**Docker Composeとは一言でいうと、複数のコンテナを定義して実行するツールです。**Docker Composeを利用するには、まずYAMLファイルにサービスの内容を予め設定しておきます。そしてコマンドを実行すると、設定内容に基づき、サービスを生成して起動してくれます。

今回はDocker Composeの入門編として概要と特徴を解説するため、YAMLファイルの記述例などを詳しく知りたい方は、公式サイトをご覧ください。

【参考】：[Docker Compose 概要](https://docs.docker.jp/compose/index.html)

まずはYAMLファイルについて解説します。YAMLファイルとは「YAML Ain’t Markup Language」の略で、設定ファイルなどを作成するときに使われる言語です。ファイルの中には複数の文字列などの要素が並べられています。また拡張子は「yml」という文字列を使用します。

Docker Composeの中には、「docker-compose.ymlファイル」という名前のファイルがあります。実際に設定を記述する際には、docker-compose.ymlファイルを使用しましょう。

またYAMLファイルは、*XMLファイルなどと比較すると、人間が読みやすい形式で書かれているため、人間が編集しやすいという特徴があります。*

YAMLとは？シンプルで使いやすいデータ形式と構造の基本を解説！

*コンテナとは、アプリケーションに必要なものを予めパッケージ化したものを指します。*

コンテナと聞くと、仮想化マシンと同じだと思われる方もいるかもしれませんが、コンテナは仮想化マシンとは異なり、OSレベルからの構築はしません。そのため仮想化マシンと比較すると、より軽量な仮想化環境がコンテナだといえます。

エンジニア初心者でも分かる！Dockerコンテナの超入門！

*Docker Composeの特徴は、1つのホストから複数の環境を分けたり、コンテナ作成時にボリュームデータを保持できたり、変更のあったコンテナのみ再作成できる点が挙げられます。*ここからは、Docker Composeのそれぞれの特徴を詳しく解説します。

### 1つのホストで、複数の環境を管理できる

*Composeは1つのホストで複数の環境を管理できます。*具体的にはプロジェクト名を使って、それぞれの環境を分離しています。プロジェクト名を指定するときにはコマンドラインのオプションか、環境変数を使用します。コマンドラインの詳細などは、公式サイトをご覧ください。

【参考】：[コマンドライン リファレンス](https://docs.docker.jp/engine/reference/index.html)

### コンテナの作成時に、ボリュームデータを保持してくれる

*Docker Composeは、ボリュームデータを保持してくれます。*ボリュームとはデータを永続化できる場所を指しますが、Docker ComposeではYAMLファイルの中にボリュームも設定することができます。

ボリュームデータを保持していれば、例えば何かしらの不具合でコンテナが落ちてしまった場合に、ボリューム内で作成したデータが失われずに済みます。

### 変更のあったコンテナのみ再作成できる

*Docker Composeでは、コンテナを生成したタイミングで1度キャッシュに情報が保存されます。*また同じ設定内容のサービスが起動された場合、既にあるコンテナを使用します。そのためサービスの再起動を高速に行える点が、特徴の1つといえるでしょう。

**Dockerとは、コンテナにアプリケーションパッケージや必要な機能をまとめて、実行できるプラットフォームです。**このDockerには様々なサービスやツールがあり、Docker ComposeはDockerのツール群の1つという位置づけです。

【参考】：[Docker 概要](https://docs.docker.jp/get-started/overview.html)

*Dockerは再現性の高さと、軽量であることが大きな特徴といえます。*Dockerは環境を1つ作ると、同じ環境をそのまま別のマシンで再現することができます。従来であれば、人が手順書などを見ながら環境を作成しますが、Dockerを使えばその手間は必要ありません。

またDockerのコンテナは軽量で、スピーディーにアプリケーションを実行できます。高い処理負荷も分散できるよう、予め考慮されています。そのため開発者が何かしらの処理を走らせる場合に、処理負荷を心配する必要もありません。

Dockerとは？使いどころやメリット・デメリットについて解説！

**DockerとDocker Composeの違いは、複数のコンテナを操作できるかどうかです。**Dockerは、docker-runコマンドを実行すると、1つのコンテナを起動することができます。例えばアプリケーションを動かすには、データベースやキャッシュなどの複数のコンテナを起動する場合が多いです。

つまりDockerでは複数のコンテナを立ち上げるために、何度もコマンドを打つ必要がありました。立ち上げの際に毎回何度もコマンドを打つことは、非常に手間がかかります。

