**R言語とは、統計解析に強みを持つインタプリタ型言語のプログラミング言語**です。インタプリタ型言語とは、人間がプログラミング言語で記載したソースコードを、コンピュータが理解できる機械語の形式へと逐次に翻訳しながら、プログラムを実行するプログラミング言語のことです。

例えば、Perl・PHP・Ruby・Python・BASIC・Lisp・JavaScriptなどもインタプリタ型のプログラミング言語です。また、*R言語はオープンソースのプログラミング言語であるため、誰でも利用できます。*以降で、R言語の特徴について詳しく紹介します。

【参考】：[R言語-公式サイト](https://www.r-project.org/)

R言語入門！概要や基礎、正規分布のグラフの作成方法について解説！

これまでにも説明しましたが、R言語は統計解析に特化したプログラミング言語であり、統計解析のためのライブラリや機能が多いことが特徴です。**データ解析を行いグラフを出力するなどの機能に優れている**ため、さまざまなグラフを出力するプログラムを簡単に作成できます。

### AIの発展により注目を浴びている

**R言語は機械学習の分野でも使用されることが多く**、生命科学の分野に特化したパッケージもよく利用されています。近年では少子高齢化の影響もあり、働き手不足からAIが注目を集めています。

特に*機械学習はAIと密接な関係があるため、ビッグデータの解析をする企業もR言語を採用*しています。以上のことから、R言語は年々学習する人が増加傾向にあるプログラミング言語の1つです。

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

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？

ここでは、R言語をパソコンにインストールして使用するまでの流れを説明します。まず、**R言語の公式サイトからインストーラーをダウンロードしてインストール**します。次に、R言語の統合開発環境であるRStudioをインストールします。

*R言語はコンソール上でも利用可能ですが、RStudioを使うとより効率的*です。RStudioの画面は4つに分かれており、スクリプトファイル、変数、コンソール、ファイルや実行結果の確認などができます。

【参考】：[R言語ダウンロード-公式サイト](https://cran.r-project.org/mirrors.html)

【参考】：[RStudiorダウンロード-公式サイト](https://www.rstudio.com/products/rstudio/download/)

**R言語は統計解析やグラフィックの分野に強みを持っています。**統計解析を行う際に、簡単なソースコードで複雑な統計の計算が実施できるパッケージも充実しています。ここでは、R言語を使用してできることついて詳しく紹介します。

R言語は統計解析用のプログラミング言語として開発が行われました。そのため、統計解析に非常に強みを持っています。**R言語を利用するための統合開発環境として、RStudioもあります。**

ライブラリは、最先端技術やアルゴリズムなどの研究成果から公表されることも少なくありません。*ライブラリに頼らなくてもデータ分析できる機能が最初から備わっている点も、R言語の特徴*と言えます。

**R言語では「MeCab」と「RMeCab」を使用して形態素解析を行い、テキストマイニングを行うことができます。**テキストマイニングとは、社内に蓄積している膨大なテキストデータを自然言語処理を活用して分析し、有益なデータを抽出することです。

R言語ではテキストデータから頻出語の抽出・ワードクラウド作成・単語の共起ネットワーク分析などを行うことができます。また、テキストマイニングソフトウェア「KH Coder」の一部にもR言語のソースコードが使用されています。

【参考】：[MeCab-公式サイト](https://taku910.github.io/mecab/)

【参考】：[RMeCab-公式サイト](http://rmecab.jp/wiki/index.php?RMeCab)

【参考】：[KH Coder-公式サイト](https://khcoder.net/)

**R言語では、統計分析する際に用いられるグラフを比較的簡単に出力することができます。**例えば「hist(data)」というソースコードのみで、ヒストグラムの作成が可能です。他にも「plot(x,y)」というソースコードを使用するだけで、散布図を作成できます。

t検定とは、帰無仮説が正しいと仮定する場合に、統計量がt分布に従うことを活用する統計学的検定法の総称のことです。R言語では、**2つの群における平均値の差のt検定は「t.test(group1, group2, var.equal=TRUE)」という簡単なソースコードで実行**できます。

