アンドエンジニアのYouTube版[『アンドエンジニアチャンネル』](https://www.youtube.com/@andengineer)では、**AI時代で生き残ることができるエンジニア**について対談動画を公開しています。興味のある方はぜひ下記よりご覧ください！

AI時代を制するために必要なスキル・ノウハウはコレ！

## AI開発に必要な言語が分からない人は多い

AI開発に興味があるものの、どのプログラミング言語を勉強すれば良いか分からない方は多いのではないでしょうか。*確かにAIは現在話題になっているものの、AI開発を行うために何の技術が必要かまではまだ広まっていません。*勉強する言語を選択できないために、AI開発に手を出せない方も多いでしょう。

### AI開発におすすめのプログラミング言語はPython

AI開発におすすめのプログラミング言語はPythonです。Pythonはスクリプト言語の1つであり、可読性の高さやライブラリの豊富さが評価されています。他にもAI開発に使われる言語はあるのですが、Pythonは開発現場での使用率が高く、Pythonを習得するだけで転職の幅を広げることができるのでおすすめできます。

*また、TIOBEが毎年発表している「検索エンジンの検索数を元にした言語ランキング」でも2023年にPythonは1位を獲得しています。*このことからもPythonの需要が高いことが分かります。

【参考】：[TIOBE Index](https://www.tiobe.com/tiobe-index/)

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

<center>[エンジニア転職を成功させるため 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>

AI開発に関する基礎知識について解説します。そもそもAIとは何かや、AIエンジニアの年収について紹介します。これからAI開発に参入したい方は参考にしてください。

AI（Artificial Intelligence）とは人工知能のことであり、人間のような振る舞いを行うコンピュータ、あるいはそのようなコンピュータを開発する研究分野を指します。たとえば、人間の代わりに車の運転したり、人間とコミュニケーションを取ったりするAIの開発が進められています。

**AI分野が今後発展することで、人間の代わりにコンピュータが仕事できるようになり、生活が大きく変わると言われています。**そのためAI開発は今注目を集めています。AIをいち早く導入して他社と差別化を図りたい企業も多く、AIエンジニアの求人も増えています。

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

### AIエンジニアの年収について

AIエンジニアの年収データは該当しないため、代わりにAIエンジニアと親和性の高いデータベースエンジニアの年収データを紹介します。

データベースエンジニアの年収は「マイナビエージェント 職種図鑑」での平均年収は424万円（※2023年5月執筆時点）、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、データベース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。

*AI開発は今後さらに重要性を増していくことが予想されるため、AIエンジニアの市場価値も高まり年収も上がっていく可能性が高いと言えます。*ただし、求められる技術も比例して上がっていくことが予想されるため、AIエンジニアを目指すなら技術をしっかり磨く必要があるでしょう。

【参考】：[マイナビエージェント 職種図鑑](https://mynavi-agent.jp/it/jobindex/08.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)
※【平均年収 調査対象者】2020年1月～2020年12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)

AIエンジニアの年収は低い？未経験から転職して高年収を得る方法を紹介

## AI開発のためにPythonを学ぶ方法

AI開発を行いたい方はPythonを学ぶのがおすすめです。そこで、Pythonの基礎知識を身につける方法について詳しく解説します。

PythonはAIに必須！AIエンジニアを目指すならPythonを学ぼう

まずは、Pythonの基礎文法を学びましょう。**基礎文法を学ばないことにはAI開発もできません。**文法に関してはオンラインの学習サイトで学ぶのが効率的です。実際に手を動かしながら、文法を1つずつ覚えていきましょう。

Pythonには数多くのライブラリがあります。*ライブラリを使いこなすことで、機械学習のような複雑なアルゴリズムも簡単に導入することが可能です。*ライブラリの使い方は公式サイトや参考書などで学ぶのが良いでしょう。

【参考】：[Python](https://www.python.jp/)

Pythonのよく使うライブラリ一覧！一段上の開発を目指そう

### Pythonで簡単なツールを作ってみる

**ある程度Pythonの基礎スキルが身についたら、簡単なツールを作ってみると良いでしょう。**たとえば、Webページの情報を取得しExcelにまとめるツールや自動でメールを送れるツールなど、機能が1つだけのシンプルなツールの開発から始めることをおすすめします。

