Google Colaboratoryの使い方？、これから始めようとする初心者向けに分かりやすく解説｜Python入門（２）

ーーーーーーーーーーーーーーーーーーーーー2026年2月26日執筆ーーーーーーーーーーーーーーーーーー

Google Colaboratoryの使い方？、これから始めようとする初心者向けに分かりやすく解説｜Python入門（２）の」Podcast

下記のPodcastは、Geminiで作成しました。

はじめに

2026年現在、プログラミング学習、特に人工知能（AI）やデータサイエンスの分野において、Google Colaboratory（以下、Colab）はもはや単なる補助ツールではなく、開発環境の標準としての地位を揺るぎないものにしています。かつて初心者が直面した最大の障壁は、自身のコンピュータへの環境構築でした。Pythonのインストール、ライブラリの依存関係、GPUドライバーの設定といった複雑な工程は、多くの学習者の意欲を削いできました。しかし、Colabはこのプロセスを完全にクラウドへ移行させ、ウェブブラウザ一つで最高峰の計算資源と開発環境を即座に提供することで、教育の民主化を達成しました 。この環境が提供する価値は、単に「無料でPythonが動く」という点に留まりません。2025年から2026年にかけて、Colabは「AIエージェント統合型開発プラットフォーム」へと劇的な進化を遂げました。Googleの最新言語モデルであるGemini 3.1 Proがネイティブに組み込まれたことで、コードの記述、実行、デバッグ、および学習プロセスそのものが、AIとの対話を通じて動的に行われるようになっています 。本報告書では、2026年時点の最新仕様に基づき、これからプログラミングの旅を始める初心者が、この強力なツールをどのように活用し、次世代のエンジニアリングスキルを身につけていくべきかを詳細に解説します。

Google Colaboratoryの基本概念と2026年のインターフェース

Colabは、Jupyter Notebookをベースとしたクラウドサービスであり、プログラム（コード）、実行結果、そして説明文（テキスト）を一つの「ノートブック」形式のファイルに集約できます 。2026年のアップデートにより、UI（ユーザーインターフェース）はより直感的になり、生成AI機能を中核に据えたデザインへと刷新されました 。

ノートブックの構成要素

Colabのノートブックは主に「セル」と呼ばれる単位で構成されています。初心者がまず理解すべきは、このセルの使い分けです。

2026年のUIでは、画面の右側に「AIエージェント・サイドパネル」が常駐しており、コードの記述中にいつでもGemini 3.1 Proに質問を投げたり、エラーの自動修正を依頼したりすることができます 。また、かつては有料版限定であった「ターミナル機能」が全ユーザーに無料で開放されたことも大きな変更点です。これにより、OSレベルのコマンド操作が必要な高度な設定も、初心者でも容易に行えるようになりました 。

アカウントの準備と最初のノートブック作成

Colabを利用するためには、Googleアカウントが必要です。ログインした状態でColab公式サイトにアクセスすると、ウェルカム画面が表示されます 。

新規作成: 画面右下の「新しいノートブック」をクリックします。

タイトルの変更: 左上の「Untitled0.ipynb」をクリックし、管理しやすい名前に変更します（例：My_First_Python.ipynb）。

自動保存: 作成されたノートブックは、自動的にGoogleドライブ内の「Colab Notebooks」というフォルダに保存されます。これにより、不意のブラウザ終了でも作業内容が失われる心配はありません 。

Python 3.12ランタイムとエコシステムの深層

2026年1月より、Colabの標準実行環境（ランタイム）はPython 3.12へと移行しました 。これは、最新の言語機能を利用できる一方で、古い教材やコードを利用する際に「ライブラリの互換性」という新たな課題を生んでいます。

Python 3.12への移行に伴う技術的変化

Python 3.12では、パフォーマンスの向上と並行して、言語仕様のクリーンアップが行われました。特に初心者が注意すべきは、データ分析の基盤となるライブラリ「NumPy 2.0」への対応です 。NumPy 2.0では一部の古い関数やエイリアスが削除されたため、2023年以前の古いコードを実行すると AttributeError が発生する可能性があります。このような場合、AIエージェントに「このコードをNumPy 2.0およびPython 3.12向けに修正して」と依頼するか、以下のようなコマンドをセルで実行して特定のバージョンをインストールし直す必要があります。

python

!pip install numpy==1.26.4

また、2026年の環境では、機械学習ライブラリである PyTorch や TensorFlow もPython 3.12に最適化されており、CUDA 12.1以降の最新GPUアクセラレーションを即座に利用できる体制が整っています 。

標準搭載ライブラリの活用

Colabの最大の利点の一つは、主要なライブラリが最初からインストールされていることです。初心者は、環境構築を意識することなく以下のツールを即座にインポートして利用できます 。

データ処理: Pandas, NumPy

可視化: Matplotlib, Seaborn

機械学習: Scikit-learn, XGBoost

ディープラーニング: PyTorch, Keras, TensorFlow

AI生成: Gemini API, diffusers (画像生成用)

これらのライブラリは常に最新の状態にメンテナンスされているため、ユーザーは常に「今、最も使われているツール」で学習を進めることができます 。

AIエージェントとの協調開発：Gemini 3.1 Proの統合

2026年におけるColabの最大の特徴は、AIモデル「Gemini 3.1 Pro」の統合によるコーディング体験の変革です。従来の「コードを書いて実行する」という一方通行の作業から、AIと「会話しながら作り上げる」という双方向のプロセスへと進化しました。