また、t検定の実行結果の数値を活用して、95％信頼区間のグラフ作成を行うことも可能です。

R言語には、**統計解析のライブラリだけではなくベイズ統計のライブラリも充実**しています。ベイズ推定では、マルコフ連鎖モンテカルロ法を利用することがよくあります。R言語ではマルコフ連鎖モンテカルロ法を実行できます。

例えば*「bayesAB」というライブラリを利用すると、ABテストをベイズ統計手法で実施できます。*ABテストの結果分析はベイズ統計のほうが理解しやすいためおすすめです。他にもt検定のベイズ統計版パッケージなどもあり、ベイズ統計版の統計処理をR言語を使用して実行できます。

**R言語は統計解析に優れているため、統計学の勉強ツールとして利用できます。**机上の勉強に加えて取り入れることで、統計解析についての理解が深まるでしょう。

実際の統計解析で用いる計算をR言語を使用して実行しながら勉強すれば、より効率的に統計学を学ぶことができます。

例えば、平均値・中央値・分散・標準偏差・最小値・最大値などの基本統計量の算出にR言語を使用できます。また統計解析用のデータがあれば、ヒストグラム・箱ひげ図・散布図などのグラフも作成可能です。

*統計計算だけでなくデータの分布状況などを視覚的に理解できるため、勉強ツールとしてR言語を活用することもおすすめ*です。

## R言語のメリット・デメリット

ここでは、R言語を使用する上でのメリットとデメリットを紹介します。メリットとデメリットを両方理解し、R言語を活用する上での参考にしてください。

### 統計解析に優れている・仕様がシンプルなど

**R言語のメリットは、統計解析に便利な機能が数多く実装されている点**です。非常に多くのパッケージが一般に対して公開されているため、あらゆる統計解析を行うことができます。また、*R言語の文法や仕様は比較的シンプルであるため、学習コストが少なく済むのもメリット*と言えるでしょう。

近年では機械学習やビッグデータ分析が注目され、それに伴いR言語の需要が高くなっています。R言語を習得すれば、エンジニアとしての活動の場も広がると期待できます。

### 汎用性が低い・英語力が必要など

**R言語は統計解析に特化したプログラミング言語であるため、統計解析以外の機能が少ないのがデメリット**と言えます。例えば統計解析ではなく、Webアプリやスマホアプリを開発したい場合には、他のプログラミング言語を学習する必要があります。

また、*R言語の知識を深めたとしても、統計学の知識がない場合は上手く統計解析を行うことができない*のもデメリットと言えます。

さらに、R言語のリソースの多くは英語となっています。そのため、英語のリソースの意味を読解しながら勉強したり運用したりする必要があるのも難点です。

R言語と同じく統計解析に用いられるプログラミング言語にPythonがあります。ここでは、R言語とPythonの違いについて詳しく紹介します。

### Pythonの方が汎用性に優れている

**PythonはR言語に比べて汎用性が高いです。**R言語はこれまでにも説明したように、統計解析専門のプログラミング言語です。そのため、R言語だけではWebアプリやWebサービスを開発できません。

一方、Pythonは汎用性が高いプログラミング言語であるため、さまざまなものを開発できます。例えば、AI・ブロックチェーン・Webアプリ・スマホアプリなどが挙げられます。統計解析は、Pythonでできることの中の1つと言えるでしょう。

### R言語とPythonどちらを勉強すべきか

**統計解析に特化したR言語と汎用性が高いPythonでは、両方とも統計解析が可能です。**どちらのプログラミング言語を勉強したらよいか迷う方もいるのではないでしょうか。

R言語は統計解析を専門としているため、Pythonよりもデータ分析に関する機能が豊富に備わっているという特徴があります。一方Pythonは、統計解析だけではなく、さまざまなことができるため、覚えることが比較的多い傾向にあります。