### Pythonエンジニアとして活躍しながらAI開発を学ぶ

Pythonを習得したらPythonエンジニアとして転職しつつ、AI開発を学んでいくことをおすすめします。*Python開発の実績を積むことで、AI開発を行う企業に転職できたり、その会社でAI関連のプロジェクトを立ち上げたりする道が開かれていきます。*

エンジニア未経験からPythonエンジニアに転職するなら、転職エージェントを活用することをおすすめします。エージェントでは面接練習や書類添削などのサポートを行ってくれます。

Flask入門｜Pythonエンジニアを目指すなら習得しておこう

<center>[あなたに合った企業選びをサポート致します。 エンジニア転職のご相談はぜひ *『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>

## Python以外にAI開発で用いられる言語

Python以外にもAI開発で用いられている言語はいくつかあります。Pythonを習得した方はこれらの言語も勉強しておくと、転職の幅をより広げることができるでしょう。

**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、AI開発分野でも多く使われています。**汎用性の面ではPythonに劣るものの、データ解析分野においては優れているため、AI開発を極めたい方におすすめできます。

R言語とは？特徴やできること、Pythonとの違いを解説！

C++はC言語にオブジェクト指向関連の機能を追加した言語です。*家電製品の開発やゲーム開発に用いられているC++ですが、AI開発にも活用することができます。*Pythonに比べて習得難易度が高めですが、C++を勉強することでメモリ管理などのスキルを得られるメリットもあります。

JavaScriptはWebアプリにおけるフロントエンド開発で使われている言語です。**AI開発だけでなく、フロントエンド開発も行いたい方はJavaScriptがおすすめできます。**

JavaScriptでできること6選！向いている人や学習方法も解説

## AI開発に携われる企業を探すなら

本記事ではAI開発に用いられるプログラミング言語について解説しました。本記事で解説したように、AI開発を行うならPythonを習得することをおすすめします。

*しかし、Pythonスキルを磨いたとしても、必ずしもAIエンジニアに転職できるとは限りません。*特に未経験からAIエンジニアに転職するのは難易度が高いです。なぜなら、AIエンジニアの求人はまだそこまで多くないうえに、高度な技術が要求されるため未経験だと不利になってしまうためです。

未経験からAIエンジニアを目指す場合、選考対策をしっかり行う必要があります。とはいえ、転職活動に慣れてない方の場合、どのような対策を取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。

そこで利用を推奨するのが[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、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します。

アドバイザーは企業側と直接連携を取れるので、求人票に載っていない情報も確認することができます。こちらで、働き方などをしっかり確認の上、応募企業を選んでいくのが良いでしょう。

未経験からのキャリアチェンジは心身ともに本当に大変だと思います。少しでもご自身の負担を減らすべく、エージェントサービスを活用して、失敗のない転職活動に臨んでいただければ幸いです。

<center>[*『マイナビIT エージェント』*なら、 IT業界に精通した専任アドバイザーと豊富な求人で、 あなたの転職活動を丁寧にサポートします。](https://mynavi-agent.jp/entry/?genre=26&utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv07_2)</center>

<center>[【関連情報】「AIを仕事で活用する上で必須! 「コマンドプロンプト」作成のポイント｜CANVAS」](https://mynavi-agent.jp/dainishinsotsu/canvas/2024/08/post-1283.html)</center>

AI開発に興味があるものの、どの言語を勉強す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。本記事ではAI開発をこれから学習する方におすすめのプログラミング言語を紹介します。また、プログラミング言語を勉強する方法についてもまとめました。

AI開発におすすめのプログラミング言語はPython

Pythonの文法やライブラリを学び、簡単なツールを自分で作ることで基礎スキルを身につけられる

AI開発に携われる企業を探すなら転職エージェントを活用すると良い

AI開発に使えるプログラミング言語は？Pythonの基礎知識も解説

*プログラミング言語のPythonは今、もっとも注目されている人気の言語*ですが、注目されている理由はそのシンプルさや学びやすさだけではありません。**DX推進の1つの鍵となっている「AI関連」の開発や機械学習にPythonが利用されていることが人気を集めている秘訣**です。