一方でDocker Composeは、同時に複数のコンテナを操作出来るのが特徴です。予めYAMLファイルに設定しておくことで、1度コマンドを打てば複数のコンテナを起動できます。コマンドを打つ回数を減らせれば、作業時間やミスも削減できるので効率的に開発できます。

Docker入門！メリットや用途を交えて基本情報を解説！

## Docker Composeのインストール方法


**Docker Composeのインストール方法は、OSごとに異なります。**またインストールをする前には動作条件の確認も必要ですので、こちらも併せて解説します。

【参考】：[Docker Compose のインストール](https://docs.docker.jp/compose/install/index.html)

### インストール前に確認すべきこと

*インストール前に、PCのOSやスペックを確認しましょう。*Docker ComposeはmacOS・Windows（64 ビット）・Linuxのいずれかで動作します。

**Docker Composeは、Docker Desktopの中に含まれていますので、まずはDocker Desktopをインストールします。**こちらをインストールすると、Docker Composeが利用できる状態になります。

ちなみにDocker Desktopは企業で使用する場合、利用条件がありますので注意しましょう。利用条件については、公式ドキュメントのページを参照してください。

【参考】：[Docker Desktop 概要](https://docs.docker.jp/desktop/index.html)
【参考】：[Docker Desktop を通して Compose をインストール](https://docs.docker.jp/compose/install/compose-desktop.html)

*■Docker Desktop のインストール*
ご自身の環境にあったDocker Desktop をインストールしましょう。下記URLには、それぞれのOSごとにシステム要件やインストール手順などが記載されています。またOSごとに参照するURLが異なりますので、注意しましょう。

また実際にインストールする際には、最新のバージョンを確認してからインストールしましょう。

【参考】：[Mac に Docker Desktop をインストール](https://docs.docker.jp/desktop/install/mac-install.html)
【参考】：[Windows に Docker Desktop をインストール](https://docs.docker.jp/desktop/install/windows-install.html)
【参考】：[Linux に Docker Desktop をインストール](https://docs.docker.jp/desktop/install/linux-install.html)
【参考】：[Compose インストールのシナリオ](https://docs.docker.jp/compose/install/index.html)

*■Docker Desktop を使用しない方法について*
Docker Desktopを使用せずにDocker Composeを利用するには、Docker CLIを利用します。Docker CLIをインストールすると、Docker Composeをプラグインとして利用できます。

しかし公式ドキュメントに記載の通り、基本的にはDocker Desktopの利用を推奨しているため、Docker Desktopを利用できる方はそちらを利用しましょう。Docker CLIの詳細については、公式サイトを参照してください。

【参考】：[Docker Compose CLI プラグインのインストール](https://docs.docker.jp/compose/install/compose-plugin.html)

Docker Desktop 4.2の新機能とインストール方法

## Docker Composeを利用してみよう


Docker Composeは、Dockerをより便利に活用できるため、インフラ業界をはじめIT技術者から注目を集めているツールです。**Docker Composeは先述の通り、コマンド1つでコンテナを複数操作できる特徴があります。**

また、Docker Desktopをインストールすれば、すぐに使うことができるのもメリットの1つです。その他にも小規模のチームや個人で使用する場合、基本的にはDocker Composeは無料で使えます。

アプリケーションの開発環境をどれにしようか検討されている方は、Docker Composeを使ってみてはいかがでしょうか。

Windows・Linux・MacOSのDockerインストール

Dockerの環境構築は？理解を深める作業の流れを解説！

Docker Composeは、複数のコンテナを定義・実行するツールです。Docker ComposeではYAMLファイルに設定した内容を、コマンド実行で生成・起動できます。この記事では、Docker Composeの概要やDockerとの違いなどを解説します。

DockerとDocker Composeの概要が分かります

DockerとDocker Composeを利用すると、コンテナ操作時の操作ミスを防いだり、効率的にアプリケーション開発ができます

Docker ComposeはDockerと異なり、複数のコンテナを同時に操作できます

Docker Composeとは？インストール方法やDockerとの違いも解説！

## Pythonでオーバーロードを実装する

Pythonは、データサイエンス分野で広く用いられており活用の機会も増えています。作成したコードをライブラリとして共有し、効率的なソフトウェア開発を実践することができます。*ここでは作成する関数をより柔軟に使用するために、オーバーロードの実装方法を解説していきます。*

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

Pythonとは？人気の理由と基本知識をわかりやすく解説！

*オーバーロードとは、オブジェクト指向プログラミングで用いる手法です。*具体的には、同じ名前の関数あるいはメソッドを使って、異なる引数のタイプや数でも単一の処理を行う実装の方法を指します。