例えば「統計解析の専門家・研究者を目指したい」「データサイエンティストになりたい」と考えている方は、R言語を勉強するのがおすすめです。

一方「統計解析だけではなく、Webアプリも作成できるようになりたい」「汎用性の高いエンジニアになりたい」と考えている方は、Pythonを学びましょう。*プログラミング言語を勉強する目的や将来のキャリアに応じて、学ぶプログラミング言語を選択することが重要*です。

Pythonでできること・できないことは？自動化のための入門編

ここでは、R言語を扱うITエンジニアの職種を紹介します。統計解析や機械学習に優れているR言語は、データ解析やAIなどの分野で活用されています。以下でそれぞれの職種について解説します。

データサイエンティストは、**ビッグデータから情報分析を行い、課題や課題の解決方法を提案する職種**です。具体的には、顧客情報や市場動向などを分析し、より良い商品やサービスなどの開発に活かします。

データサイエンティストの業務では*統計解析やデータ分析がメインとなるため、R言語もしくはPythonを使用することが多い*です。

データサイエンティストとは？おすすめの資格から年収まで解説

データエンジニアの仕事内容は、**データ分析のためのシステム、ツール、データベースなどの開発がメイン**です。システムの開発にはR言語やPythonを使用します。データエンジニアが開発したシステムを使って、データサイエンティストが情報分析をすることも多いです。

なお、データエンジニアはデータサイエンティストと混合されることもあります。両者の違いは、*データ分析のためのシステムを開発するのがデータエンジニア、データを分析し分析結果から課題を発見・解決するなどをするのがデータサイエンティスト*です。

機械学習エンジニアは、**機械学習システムの開発が主な仕事**です。設計や構築、運用までの一連の流れを担当します。*R言語は機械学習のためのパッケージも豊富*にあるため、R言語を使ってシステムを開発することも多いです。

また、開発したシステムの運用や保守も行います。使用するデータや目的によってシステムの用途が異なるため、開発後のフォローも重要な役割となっています。

機械学習エンジニアの仕事内容とは？スキルや将来性についても解説

## 統計解析に特化した人材になりたい方はR言語を学習しよう！

これまでに、R言語の特徴やメリット・デメリット、R言語でできること、R言語とPythonの違い、R言語を扱う職種について解説しました。**R言語とは、統計解析に強みを持っているインタプリタ型のプログラミング言語**のことです。

R言語を使用すれば、統計解析だけではなくテキストマイニング・グラフ作成・t検定・ベイズ統計などを行うこともできます。

R言語とPythonのプログラミング言語の大きな違いは汎用性です。どちらも統計解析を行うことはできますが、R言語のほうが統計解析に特化していて、Pythonのほうが汎用性が高いです。

そのため、自分のキャリアに合わせて学習するプログラミング言語を選択することが重要です。*統計解析に特化した人材を目指すなら、R言語の習得を視野に入れてはいかがでしょうか。*

R言語とは、統計解析に特化したインタプリタ型のプログラミング言語を指します。R言語は機械学習でも活用されており、近年のAIの発展と共に注目を集めています。当記事では、R言語の特徴やメリット・デメリット、R言語でできることなどについて解説します。

R言語は統計解析に強みを持つインタプリタ型のプログラミング言語

R言語を使用すれば統計解析・テキストマイニング・グラフ作成・t検定・ベイズ統計ができる

R言語とPythonのプログラミング言語の大きな違いは汎用性

R言語とは？特徴やできること、Pythonとの違いを解説！

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！

**近年急速に普及しているドローンですが、その用途は様々です。**娯楽用としては、カメラが搭載された空撮ドローンや単に飛行させるだけのラジコンのようなものがあります。ほかにも、競技用ドローンや事業用ドローンがあり、測量・農薬の散布・物を運ぶなどの用途で使われます。

このようなドローンはどのように操縦するのでしょうか。本記事では操縦方法として、プログラミングによる自動操縦について掘り下げて説明します。

ドローンの操縦方法としてすぐに思いつくものが、遠隔操作による操縦でしょう。*遠隔操作についてはドローン専用の資格もあり、ドローン操縦士として職に就くことも可能*です。