ここでは、AIエンジニアや機械学習エンジニアを目指す方のために、PythonとAIの関係について掘り下げていきます。

Pythonは1990年にグイド・ヴァン・ロッサム氏が開発して1991年に公開された、比較的歴史のあるプログラミング言語です。*構文が非常にシンプルで、少ないコードで開発できる*点が魅力です。サンプルコードで他言語と比較したサイトなどを見てみると、*Cのサンプルコードと比較して、Pythonは1/4程度の記述で済む*ことが分かります。

**言語のタイプは、オブジェクト指向・スクリプト言語・インタプリタ言語であり、Rubyとよく似ている**と言われます。他、C言語とも相性がよく、また機械学習分野やデータ解析に加えてWebアプリケーション開発にもよく利用され、*使い勝手の良さと汎用性の高さも人気の理由*です。

Pythonはその特性を活かして**AI開発分野の機械学習・深層学習（ディープラーニング）・データ解析処理にもよく利用**されていますが、実はWebアプリケーション開発でもよく利用され、*Pythonで作られたものとしてはYouTube・Instagram・DropBoxなどが知られています*。

その他にも、ゲーム・アプリ、デスクトップ・アプリの開発でもPythonは活用されるなど、その汎用性の高さが際立っています。

**Pythonを学ぶには、AIについて理解しておくことが必要**です。Pythonとは切っても切れない関係にあるAIについて見ていきましょう。

### 第4産業革命の原動力となるAI

今最も注目されている最新テクノロジーとして、AI（人工知能）があります。**デジタル革命による第4次産業革命の時代が到来していると言われる中、AIはその中心的役割**を果たそうとしています。

*AIは、人が持つ知覚や知性を人工的に再現する技術として理解されていますが、AIについて一意に決まった定義があるわけではありません*。まだ各界で議論があるようですが、いずれにしてもAIによって世界を根底から覆すような産業革命が起きているのは間違いありません。

### 特定分野では人を超えるAIが出現

AIはまだ発展途上にあり、全ての領域において人間を超えるようなAIはまだ出現していません。しかし、**特定の分野ではAIが人間をはるかに超える能力を発揮**しているケースもあります。医療分野では、一般的な医師に代わって的確な診断を行えるAIが出現しています。

金融分野でも超高速で、精度の高い取引を行うアルゴリズム取引が市場に浸透していると言われています。タクシードライバーの他、会計士・弁護士・教師までAIに置き換わるとさえ言われているほど、*AI技術の進展には目覚ましいものがあります*。

AIの黎明期である*「第1世代」では、人の経験則をベースにして、人の知的作業の支援をするAIが出現*しました。*「第2世代」では統計/探索のモデルによる最適解の発見がAIの役割*となり、**「第3世代」のAIでは脳モデルに基づいた認識性能の飛躍的向上**を目指しています。

昨今、AIが大きく注目を浴びるようになったのは、この第3世代テクノロジーの出現にあります。

*人間の脳モデルを参考にしたアルゴリズムの「ディープラーニング」（深層学習）がその代表的な例*です。

従来の機械学習ではコンピュータ自身がビッグデータを読み解いて、裏にある相関関係などの特徴を見つけてくれましたが、*ディープラーニングによってコンピュータは人の介在やコントロールを必要とせずに自律的・自発的に学習し、自分で判断することが可能*になっています。

## AI分野でPythonが注目される理由

AI分野や機械学習ではPythonが必要不可欠な言語と言われていますが、何十種類ものプログラミング言語がある中で、特にPythonが注目されるのはなぜなのでしょうか。ここでは、**PythonがAIに欠かせない言語とされる背景、他言語との違いなど**について見ていきましょう。

### 科学技術計算分野で主流の言語に転換

Pythonは元々は分散OSの管理用に開発された言語でしたが、海外の科学者やエンジニアのコミュニティで注目され、科学技術計算の分野で評価を得て、次々と新技術の実装にPythonが利用されるようになりました。

その結果、**ライブラリがさらに充実し、科学技術計算の主流言語である「R」言語の機能がPythonに盛り込まれたことで、それまで「R」を用いていた活動の多くがPythonに置き換えられていった**のです。*これが、Pythonが機械学習やデータ解析などで主流になっていった理由*です。