多重定義という場合もあります。例えばC++やC#などでは、オーバーロードを一般的な関数定義の手法として用いることができます。

類似の用語でオーバーライドという機能があります。これは親クラス（スーパークラス）のメソッドを子クラス（サブクラス）で上書きし、定義しなおす手法です。オーバーロードと混同しないようにしましょう。

【参考】：[Python Docs: 用語集](https://docs.python.org/ja/3/glossary.html)

*オーバーロードは、異なる目的の処理も同一の関数やメソッドに定義できるので、いちいち異なる関数名を指定せずに引数を渡すことができます。*オーバーロードに対応していないプログラミング言語では、それぞれの定義を条件分岐などで振り分けたりする必要があり、その不便さから解消されます。

### オーバーロードのデメリット

オーバーロードのデメリットですが、*複数の処理を気にせずに使える反面、どの処理にどの引数を渡すべきかわからなくなる場合があることです。*コードのデバッグの際にも引数のタイプや数の組み合わせの妥当性や、コードが見にくくならないようにコーディングルールを整備するなどが求められます。

## Pythonでオーバーロードを実装するには

Pythonは型を持たないので、C++と同じようなオーバーロードを実装することができません。Pythonでは標準ライブラリにfunctoolsが提供されており、その中の1つの機能にsingledispatchがあります。*実際には、このsingledispatchデコレータを使うことでオーバーロードに相当するコードが実現できます。*

デコレータとは、関数の前後に特定処理を追加するための機能で、Pythonではこのデコレータを用いてオーバーロードに相当する機能を実現することができます。

【参考】：[Python Docs: What's New In Python 3.4](https://docs.python.org/ja/3/whatsnew/3.4.html)

*singledispatchは、オブジェクトの操作を行う関数のfunctoolsモジュールに搭載されています。*functoolsはPythonの標準ライブラリで、singledispatchはPython 3.4に追加されたジェネリック関数となります。

用途は、異なる型に対し同じ操作をすることを目的としており、オーバーロードの機能と合致するものです。

【参考】：[Python Docs: functools --- 高階関数と呼び出し可能オブジェクトの操作](https://docs.python.org/ja/3/library/functools.html)

*singledispatchは、”import singledispatch”で読み込んで使用します。*

関数の定義は、”@singledispatch”デコレータを使用します。基本的な使用方法は以下の通りです。

```
from functools import singledispatch
@singledispatch
def func_name(arg):
    print(arg)```

この例では、1行目の”from functools import singledispatch”で、singledispatchを読み込んでいます。2行目の”@singledispatch”でsingledispatchデコレータを宣言し、3～4行目に”def”で始まる関数の定義を行っています。

なお、関数ではなくメソッドで用いるには、”@singledispatch”を”@singledispatchmethod”デコレータに置き換えて使用することができます。

### 関数にオーバーロード属性を追加する

*関数にオーバーロード属性を追加するには、ジェネリック関数の register属性を使用します。*以下が使用方法です。

```
@func_name.register
def _(arg: int):
    # 実際の操作を追加
    print(arg)
 
@func_name.register
def _(arg: list):
    # 実際の操作を追加
        print(arg)```

上の例では、引数の型別に処理を追加する際の振り分けが可能です。”arg: int”で整数型を、”arg: list”でList型を宣言します。

### Pythonのオーバーロードのサンプルコード

Pythonのオーバーロードのコードを実際に作成してみます。以下がサンプルコードです。*先ほどの基本用法に従って、引数を文字列型、整数型、List型を受け付けて定義別に結果を出力します。*どれにも当てはまらない場合は、"このタイプは表示できません。"と表示します。

```
from functools import singledispatch
 
@singledispatch               # singledispatchを使用します
def func_name(arg):           # 念のため、例外処理として追加します
    print("このタイプは表示できません。")
 
@func_name.register           # オーバーロード属性を追加します
def func_name_str(arg: str):  # 文字列型を定義します
    print("文字列型：",arg)
 
@func_name.register           # オーバーロード属性を追加します
def func_name_int(arg: int):  # 整数型を定義します
    print("整数型：", arg)
 
@func_name.register           # オーバーロード属性を追加します
def func_name_list(arg: list):# List型を定義します
    print("List型：", arg)
 
# サンプルデータを処理する（引数を変えて関数をコールします）
func_name("文字列を表示")      # 文字列として処理します
func_name(15)                 # 整数型として処理します
func_name([1, 2, 3])          # List型として処理します
func_name(3.14)               # 浮動小数点の数値は未登録です```

サンプルコードでは、次のように引数を”func_name()”に与えますが、その型を変えて順に呼び出しています。なお、引数の”3.14”は浮動小数点の型です。*このサンプルでは意図的に浮動小数点の型を定義しておらず、例外処理のチェック関数で処理しています。*