その一方、プログラミングによる自動操縦も見逃せません。**ドローンへのプログラミングを行う職業はドローンエンジニアと呼ばれ、ドローンの普及に従って需要も急増しています。**

### ドローンプログラミングでできること

**ドローンプログラミングでできることとして、最も一般的なものが自動操縦でしょう。**例えばプログラミングにより、ドローンを離陸させ特定のルートを通って着地するところまでを自動操縦することができます。さらにIF文による条件分岐を使えば、状況に応じて動きを変えることも可能です。操縦の分野では、強風などの悪天候の中でも安定して飛行させたり、障害物を避けたりすることも応用として考えられます。

もちろん、ドローンプログラミングは自動操縦を行うだけではありません。*ドローンに取り付けられたカメラで特定のタイミングで空撮を行ったり、センサーのデータを収集したりすることもできます。*こうしたことから、前述したドローンによる測量や農薬散布の自動化を行うこともできるようになるのです。

### ドローンプログラミングを使った仕事

**ドローンを使って様々なことを自動で行えるドローンプログラミング**ですが、どのような仕事で使われるのでしょうか。産業分野においては、自動で農薬を散布したり、決められたエリアの測量を行ったりすることが考えられます。娯楽分野では、空撮写真・動画の撮影・イルミネーションを行うことが挙げられます。さらに防犯分野では、警備員の代わりにドローンに警備をさせることも行われています。

### プログラミングに対応したドローン機種とは

プログラミングに対応したドローンには、どのようなものがあるのでしょうか。**市販されているドローンでは、プログラミングに対応している機種が少ない**です。代表例を下記に記します。

*「Tello」*
Mavicシリーズで有名な中国のドローンメーカーDJIによるプログラミング可能なドローンです。Python・Swiftだけでなく、Scratchでお手軽にプログラミングを行うことが可能です。

【参考】[ドローンTelloについて](https://www.ryzerobotics.com/jp/tello-edu?site=brandsite&from=landing_page)

*「Parrot Mambo FLY」*
フランスのメーカであるParrotのドローンは、ブロックコーディングとテキストコーディングの両方に対応しています。そのため、プログラミング初心者の方からエンジニアの方まで幅広く利用可能です。ブロックコーディングではTynkerやBlocklyなどが利用でき、テキストコーディングではJavascriptやPytonなどが利用できます。

【参考】[Parrot Minidrone MAMBO FLY [パロットミニドローンマンボフライ] | Hitec Multiplex Japan Inc.](https://hitecrcd.co.jp/products/mambofly/)

### ドローンを飛ばすのに資格や免許は必要？

ドローンを飛ばすのに資格や免許は不要です。しかしドローンの普及が拡大するにつれて、飛行中の事故や飛行禁止区域での飛行といった問題が多発していることから、**2022年に免許制度が導入される見込みです。**今後ドローンでプログラミングを学ぼうと考えている方は、免許制度についても留意しましょう。

また*2022年6月20日から、国土交通省ではドローンの登録を義務化すると発表*しています。登録していないドローンは飛行できなくなりますので注意しましょう。なお、期日前の事前登録も可能です。

【参考】[航空安全：無人航空機（ドローン・ラジコン機等）の飛行ルール - 国土交通省](https://www.mlit.go.jp/koku/koku_tk10_000003.html)

## ドローンプログラミングに対応した言語

**ドローンプログラミングはその名の通り、C言語などのプログラミング言語を使用します。**ただし全ての言語に対応しているわけではなく、対応している言語は限られています。ここでは、対応している言語で代表的なものを紹介します。

**インタプリタ型言語であるPythonは学習の敷居も低く、様々なアプリケーションに対応**しています。もちろんドローンプログラミングにも最適です。データ解析を得意とするPythonは直接ドローンをコントロールするのではなく、その補助を行うコンパニオン・コンピュータ上で動作し、飛行ルートの計算結果をフライトコントローラへ指示するような使い方も可能です。