米国の*コンピュータ・サイエンス分野の教育で、Pythonは圧倒的な使用率*を誇っている言語です。米国の大学では、プログラミング教育にPythonが頻繁に使用されています。さらに日本の大学でも近年、教育用言語としてPythonを採用する大学が増加しています。

これは、**Pythonが無駄を排し、非常にシンプルな構文で、初心者にも覚えやすいこと**があります。このような背景から、結果としてPython人口が拡大し、Pythonがさらに活用され、またPythonの利用が拡大するというスパイラルが生まれていることが挙げられます。

### 機械学習に強いといわれるRとの違い

R言語は元々、データ解析や統計プログラムを目的に開発された言語で、当初から主に学術分野や研究分野で使用されており、これらの分野ではR言語が有利でした。一方、**次第にPythonがR言語が持つ機能を吸収し、安定が進んできたことで、科学計算や機械学習分野ではR言語とPythonの機能に差がなくなり、両方の言語が併存**するようになりました。

とはいっても、データ解析・統計処理・多変量解析などの複雑な計算にはR言語の方が優れた部分もあり、*一部の専門領域ではまだR言語が有利*とされています。

## PythonによるAIの作り方の手順

PythonとAIが不可分の関係にあることは分かりましたが、ではPythonを用いてどのようにAIを開発するのでしょうか。ここでは、**PythonによるAI構築の一般的な手順の概略**について見ていきましょう。

最初に、どのようなAIを構築するのかについてAIの概要設計を行います。**概要設計では、用途や目的によってAIの機能（画像・文字認識機能、予測機能など）を決めて、開発用のPythonライブラリやフレームワークを選定し、AI構築の大枠を作ります**。次に、AIに対する学習モデルの選択を行います。学習モデルには大きく分けて*「教師あり学習」「教師なし学習」「強化学習」の3パターンがあり、この中から最適な学習モデルを選びます*。

次に、コンピュータに学習させるためのデータ収集を行います。**AIは「機械学習」を繰り返すことでその精度が上がるため、「機械学習」用のデータが必要**です。そのデータは学習に最適なデータである必要があります。不良なデータを与えればコンピュータの学習精度は低下します。*学習用のデータは精査され、適したラベルが付けられ、クリーニングされ、最適化*されなくてはなりませんが、最近ではこの作業を自動化する動きも出ています。

こうして整備された**学習用データを用いて、機械学習や深層学習（ディープラーニング）を行います**。これらの学習には多くの場合*「TensorFlow」「Amazon Machine Learning」「Azure ML」などのライブラリーや学習ツールが利用*されます。

**AIの学習が済むと、プログラミングによりAIを製品やサービスに実装**します。最近では、AIの作成ツール、プログラミングに必要な機械学習ライブラリが多く公開されており、*誰もが簡単にAIを作成できる*ようになっています。

【入門編】Pythonの基本構文まとめ！学習方法や年収も解説

## 市場価値の高いエンジニアを目指そう

市場価値の高いエンジニアを目指す上で、プログラミング言語に加え、さまざまなスキルの習得が必要です。**AIや機械学習エンジニアを目指すなら、プログラミングに加えてAIや機械学習に関する知識やスキル、ビッグデータなどに関する知識も必要**です。人気の高いPythonプログラマーは急速に増えていますが、それだけではエンジニアとしての市場価値は上がりません。

今後、AI開発に必須のPythonに関するスキルに加え、*AI・機械学習・深層学習に関する高度なスキル*が益々求められることでしょう。

AIを備えたサービスや製品が増加する中、機械学習を中心にPythonエンジニアの需要が急速に増加しています。*Pythonが組めるだけでは通用しなくなってくる*でしょう。そこで**強みとなるのは、機械学習や深層学習のスキルを有すること**です。

これらを体系に学ぶ方法もありますが、とにかくPythonは机上で学ぶよりは実践を重ねることです。自らPythonを用いたプロジェクトに積極的に関わり、経験を積みましょう。

### データサイエンティストとして活躍

今、注目されている職種の1つにデータサイエンティストがあります。**データサイエンティストとはデータの統計や分析によって、ビジネスに関する戦略策定に寄与する職種**です。

