これから機械学習を学び始める方へ。実装に必要なPythonプログラミング環境を、手っ取り早く準備しようと思ったときに、オススメの方法を2種類ご紹介いたします。

なお、数年前と比較して、とても充実した環境が整ってきているように感じます。機械学習技術を学び始めるのに良い頃合いかと思います。

また、実際にサービス等で機械学習を動かす際には、また別の環境構築の検討が必要となりますが、それはまた別の機会にご紹介したいと思います。

1. Google Colab

https://colab.research.google.com/

Chromeブラウザ上でプログラミングし、Googleのクラウド上で実行できるサービスであり、お手持ちのマシンスペックを問いません。Jupyter Notebook風のインターフェースになっており、インタラクティブに実行結果を描画できたりします。

特徴として、GPUやTPUといったコンピューティングリソースを無料で利用できるので、Deep Learningの学習をするのにうってつけです。

難点を挙げるとすれば、自分で用意したデータセットを読み込む手段が若干煩雑だったり、一定時間経つと、実行中の途中結果がリセットされてしまったりするので、ちょっとした実用的なことに挑戦しようとしたときに障壁となるかもしれません。

2. Anaconda Navigator

https://docs.anaconda.com/

こちらはお手持ちのマシンにインストールして頂く方法となります。以前だと色々と問題になりやすかった数値計算系ライブラリのインストール等、特に躓くことなくクリックしていくだけで導入できるかと思います。

デフォルトでJupyter Notebookもインストールされて、クリックするだけで立ち上がり、すぐに作業を進めることが出来ます。

自分のマシン上で動作するため、自前のデータセットを読み込んだり、結果を書き出して整理したりするのも何ら問題ありません。
また、Jupyter Notebook上では扱いづらいような処理を書こうとする場合、スクリプトを書いて実行するような開発スタイルへ容易に移行することができます。

さいごに

いきなり自前のデータセットを分析したりする場合でなければ、まずはGoogle Colabで色々とNotebook形式でのPythonプログラミングに慣れることからはじめて、色々と不便さを感じてきたら、Anaconda Navigatorをインストールしてもらい、自分のマシンでゴリゴリと実装していくのが良いのではないでしょうか。

もし機械学習技術の習得にあたって、気軽に相談したい相手が欲しい場合は、以下のようなプランを提供しておりますので、ご検討頂ければ幸いです。
https://menta.work/plan/1072

また、オフラインでは以下のような勉強会を開催しております。ご都合が合えば、こちらでお気軽にご相談頂くのも良いかと思います。
https://start-ml-idea.connpass.com/