もちろんTelloなどの教育用ドローン上でも動作し、*簡単なコードを書くだけで自在にドローンを操縦することができます。*

【参考】[Python.org](https://www.python.org/)

Pythonとは？人気のPythonを学ぶ際に知っておきたいこと

最も古く知名度のあるプログラミング言語であるC言語と、その上位互換であるC++でもドローンプログラミングが可能です。**C/C++の優れている点は、無駄がなく処理時間の少ないコードを書くことができる点です。**ドローンの分野でも瞬時に飛行命令を出さなくてはならない飛行制御において、その特性は非常に相性がよいと言えるでしょう。

大手DJIのドローンプログラミングにおいて、開発ツールであるSDKでもC/C++が対応しています。ただし、無駄のない処理を行える分*その習得難易度は高いことには留意しましょう。*

iPhoneなどのiOS向けの開発言語であるSwiftも、ドローンプログラミングに対応しています。**こちらは実践的というよりも教育的な面での採用が多くなっています。**その理由は、「Swift Playgrounds」というプログラミング教育アプリの存在です。iOS上で動作し、Swiftを使って自由にロボットを動かすことができる同アプリは、楽しみながらプログラミングを学べると話題になっています。

DJIのTello EDUもこのSwift Playgroundsと連携しており、ドローンを使ったプログラミング教育に最適と言えるでしょう。

【参考】[Swift - Apple（日本）](https://www.apple.com/jp/swift/)

Appleの新しいプログラミング言語、Swift ― その概要や特徴、メリット・デメリットについて解説

Web開発などでも使われるJavaでも、ドローンプログラミングを行うことができます。スマートフォン用OSのAndroidはJavaによって作られており、**Android上で動くドローンプログラムもJavaで設計することが可能です。**フランスのParrot社の提供するBebop Droneは開発言語にJavaを選択することができ、多数のサンプルプログラムも提供されています。

【参考】[Java | Oracle](https://www.java.com/ja/)

Javaとは？人気プログラミング言語Javaの将来性やメリットについて解説

Scratchは今まで紹介した言語とは異なり、教育のために作られた言語です。通常の言語がテキストでコードを書くのに対し、**命令が記述されたブロックを組み合わせることでプログラムを設計することができます。**ドローンプログラミングにおいても、ブロックによるイメージから直観的に操縦プログラムを作れるため子供の教育にも最適です。

こちらも前述のTelloがこの言語をサポートしています。

【参考】[Scratch - Imagine, Program, Share](https://scratch.mit.edu/)

現場で多く使われるプログラミング言語一覧！種類別に詳しく解説

## ドローンプログラミングを学ぶのに最適な書籍

ドローンプログラミングは基本的には組み込み系のプログラミングとなり、通常のプログラミングよりも難易度が高くなっています。そのため、**学習のために専門書籍を活用することをおすすめします。**ここではドローンプログラミングに役立つ書籍の例を紹介します。

### 空飛ぶプログラム〜ドローンの自動操縦で学ぶプログラミングの基礎

教育用のドローンであるDJI社のTelloを使いこなすための書籍です。ビジュアルプログラミングを用いた方法だけでなく、Pythonによるプログラミング方法も紹介されているので、**本格的にドローンプログラミングを始めたい方におすすめです。**

【参考】[空飛ぶプログラム〜ドローンの自動操縦で学ぶプログラミングの基礎](https://www.c-r.com/book/detail/1340)

### ドローンプログラミング　アプリ開発から機体制御まで

ドローンプログラミングをビジネスに活用したいと考えている方向けの書籍です。ドローン大手のDJI社による開発ツール「DJI SDK」を使いこなす方法が主となっており、**iOS及びAndroidアプリ開発の知識が求められるなど、プログラミング経験者向けとなっています。**その分、より実践的な手法を学ぶことができるでしょう。

【参考】[ドローンプログラミング　アプリ開発から機体制御まで](https://www.shoeisha.co.jp/book/detail/9784798151991)