データサイエンティストは統計学や確率、モデリング手法などに関する知識に加えて機械学習関する知識が求められます。機械学習ではPythonの知識が不可欠です。*Pythonを学ぶ人で、統計学などを学んだ経験のある人は、データサイエンティストを目標にするのも良い*でしょう。

DX推進に欠かせないAI技術ですが、そのAI開発に欠かせないプログラミング言語と言えばPythonです。なぜAIにPythonが欠かせないのか、 AIの機械学習に強いR言語とは何が違うのか、PythonとAIとの関係、AIの仕組みなどについても解説していきます。

AI構築に必要な機械学習や深層学習にはPythonが利用されることが多く、PythonとAIは不可分の関係にある

科学技術計算や分析などはR言語の得意分野だったが、Pythonがその機能を吸収することでPythonが主流になった

Pythonエンジニアは、機械学習やAI分野の知識を併せ持つことで活躍の場が広がる

[【関連記事】【Pythonのライブラリ管理ツール】pipインストールを徹底解説！Windowsでも簡単？](https://and-engineer.com/articles/YcJyaRAAACMAl3BX)

[【関連記事】PythonのコードをEXE化するには? PyInstallerやその他ツールの特徴や使い方](https://and-engineer.com/articles/ZDZ41BEAAH-qRRlT)

[【関連記事】Pythonで自動化できること7選！面倒な作業を効率化してより便利に](https://and-engineer.com/articles/YRn2KRAAACIA6YPW)

**Pythonは、データサイエンスや機械学習などのAI領域で活用されており、その用途の1つに画像認識があります。**ここでは、画像認識の概要とともに、実際にPythonの代表的な画像認識ソフトウェアであるOpenCVを用いてコードを作成して理解を深めていきます。

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

*画像認識とは、画像に写っている情報が何なのか認識する技術を表します。*ここでいう情報とは人や物などで、これらを識別する情報処理の分野として、パターン認識と呼ぶ場合もあります。パターン認識には、広く音声や画像、文字テキストなども含まれますが、ここでは画像を対象に解説していきます。

### 人間の脳と機械やコンピュータとの違い

人間は脳に蓄積されている情報から、画像を見るとそれが何なのか、記憶や経験から識別することができます。機械やコンピュータでは画像の情報が単なるドットの集合体ですので、それが何を意味するのかそのままでは識別できません。

そのために、*画像の特徴やパターンを学習させておき、対象となる画像がどの分類に近いかの識別や、どのパターンに近いか適合の状況を表示させます。*

これらにより、人物の顔の部分を特定したり、生産工場の品質検査で異常がある製品を判別したりすることができます。

### Pythonの代表的な画像認識ソフトウェア

Pythonの代表的な画像認識ソフトウェアとして、次の2点が挙げられます。

*◼︎OpenCV*
OpenCVは、インテルが開発した画像認識ライブラリです。画像処理や解析、パターン認識、機械学習に広く利用することができます。学習済みのモデルが用意されており、自作に適しています。

【参考】：[OpenCV](https://opencv.org/)

*◼︎TensorFlow*
TensorFlowは、Googleが開発した機械学習用ライブラリです。機械学習のみならず、画像認識にも対応します。合わせてTensorFlowのコアライブラリでサポートされるニューラルネットワークライブラリ、Kerasを使うことも可能です。

【参考】：[TensorFlow](https://www.tensorflow.org/?hl=ja)
【参考】：[Keras: Pythonの深層学習ライブラリ](https://keras.io/ja/)
【参考】：[TensorFlow Core チュートリアル：Keras](https://www.tensorflow.org/guide/keras?hl=ja)

ここからは、Pythonの画像認識ソフトウェアとして利用者の多いOpenCVを使い、さらに詳しく解説していきます。

<center>[エンジニア転職を成功させるため 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=acv12_2)</center>

## 画像認識や処理を行うエンジニア

Pythonを主言語として扱うエンジニアをPythonエンジニアと呼びますが、Pythonなどの技術を使って画像認識・画像処理の業務をメインに担当するエンジニアのことを「画像処理エンジニア」と言います。ここでは、画像処理エンジニアの仕事内容や年収事情について紹介します。