```# サンプルデータを処理する（引数を変えて関数をコールします）
func_name("文字列を表示")      # 文字列として処理します
func_name(15)                 # 整数型として処理します
func_name([1, 2, 3])          # List型として処理します
func_name(3.14)               # 浮動小数点の数値は未登録です```

実際にコードを実行すると、次の結果が得られます。

```文字列型： 文字列を表示
整数型： 15
List型： [1, 2, 3]
このタイプは表示できません。```

先ほどのサンプルコードの例外処理は、次のようにprint()表示させるだけの簡易なものでした。

```@singledispatch               # singledispatchを使用します
def func_name(arg):           # 念のため、例外処理として追加します
    print("このタイプは表示できません。")```

*このコードを、正しく例外処理としてNotImplementedError()で実装すると次のようになります。*

```
@singledispatch               # singledispatchを使用します
def func_name(arg):           # 念のため、例外処理として追加します
    raise NotImplementedError("このタイプは表示できません。")```

サンプルコードでは浮動小数点の処理が定義されていないため、例外処理で処理されるコードは、最終行の”3.14”を引数として渡した場合に、NotImplementedError()が呼び出されます。

```
func_name(3.14)                # 浮動小数点の数値は未登録です```

引数を順に変えながら関数を呼び出しますが、”func_name(3.14)”を関数呼び出しした際の、例外処理の実行例は次の通りです。

```
文字列型： 文字列を表示
整数型： 15
List型： [1, 2, 3]
Traceback (most recent call last):
  File "example.py", line 23, in <module>
    func_name(3.14)
  File "example.py", line 4, in process_data
    raise NotImplementedError("このタイプは表示できません。")
NotImplementedError: このタイプは表示できません。```

この場合のように、例外処理として適切ではあるもののプログラムの実行時にランタイムエラーとなり、処理を停止します。致命的な問題の場合は例外処理が有効ですが、影響のないものについては処理を継続させるなどを検討することもできます。

【参考】：[Python Docs: 組み込み例外](https://docs.python.org/ja/3/library/exceptions.html)

## Pythonでオーバーロードの実装は難しくありません

Pythonは色々な用途に利用できますが、オーバーロードで関数の多機能化が簡単に実現できます。引数の数や違いを気にせずにコーディングができるメリットがあります。**オーバーロードの実装は難しくありませんので、テストコードなどで試してみると良いでしょう。**

【入門編】Pythonの基本構文まとめ！学習方法や年収も解説

Pythonの学習ロードマップとは？習得のコツやおすすめのサイトを紹介！

オーバーロードは、オブジェクト指向プログラミングで用いる手法です。Pythonでもsingledispatchデコレータを使うことで、同等のコードを実装することができます。ここでは、Pythonのオーバーロードについて、実際のサンプルコードを用いて解説します。

オーバーロードは、同じ名前の関数あるいはメソッドを使って、異なる引数のタイプや数でも単一の処理を行う手法です

Python 3.4に追加されたsingledispatchデコレータを用いて、オーバーロードが実現できます

オーバーロードは難しくありませんので、1度試してみることをおすすめします

Pythonでオーバーロードを使うには？サンプルコードで処理を解説

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/)

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！

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

## Pythonはゲーム開発に不向き？

*Pythonといえば、機械学習や深層学習（ディープラーニング）で注目を集める、AIの分野で活発に利用されているプログラミング言語です。*AIのイメージが強く、また、処理速度が遅いというデメリットから、ゲーム開発には不向きという意見も多いです。

しかし、**実はPythonでもゲームを作ることができます。**この記事では、Pythonを使ってゲームを作るメリットやゲーム開発の際に活用できるライブラリなどを紹介していきます。

**Pythonとはプログラミング言語の一種です。**構文がシンプルで読みやすく書きやすいため、初心者でも比較的学習しやすい言語であるという特徴があります。また、Pythonは機械学習や深層学習・ゲーム開発などさまざまな分野で使用されており、汎用性の高さも特徴です。

Pythonとは？人気のPythonを学ぶ際に知っておきたいこと