### Scratchでトイドローンをプログラミングして飛ばそう！

子どもやプログラミング初心者の方向けの本です。**トイドローン「Tello」のプログラミングをわかりやすく解説しており、親子で楽しくプログラミングを学べます。**命令が記述されたブロックを組み合わせるブロックコーディングで、簡単にドローンをプログラミングできるでしょう。

【参考】[Scratchでトイドローンをプログラミングして飛ばそう！ - 秀和システム あなたの学びをサポート！](https://www.shuwasystem.co.jp/book/9784798055190.html)

## ドローンでプログラミングを学ぶこともできる

今までは主にプログラミング習得者向けの学習方法を紹介してきました。しかし今、**ドローンプログラミングはプログラミング未修得者にとっての入口になる**と注目されています。

### ドローンで学ぶことのメリット

**ドローンでプログラミングを学ぶことには、次のようなメリットがある**と言われています。

・*プログラムの動きを視覚的に理解できる*
一般的にプログラミングの実行結果というものはコンピュータ上で表示され、どう動いているかが直観的に理解し辛いといえます。しかし、ドローンプログラミングでは、実行結果が動きに直結するため、プログラムの動きを理解しやすいと言えるでしょう。

・*楽しく学ぶことができる*
通常のプログラミングと異なり、ドローンを自由自在に動かすという面白さがあります。学習において、面白さや楽しさがあるということは学習の継続につながるため、よりプログラミング技能を深めるのに役立つと言えるでしょう。

・*PDCAサイクルを学べる*
ドローンプログラミングには、「動きを考えてプログラミング」「ドローンを実際に動かす」「思い通りの動きかを確認する」「結果を踏まえてやり直し」といったPDCAサイクルを回すことができます。ビジネス面で有用なPDCAサイクルをプログラミング学習をしながら学べる点は、非常にメリットがあると言えるでしょう

・*市場価値が高いITスキルを学ぶことができる*
IT技術の進歩に伴い、エンジニアやSEといったIT人材の需要が増えています。しかし、現在IT人材の不足が懸念されており、特にドローンプログラミングといった特定のIT知識が必要な人材はさらに不足している状態です。そのためドローンプログラミングの知識を身に着けると、エンジニアとしてさらに重宝されるでしょう。

・*創造的な思考力が身に付く*
ドローンプログラミングでは、プログラミングによってドローンの動きが変化します。そのため、「左に旋回するにはどうすればよいか」「減速しながら着陸させるには？」といった小さな疑問から、創造力を鍛えることができます。創造力はドローン以外のプログラミングでも重要な役割を果たしますので、エンジニアとしてのスキルアップにもつながるでしょう。

ドローンを使ってプログラミングを学ぶ教材は多数存在します。例えば、**DJIのTelloはScratchを使ったプログラミングを行うことができ、手軽かつ直観的にプログラミングとは何かを学習できます。**さらにTello EDUではPythonやSwiftに対応しており、それらの言語の基礎も学ぶことが可能です。こうした教育用のドローンが販売されているだけでなく、学習イベントも盛んに行われているため、誰でも気軽に体験することができます。

ドローンプログラミングによる学習イベントは大人向けだけでなく、小学生などの子供をターゲットにしたものも多く開催されています。ドローンを操縦するという楽しさから、子供のプログラミング入門にもってこいと言えるでしょう。

多くのプログラミング対応ドローンは、子供が楽しみながら学べるように作られています。**DRONE STARは、Scratchよりもさらに分かりやすいビジュアルプログラミングでドローンを動かすことができます。**

## ドローンプログラミングの需要は益々増加

ドローンが普及するにつれ、ドローンプログラミングの需要も増えています。産業用のドローンを自動化して使いこなすには高いプログラミング知識が必要となるため、**ドローンプログラミングができるとエンジニアとして優位に立てるでしょう。**

その一方で、プログラミング教材としてのドローンも需要が高まっています。ドローンを動かすためのシンプルでわかりやすいプログラミングは、多くの人がプログラミングを身につけるきっかけを作ってくれるでしょう。