画像処理エンジニアとは、*デジタル画像技術に関するアプリ・システムなどの分析や開発、運用を行うエンジニアを指します。*画像処理の技術はあらゆる分野で活用されており、自動車や医療機器メーカー、映像技術、工業分野などさまざまです。

仕事内容としては、画像処理に関する知見を求められたり、プログラミングを行なったりします。大まかな流れは通常のシステム開発と変わらず、クライアントのヒアリングから要件定義を行い、そこで画像処理に必要な技術や工程を特定します。

また、画像処理の技術に関しては「画像処理エンジニア検定」という資格試験でスキルを証明することができます。学習の過程で知識を深めることができるため、画像処理の仕事に携わるエンジニアには取得をおすすめします。

【参考】：[画像処理エンジニア検定](https://www.cgarts.or.jp/v1/kentei/about/img_engineer/index.html)

<center>[*画像処理エンジニアの転職・求人情報を見る　＞*](https://mynavi-agent.jp/jobsearch/job3_0214058/result.php?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv18)</center>

画像処理エンジニアは、システムエンジニアやプログラマーなどの職種に比べて確立された1つの職種というよりも、業務の一環として捉えられるケースが多くみられます。「画像処理エンジニア」と題した求人を出している企業が少ないため、ここではシステムエンジニアの年収を例に紹介します。

「マイナビエージェント 職種図鑑」でのシステムエンジニアの平均年収は431万円（※2024年9月執筆時点）であり、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」から近い職種のエンジニア/プログラマでは、平均年収592万円でした。

国税庁2020年発表の「民間給与実態統計調査」における民間企業の平均年収は433万円なので、*画像処理エンジニアを含むシステムエンジニアは平均年収よりも高めの年収を目指せます。*

画像処理エンジニアとして今後キャリアを積む場合、前述した画像処理エンジニア検定やPythonに関する資格を取得することで、自身の市場価値を高められるでしょう。

【参考】：[マイナビエージェント 職種図鑑/システムエンジニア](https://mynavi-agent.jp/it/jobindex/04.html?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)
※【平均年収 調査対象者】2020年1月～2020年12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)

*OpenCVは、PythonのほかC++やJavaでも利用できるポピュラーな画像認識ソフトウェアです。*画像処理の機能が豊富で、他のソフトウェアを追加せずに多くの処理をこなすことができます。英語ですが、豊富なドキュメントが公開されています。

【参考】：[OpenCV](https://opencv.org/)
【参考】：[Introduction to OpenCV](https://docs.opencv.org/4.x/df/d65/tutorial_table_of_content_introduction.html)
【参考】：[OpenCV-Python 4.8.0 Tutorials](https://docs.opencv.org/4.8.0/d6/d00/tutorial_py_root.html)

*OpenCVの公式サイトは英語のドキュメントが中心です。*英語が心配な方は、日本のOpenCVユーザの方々が有志で日本語のドキュメントやサンプルコードを掲載していますので、そちらを利用しましょう。

日本語サイトは公式サイトにもリンクが掲載されていますが、掲載情報はOpenCV2.4.2までなので注意が必要です。

【参考】：[OpenCV.jp](http://opencv.jp/)

*Pythonで利用するには、 ”pip install opencv-python” などでインストールを行います。*同様に、NumpyもPythonの配列処理に活用しますので、 ”pip install numpy” でインストールしておくと良いでしょう。

インストールについて、WindowsやLinuxなどOS別のインストール手順は必要に応じて以下のリンク先を確認しましょう。

【参考】：[OpenCV installation overview](https://docs.opencv.org/4.x/d0/d3d/tutorial_general_install.html)
【参考】：[Install OpenCV-Python in Windows](https://docs.opencv.org/4.8.0/d5/de5/tutorial_py_setup_in_windows.html)
【参考】：[Install OpenCV-Python in Fedora](https://docs.opencv.org/4.8.0/dd/dd5/tutorial_py_setup_in_fedora.html)
【参考】：[Install OpenCV-Python in Ubuntu](https://docs.opencv.org/4.8.0/d2/de6/tutorial_py_setup_in_ubuntu.html)

