PythonでAI開発

1. なぜPythonがAI開発で選ばれるのか

シンプルで読みやすい構文

Pythonは「読みやすさ」を重視した言語設計になっており、複雑なAIアルゴリズムを簡潔に表現できます。

豊富なライブラリエコシステム

NumPy、pandas、scikit-learn、TensorFlowなど、AI・機械学習に必要なライブラリが充実しています。

強力なコミュニティ

世界中の研究者や開発者がPythonを使っており、豊富な情報とサポートを得られます。

高速なプロトタイピング

アイデアを素早く実装してテストできるため、AI研究や開発のスピードが向上します。

2. Python基本文法の復習

AI開発でよく使う基本構文

リストとタプル

# リスト（可変）
data = [1, 2, 3, 4, 5]
data.append(6)  # [1, 2, 3, 4, 5, 6]

# リスト内包表記
squared = [x**2 for x in data if x > 2]  # [9, 16, 25, 36]

辞書（Dictionary）

# 辞書の作成と操作
student = {
    'name': '太郎',
    'age': 20,
    'grades': [85, 90, 78]
}

# 要素の取得
print(student['name'])  # 太郎
print(student.get('email', 'なし'))  # なし（デフォルト値）

3. AI開発に必須のライブラリ

NumPy - 数値計算の基盤

多次元配列オブジェクトと、それを操作するための関数群を提供します。全てのAIライブラリの基礎となっています。

pandas - データ操作とデータ分析

表形式データの読み込み、操作、分析を簡単に行えるライブラリです。CSVファイルやデータベースとの連携も簡単です。

scikit-learn - 機械学習ライブラリ

分類、回帰、クラスタリングなど、様々な機械学習アルゴリズムを統一されたAPIで提供します。

4. データ操作の基本

AI開発でよく行うデータ操作

CSVファイルの読み込みと基本的な確認

# データの読み込み
df = pd.read_csv('data.csv')

# データの基本情報
print(df.info())  # データ型と欠損値の確認
print(df.head())  # 最初の5行を表示
print(df.describe())  # 統計サマリー

5. 簡単な機械学習の実例

住宅価格予測の完全なコード例

実際のデータを使って、住宅価格を予測する機械学習モデルを作成してみましょう。

ステップ1: ライブラリのインポートとデータ準備

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score

# データの読み込み（実際はCSVファイルから読み込み）
df = pd.read_csv('housing_data.csv')
print(df.head())

6. 開発環境の構築

推奨する開発環境

クラウド環境（初心者推奨）