Pythonはさまざまな分野で使われているため、*同じPythonエンジニアでも企業や携わる分野などによって年収に差が出てきます。*今回は、Pythonエンジニアを含むプログラマーの年収を参考に見ていきましょう。

プログラマーの年収は「マイナビエージェント職業別年収ランキング/職種図鑑」での平均年収は344万円（※2023年2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「エンジニア/プログラマ」を参考にすると、平均年収592万円と分かりました。

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、マイナビ調査でのプログラマーの年収は一般平均年収よりもやや低め、経済産業省の調査結果ではやや高めであることが分かります。

プログラマーの年収が低めになっている原因の1つには、プログラマーがエンジニアの登竜門とされているためキャリアがまだ浅い人も多く含まれていることが考えられます。**経験を重ね、より高度な知識やスキルを身につけてキャリアアップすることで、年収も上げることができます。**

【参考】：[マイナビエージェント職業別年収ランキング/職種図鑑](https://mynavi-agent.jp/it/jobindex/05.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)

Pythonは豊富なライブラリが公開されているプログラミング言語です。特にAI分野における機械学習・深層学習で活用されていますが、AI分野の他にもさまざまな分野で利用されています。以下に例を挙げますので、目を通してみてください。

・*データサイエンス*
Pythonはデータ分析を得意としており、科学技術計算全般で用いられています。また、データ分析のライブラリが豊富なため、AI（機械学習・深層学習）に加えて金融計算・ブロックチェーン等で広く活用されています。

Pythonによるデータ分析：入門情報から資格取得まで解説！

・*データ収集*
Pythonはデータ分析を得意としていますが、データ分析の前段階であるデータ収集にも対応可能です。そのため、ウェブ情報収集のためのクローニングやスクレイピング、収集した情報の売り上げ分析・需要分析等に活用できます。

・*汎用的な用途*
Pythonは構造がシンプルなため、ちょっとしたプログラムであれば比較的簡単に作成できます。そのため汎用プログラミング言語としても最適です。他にもウェブサイト作成のフレームワークがあるため、多くのコンテンツ作成者が利用しています。世界的なサービスであるYouTube・Dropbox・Instagram・Googleなどでも実績があります。

・*学習・ゲーム*
Pythonは参考サイトや参考書籍、並びにサンプルコードが多数あるため学習がしやすく、利用者にはプログラミング学習初心者も多くいます。大学のカリキュラムでPythonのプログラム講座が設けられていることもあります。

加えてPythonを使用したゲーム開発も盛んに行われています。プログラミング学習のためのゲームから本格的なゲームまで、多種多用なゲームの作成が可能です。ゲーム開発をする上で使用可能なライブラリが多く公開されています。

Pythonの用途とは？できること・実用例・学習方法を紹介！

Pythonはさまざまな分野で活用されていますが、苦手とする分野や他の言語が最適な分野も少なからずあります。以下に挙げるのはあくまで一例です。

・*機種依存性が高いアプリケーション開発*
Pythonは、コードを1行ずつ機械語に翻訳するインタプリタを用いた汎用的なアプリケーション開発に強みがあります。一方で、機種依存性が高いアプリケーション開発には機種固有のライブラリを用いるのがおすすめです。そのためPythonは機種依存性が高いアプリケーションの開発には向いていません。

・*コンパイラが適しているアプリケーション開発*
Pythonは処理速度がそれほど早くありません。そのため、ソースコード全体を一度に機械語へ変換するコンパイラを必要とするようなアプリケーションの開発には、高速処理が可能で事前にコードをコンパイル（変換）するコンパイラ言語の使用が最適です。

基幹業務システムではC言語・C++・COBOLや同等処理が可能なJavaが用いられます。また、レスポンスタイム保証が必要とされる業務においては、C言語・C++・Java等が用いられています。

COBOLとは？今後は衰退ではなく重用される言語に？

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

<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=acv12_2)</center>

## ゲーム開発で用いる主な言語は？

ゲーム開発で用いる主要言語は、以下の通りです。それぞれのターゲットや用途に応じて開発言語が選択されています。

・*C\#*　
最大シェアのゲームエンジンUnityとの併用で、ゲーム開発を行う際に最も活用されている言語です。

C#とは？できることやメリット・デメリットについて解説！

・*C++*　
市販ゲーム機でも用いられる言語です。3Dグラフィックスに強みを持ち、UnrealEngineのゲームエンジンを活用することが多く、Open 3D Engine (O3DE)で採用されている開発言語です。

【参考】：[Unreal Engine](https://www.unrealengine.com/ja/)
【参考】：[O3DE](https://www.o3de.org/)

お役立ち記事