ドローンプログラミングを用いればドローンを自動で思いのままに動かすことが可能です。教育用の簡単な言語から組み込みに対応した難しい言語まで、幅広いプログラミング言語が使用できます。この記事ではドローンプログラミング言語の種類や用途、学習用教材としての立ち位置を解説します。

プログラミングによってドローンを自動操縦することができること

ドローンプログラミングに対応した言語にはC言語やPythonなどがあること

ドローンプログラミングはプログラミング教育の入口として注目されていること

ドローンプログラミングの言語はPythonが最適？できることも解説

プログラミング言語には多種多様な言語があり、優れたフレームワークによって、プログラミング言語そのものの価値が高まることも少なくありません。**Ruby on Railsとは、Rubyというプログラミング言語のフレームワークの1つです。**ここでは、Ruby・フレームワーク・Webアプリケーション・Ruby on Railsの概要・オワコンなのか？について詳しく紹介します。

Ruby on Railsとは、Rubyというプログラミング言語のフレームワークの1つです。そもそもRubyとは、1995年頃にまつもとゆきひろ氏により開発されたプログラミング言語を指します。**シンプルな文法や仕様なため、他のプログラミング言語と比較すると習得難易度が低く、簡潔にソースコードを記載することが可能です。**

また、日本人が開発したプログラミング言語ということもあり、日本語の文献が数多く、情報収集がしやすいという特徴もあります。Rubyの開発環境としてSQLite3をデータベースとして使用することも多いです。

フレームワークとは、**Webアプリを開発するときによく使用する機能や、基本的な骨組みをまとめたものを指します。**そのため、フレームワークを使用すれば、事前に作成されている土台に必要なプログラムを加えるだけで、Webアプリを開発することが可能です。したがって、フレームワークは開発効率の向上や運用コストの削減に効果的と言えます。

また、ソースコードの記載方法を統一させることもでき、機能の追加や改修作業が容易になるというメリットがあります。一方、フレームワークは枠組みを決めてしまうため、自由自在にカスタマイズしにくくなるというデメリットもある点に注意が必要です。Webアプリの機能によっては、自身でゼロからコーディングを行わなければならない可能性もあります。

フレームワークを使用するには前提知識やスキルが必要であり、フレームワークに関する勉強を行ってスキルを習得しなければならないため、学習コストが生じるというデメリットもあります。

Webアプリケーションとは、*Webブラウザを活用してサービスをユーザーに提供するものを指します。*例えば、Amazonや楽天市場などのECサイトで商品を購入したり、求人・転職サイトで就職したい企業に申し込みを行ったりするなど、私たちは普段から数多くのWebアプリを使用しています。

Rubyというプログラミング言語やフレームワークについては理解できたでしょうか。ここからは、Ruby on Railsの概要について紹介します。

Ruby on Railsは2004年頃にデンマークのプログラマー、David Heinemeier Hansson（デイヴィッド・ハイネマイヤー・ハンソン）によって開発されました。開発者の間ではRailsと短縮して呼ぶこともあります。Ruby on Railsには数多くの制約が定められており、**簡単なコーディングでWebアプリが開発可能です。**また、Ruby on Railsを使用するには環境構築が必要です。

Rubyのフレームワーク、「Ruby on Rails」ができることとは？

「Ruby on Rails」と検索すると、しばしば「オワコン」というワードが表示されます。このようにネガティブワードが出てくる背景には、Ruby on Railsの「保守がしにくい」「処理が遅い」「他言語で代替可能」といったことが原因です。

しかし、Ruby on Railsには*「開発スピードの速さ」「汎用性の高さ」「保守運用のニーズ」「初心者の習得しやすさ」といったメリット部分が多い*ため、今後も需要が高く、将来性のある言語だといえます。

マイナビエージェントで「Ruby」と検索した場合、求人数は1,500件ほどヒットしました。Javaだと6,000件、PHPだと2,300件と他のサーバーサイド言語に比べると差がありますが、それでも安定した需要があるのが分かります。Ruby on Railsを「オワコン」と呼ぶにはまだまだ時期尚早かも知れません。

できることの記事（7ページ目）