://blog.tensorflow.org/2019/03/intelligent-scanning-using-deep-learning.html)

*・Twitter社によるTweetのランク付け*
Twitterを開いたときに、最も重要なツイートを見逃してしまうことがあり、この問題に対処するため、最も関連性の高いツイートをタイムラインの最上部に表示する「ランク付きタイムライン」に、TensorFlowを活用しています。

選定においてはJava APIが利用できることと、TensorFlowのツールのエコシステムが成功のカギとなりました。ユーザーが最高のツイートを見逃すことがないようにするために機能しています。
【参考】：[Ranking Tweets with TensorFlow](https://blog.tensorflow.org/2019/03/ranking-tweets-with-tensorflow.html)

*・AIRBUS社の衛星画像からのデータ抽出・分析*
コロンバス管制センターのオペレーションチームは、エアバス社と共同で24時間365日何千ものパラメータを追跡しています。これはクルーの健康状態を確認するために必要なデータです。

オペレーターが異常を検知した場合、異常報告書を作成し、エアバス社のシステム専門家が解決します。エアバス社のチームは、異常検出のワークフローの一部を自動化するために、Kubeflow上でTFXを利用しデータ処理と変換を行っています。
【参考】：[How Airbus Detects Anomalies in ISS Telemetry Data Using TFX](https://blog.tensorflow.org/2020/04/how-airbus-detects-anomalies-iss-telemetry-data-tfx.html)

上記の他にもGoogle社AIリサーチLabのBlogも多岐に渡り、実際に有益であることを実証しています。ご興味があれば以下のリンクをご確認ください。
【参考】：[Google AI Blog](https://ai.googleblog.com/search/label/TensorFlow)

## 需要高まる人工知能の対応能力を高めましょう

TensorFlowは、Google社が開発した機械学習用フレームワークです。Google社自らが活用しており、事例で分かるように実際の業務活用も進んでいます。*研究者から実際の業務利用まで多様な活用が期待できます*。

チュートリアルではドキュメントのほか、動画がブログやYouTubeチャンネルに公開されています。学ぶだけの方にも有益ですので、将来の可能性を高めるためにも準備をしましょう。

TensorFlowは、Google社が開発した機械学習用フレームワークで人気があります。主に機械学習モデルの開発とトレーニング（学習）に使用します。ここではTensorFlowの特徴やできることを紹介し、実際の公開事例についても詳しく解説していきます。

TensorFlowとは、Google社が開発した機械学習用フレームワークを指します

機械学習や数値解析・ディープラーニングに対応し、人気があります

高レベルAPIと低レベルAPIに対応し、実績が多数あります

TensorFlowとは？特徴やできることをわかりやすく解説！

2022年3月29日、React 18が正式リリースされました。昨年のReact Conf 2021で紹介された、React 18の*並行レンダリング機能（Concurrent Rendering）をベースに、今回のリリース後もコンポーネントが整備されていく予定です*。


【参考】：[React v18.0](https://ja.reactjs.org/blog/2022/03/29/react-v18.html)

Reactは、*Meta（旧Facebook）とコミュニティによって開発されているJavaScriptライブラリです*。ユーザインターフェース構築に利用されています。ReactはJavaScriptライブラリですので、モジュールの再利用性が高いことが強みです。ウェブアプリや静的サイトでも対応可能であり、利用が増加しています。

Reactとは？入門編！意味や将来性を初心者にもわかりやすく説明

Reactは、コンポーネントという独立した部品から複雑なユーザーインターフェースを組み立てることができます。アプリケーション実行はモバイル端末でも動作可能です。そのため*学習効果が高く、開発生産性が総合的に高いことがメリットとして挙げられます*。

【参考】：[React](https://ja.reactjs.org/)

Reactでは、リリース計画を以下のフェーズで実施しています。

・*アルファ版*
ライブラリ作者とワーキンググループメンバー向けの段階で、方向性をフィードバックを得ながら決めます。


・*パブリックベータ版*
主要コミュニティに確認してもらい、不具合修正を行います。アルファから少なくとも数か月後となります。


・*リリース候補（RC）版*
最終版の一般向けリリースに向けて品質改善を進めます。ベータから少なくとも数週間後となります。


・*一般向けリリース版*
安定版としてリリースされ、RCから少なくとも数週間後を目標に準備します。2022年3月29日のリリースは、このリリース版を指します。

Reactは、メジャーチェンジは不便であり、極力マイナーチェンジで対応するよう開発を進めています。新機能もマイナーリリースでサポートします。そのため、React 18がメジャーバージョンとしてしばらくメンテナンスされていくと考えられます。


【参考】：[React バージョニングポリシー](https://ja.reactjs.org/docs/faq-versioning.html)

React 18では、並行処理を実現するために並行レンダリング機能（Concurrent Rendering）が実装されています。オプトインとして並行処理機能を利用する場合のみに有効化されます。

並行レンダリング機能は、*並行レンダラ（Concurrent Renderer）が、ユーザーインターフェースの一貫性を保ち、バックグラウンドで次の画面を準備しておくことができます*。これにより、ユーザーインターフェースのレスポンスが向上します。