ここでは、OpenCVの基本操作を学んでいきます。手順は以下の通りです。

*①ライブラリのインポートと画像の読み込み*
PythonでOpenCVを使う場合は、 ”import cv2” でライブラリをインポートします。取り扱う画像データは、JPEGやPNG、BMP・PBMなどの主要なフォーマットに対応します。

配列処理を行う場合は、必要に応じて ”import numpy” などを行い、ライブラリをインポートしておきます。画像の読み込みですが、静止画の場合はcv2.imread()、動画の場合はcv2.VideoCapture()を使って読み込みます。

実際の使い方は、次のように行います。なお、NumPyを使用しない場合は、OpenCVのみインポートしてください。

```import numpy
import cv2
image = cv2.imread('picture.jpg')```

*②画像の前処理*
前処理として画像の処理を行います。認識精度向上のために、cv2.cvtColor()でグレースケールや二値化によるモノクロ化、トリミングなどを行います。BGRの分離やマージも行うことができます。

ここで言うBGRは、青緑赤で通常のRGBとは逆の順番となることに注意します。GBRからRGBへの変換は、cv2.cvtColor()を用います。

次の例は、グレースケールに変換する場合の指定です。

```grayscale = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)```

*③画像の画面表示と保存*
処理した画像を画面に表示するには、cv2.imshow()を使います。保存するには、静止画はcv2.imwrite()、動画はcv2.VideoWriter()で出力します。