React 18の新機能は、この基盤上に実装されています。詳細は以降で説明していきます。

自動バッチング（Automatic batching）は、これまで都度レンダリングを要する処理をひとまとめにしてレンダリングする機能です。*関数内のすべての処理をひとかたまりにして一度にレンダリングを行います*。この自動実行によりレンダリングパフォーマンスが大幅に改善されます。


【参考】：[Automatic batching for fewer renders in React 18](https://github.com/reactwg/react-18/discussions/21)

トランジション（Transition）は、*タイプ・クリック・プレスといった緊急性の高いユーザ操作と区別し、段階的に画面を推移させるあらたな考え方です*。主に入力結果の表示が即時に必要でなければ、このトランジションをstartTransition()メソッドに記述します。useTransition()は、トランジションを開始したり、ペンディング状態かどうか確認したりするAPIです。

サスペンス（Suspense）は、コンポーネントをより宣言的に利用するために実装されました。従来はユーザーインターフェースのロード中かどうかを”isLoading”で確認し、ロード中の処理とロード完了の処理を記述する必要がありました。

サスペンスにより、\<Suspense\>\<\/Suspense\>で括った処理と、”fallback=”にロード中のSpinnerをまとめて記述できます。*サスペンスがロード後のコンポーネントを返すので、待機時のページ処理が軽くなるメリットがあります*。

### Internet Explorerのサポート終了

*Internet Explorerは、2022年6月15日にMicrosoft社のサポート終了となりますので、React 18ではサポートされません*。Internet Explorerが必要な場合は、React 17を継続使用することになります。事前にアップグレード可否の要件を確認しておきましょう。

需要が期待されるサーバーコンポーネントについても、実装予定とのことです。クライアントとサーバーにまたがるリッチコンテンツの開発が期待される領域です。まだコンポーネントが開発中のため、リリース後も実験的な機能に位置づけられます。本機能は、*React 18のマイナーリリースで登場の見込みです*。

React 18の利用方法ですが、*インストールからアップグレードまで「React 18 アップグレードガイド」にまとめて掲載されています*。正式リリースを控える2022年3月8日に、情報が公開されました。ここでは、その中からトピックスを中心に紹介していきます。


【参考】：[React 18 アップグレードガイド](https://ja.reactjs.org/blog/2022/03/08/react-18-upgrade-guide.html)

Reactは*パッケージ管理システムのnpmを用いてインストールします*。
```npm install react react-dom```

npmの他、Yarnを用いることもできます。WindowsではWSL（Windows Subsystem for Linux）を利用するか直接Windowsにインストールします。


【参考】：[yarn react](https://yarnpkg.com/package/react)
【参考】：[Windows アプリ開発 Reactの概要](https://docs.microsoft.com/ja-jp/windows/dev-environment/javascript/react-overview)

React 18のアップグレード時には、React 17でサポートされていた機能変更の影響があります。具体的には*レンダリング関連の変更点や TypeScript型定義の変更点を確認し、段階的移行を進めるのが良いでしょう*。詳細については、以降で解説していきます。

### クライアントレンダリングAPIの変更

React 18では、*これまでのReactDOM.renderはサポートされないので、createRootからrenderを使用するよう変更します*。このAPIで並行レンダリング機能が利用可能となります。なおRootとは、React がレンダリングする構造を追跡するために用いる、最上位のデータ構造へのポインタです。詳細は以下のリンクをご確認ください。


【参考】：[React 18 Replacing render with createRoot ](https://github.com/reactwg/react-18/discussions/5)

### サーバレンダリングAPIの変更

サーバーサイドサスペンス・ストリーミング SSR（Server-Side Rendering）をサポートできるよう、react-dom/serverを刷新しました。旧来のAPIでは警告が出ます。具体的には、*Node環境でのストリーミングでは、renderToNodeStreamの代わりにrenderToPipeableStreamを用います*。renderToStringは引き続き利用できますが、サスペンスサポートに制限があります。詳細は以下のリンクをご確認ください。


【参考】：[React 18 Upgrading to React 18 on the server](https://github.com/reactwg/react-18/discussions/22)
【参考】：[React 18 New Suspense SSR Architecture in React 18](https://github.com/reactwg/react-18/discussions/37)

JavaScriptの上位互換となるTypeScriptの型定義に変更があります。@types/reactと@types/readct-domも依存関係がありますので、合わせてバージョンアップします。型定義の変更で重要な部分は、*implicit childrenが利用できないことです*。明示的にprops定義が必要ですが、潜在的な不具合を未然に防ぐことが期待されます。


【参考】：[React 18 types](https://github.com/DefinitelyTyped/DefinitelyTyped/pull/56210)

これらの定義変更を自動修正してくれるツールが紹介されています。types-react-codemodです。React 17からReact 18にアップグレードする際に生じる差異を修正してくれます。変換の指定オプションも揃っていますので、ご興味ありましたら以下のリンクをご確認ください。


【参考】：[GutHub types-react-codemod](https://github.com/eps1lon/types-react-codemod)

## 効率的にユーザインターフェースを構築しましょう

ReactはMetaによって開発され、FacebookやInstagramでも利用されているユーザインターフェースです。ユーザインターフェースの状態遷移をコントロールするのは容易ではないので、ライブラリを活用するメリットは大きいです。

ライブラリの記事（5ページ目）