具体的には、次のように使用して画像を保存します。

```cv2.imwrite('grayscale.jpg', grayscale)```

ここから、OpenCVを用いた画像の認識を行っていきます。*画像認識には、cv2.CascadeClassifier()で学習済みのモデルを読み込み、cv2.CascadeClassifier.detectMultiScale()で顔などのパターンを検出します。*

なお、OpenCVではあらかじめ認識できるパターンが用意されていますので、それを用いるのが良いでしょう。

ここで用いる学習済みのモデルは、カスケード分類器と言います。同様に学習済みのモデルである、認識パターンの登録済みファイルはカスケードファイルと言い、目や眼鏡、ネコや人の顔、人物の全身・下半身・上半身、左目・右目・証明写真風の顔や笑顔などが用意されています。

格納場所は、 ”Pythonのインストール先\Lib\site-packages\cv2\data” で、17種類の登録ファイルがあります。

【参考】：[OpenCV /data/ haarcascades](https://github.com/opencv/opencv/tree/master/data/haarcascades)
【参考】：[OpenCV Cascade Classifier](https://docs.opencv.org/4.8.0/db/d28/tutorial_cascade_classifier.html)
【参考】：[OpenCV Cascade Classifier Training](https://docs.opencv.org/4.8.0/dc/d88/tutorial_traincascade.html)

### OpenCVを用いた画像認識のサンプルコード

ここまで学んだことを実際のコードにしてみます。*サンプルコードでは、画像から顔（正面）を認識する一連の流れを表します。*顔（正面）の学習済みモデルは、 ”haarcascade\_frontalface\_default.xml" を使います。このファイルをローカルに保存するか、パスを指定して読み込みます。

実際のサンプルコードは、以下の通りです。作成したサンプルコードに注釈を入れておきましたので、参考にしてください。

# NumPyを使う場合インポートします（通常、numpyをnpとして使用します）
#import numpy as np

# OpenCVは必ずインポートします（通常、cv2をcvとして使用します）
import cv2 as cv

# 画像を読み込みます（ここでは'picture.jpg'とします）
imagefile = 'picture.jpg'
image = cv.imread(imagefile)

# グレースケールに変換します
grayscale = cv.cvtColor(image, cv.COLOR_BGR2GRAY)

# 学習済みモデルを読み込みます
# 正式なパスは"Pythonのインストール先\Lib\site-packages\cv2\data"です
cascade = cv.CascadeClassifier("haarcascade_frontalface_default.xml")

# 顔を検出します（検出する最小サイズは50x50とします）
results = cascade.detectMultiScale(grayscale, minSize=(50, 50))

# 検出した場合の処理です
if len(results) > 0:

    # 検出した顔を矩形で囲みます（色は赤、線の太さは2とします）
    for rectangle in results:
        cv.rectangle(image, tuple(rectangle[0:2]),tuple(rectangle[0:2]+rectangle[2:4]), (0, 0, 255), thickness=2)

    # 検出結果を保存します（ここではファイル名の最初に'result-'という文字列を追加します）
    cv.imwrite('result-'+imagefile, image)

    # 検出結果を画面に表示します（ウィンドウタイトルに'imshow:ファイル名'を表示します）
    cv.imshow('imshow: '+imagefile, image)```

<center>[あなたに合った企業選びをサポート致します。 エンジニア転職のご相談はぜひ *『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=acv12_2)</center>

## Pythonを使った画像認識は難しくない

Pythonは用途に応じたライブラリが豊富であり、**画像認識も人や動物などを認識するほか、物体の形状を登録することで生産ラインの品質検査にも応用できます。**その中でも、OpenCVは手間なく環境構築と学習済みモデルを使った画像検出が可能で、簡単に始めるにはおすすめのソフトウェアです。

画像処理技術は年々高度化しており、特に汎用性の高いPythonを使って画像処理を行えるエンジニアの需要はますます増加しています。この技術を習得することで、画像処理エンジニアやAI関連職種へのキャリアパスが広がるでしょう。

今のキャリアを活かした転職を望む場合、いかに自分に合う企業とマッチングできるかが重要です。そのような優良企業を見つけるのは至難の業でしょう。

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=acv12_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。

<center>*＼転職するか迷っていてもOK！／* [*マイナビエージェントに無料登録して* *転職サポートを受ける*](https://mynavi-agent.jp/entry/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv17)</center>

Pythonの用途の1つに画像認識があります。もちろん公開されているソフトウェアを活用して、AI全般に利用することもできます。ここでは、画像認識の概要とともに、実際にPythonの代表的な画像認識ソフトウェアを用いてコードを作成して理解を深めていきます。

画像認識では、画像の特徴やパターンを学習させておき、対象となる画像の分類を識別します

Pythonの場合は、OpenCVを用いて画像認識や検出に使用することが多いです

OpenCVでは、学習済みモデルを使った画像検出が可能のため、すぐに利用することができます

Pythonを使った画像認識！概要からサンプルコードも紹介

**Pythonの実行環境とは、Pythonのプログラムコードを実行するための環境を指します。**作業の流れは、Pythonの動作環境をローカルに構築してPythonを実行します。ここでは、Pythonの実行環境の概要からおすすめの実行環境まで解説していきます。

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

Pythonの実行環境はプログラムコードを実行するにあたって必要であるため、Python自体の動作環境である必要があります。PythonはWindowsやmacOS、Linuxなど多くのプラットフォームでサポートされており、macOSやLinuxでは、プリインストール版のPythonがそのまま使えます。

同様に、プログラムコードは単体のソースコードのみならず、内部でimportするライブラリやモジュールが必要です。*そのライブラリやモジュールを導入するには、ソフトウェア開発環境を実行環境に構築するのが互換性を高めるメリットもあり、使用している開発環境を実行環境に導入するのが簡単で確実な方法です。*

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

### Pythonの開発環境に必要な要素

*Pythonは、実行するプログラムをテキスト編集と同じ要領で作成します。*OSに付属する単純なテキストエディタがあれば動作しますが、プログラム用のコードエディタあるいは統合開発環境（IDE）があればソフトウェア開発を効率的に行えます。

同様にPythonのプログラム自体もパッケージマネージャから導入することで、環境を一元管理が可能です。Pythonの実行環境を構築する場合も、パッケージマネージャを使用して同じバージョンをデプロイ（配布）すると、問題発生時の環境確認がスムーズになります。

IDEとは？詳細やメリット、おすすめのIDEを紹介します！

### 環境構築せずにPythonを利用することも可能

*PythonはローカルのサーバあるいはPCが実行環境として必要ですが、クラウド環境ではローカルに実行環境を持たずに使用できます。*

ウェブブラウザを使ったオンラインエディタやGoogle Colab（Google Colaboratory）は、Pythonがインストール不要で簡単にコードの開発や実行が可能です。このように使用用途に応じた環境を選択できるメリットもあります。

Pythonの記事（1ページ目）