生成AIを活用したコーディング支援機能

最新のColabでは、以下の3つのレイヤーでAIがユーザーをサポートします。

1. AIコード生成（自然言語からの変換）: コードセル内で星型のGeminiアイコンをクリックし、「Yahoo!ファイナンスから株価データを取得してグラフにするコードを書いて」といった指示を入力するだけで、AIが動作可能なプログラムを生成します 。

2. リアルタイム・コード補完: コードを入力し始めると、AIが文脈を読み取り、次に続くコードをグレーの文字で提案します。Tabキーを押すだけで、複雑な関数の呼び出しや変数名の入力を完了させることができます 。

3. エラーの自動診断と修正提案: 実行中にエラーが発生すると、セルの下に「エラーを説明して修正する」というボタンが表示されます。これをクリックすると、AIがエラーの原因（変数名の打ち間違い、次元の不一致など）を解説し、修正案を提示します 。

エージェント型開発：AntigravityとJules

さらに高度な機能として、2026年からは「Antigravity」と呼ばれるエージェント駆動型開発モードが導入されました 。これは、単一のコード生成に留まらず、AIがプロジェクト全体の目標（例：特定テーマの画像収集から学習、Webアプリのデプロイまで）を理解し、複数のステップを自律的に実行する機能です。また、Proユーザー向けには、GitHubと連携してリポジトリ全体のバグを修正したり、ドキュメントを作成したりする「Jules」という専用のコーディングエージェントも提供されています 。これらのAI機能は、初心者にとって「隣に常にベテランエンジニアが座っている」ような環境を作り出しており、学習スピードを飛躍的に向上させます 。

ハードウェア・アクセラレータ：GPUとTPUの戦略的活用

AI開発、特に深層学習（ディープラーニング）や画像生成には膨大な計算量が必要であり、一般的なノートPCの性能では限界があります。Colabは、Googleが自社データセンターで運用する高性能な計算資源（GPU/TPU）をユーザーに提供しています 。

利用可能な計算リソースの選択

「ランタイムのタイプを変更」メニューから、以下のハードウェアを選択できます 。

2026年現在、無料版ユーザーでもNVIDIA T4クラスのGPUにアクセス可能ですが、混雑状況によっては利用が制限されることがあります 。有料版のColab Pro/Pro+に加入すると、より高性能なA100やL4、H100といった最新世代のGPUを優先的に利用でき、計算時間の大幅な短縮が可能になります 。

資源管理のベストプラクティス

計算リソースは共有財産であるため、効率的な利用が求められます。

1. 不必要な使用を避ける: 複雑な計算を伴わない学習初期段階では、アクセラレータを「None (CPU)」に設定しておきます。これにより、GPUの利用可能枠を温存できます 。

2. モデルの保存: GPUを使用して学習させたAIモデルは、計算が終わったら速やかにファイルとして保存します。セッションが切断されると、メモリ上のデータは消去されてしまうからです 。

3. コンピューティング単位の監視: 2026年の有料プランでは「コンピューティング単位」という従量制の仕組みが採用されています 。GPUの種類によって消費される単位が異なるため、サイドパネルで残量を確認しながら作業を進める習慣をつけましょう 。

データの永続化とGoogleドライブとの連携

Colabは一時的な作業用環境であるため、アップロードしたファイルや実行中に生成したデータは、接続が切れると消滅してしまいます。この制約を克服し、長期的なプロジェクトを遂行するために不可欠なのがGoogleドライブとの連携です 。

ドライブのマウント手順

以下のコードをノートブックの冒頭で実行することで、自分のGoogleドライブをColab内のフォルダとして認識させることができます 。

python

from google.colab import drive
drive.mount('/content/drive')

この操作により、/content/drive/MyDrive/ 以下のパスを通じて、ドライブ内のファイルに自由にアクセスできるようになります。2026年のアップデートでは、ファイルブラウザに「ドライブをマウント」ボタンが標準装備されており、コードを書かずにクリック一つで連携させることも可能です 。

データの保存と読み込みのコツ

自動保存の活用: 作成したデータフレーム（表形式データ）やグラフ画像は、保存先を /content/drive/MyDrive/my_project/ のようにドライブ内のパスに指定して出力します。

シンボリックリンクの設定: 毎回長いパスを入力するのは手間がかかります。os.symlink を使用して、ドライブのフォルダをカレントディレクトリにリンクさせるテクニックが、中級者以上の間では一般的です 。

セキュリティの確保: 2026年の新機能として、APIキーやパスワードを安全に管理するための「Secrets」メニューが追加されました。これを利用することで、コード内に直接パスワードを書くことなく、ドライブや外部サービスと連携できるようになっています 。

2026年版 料金プランとサービス体系の全貌

Google Colabの利用形態は、2026年より「Google AI Plus」という統合サブスクリプション体系へと整理されました。初心者が自分に合ったプランを選ぶために、最新の価格設定と機能差を理解しておく必要があります 。

※ の情報を統合。

各プランの戦略的選択

初心者・学生: まずは無料版で十分です。2026年からは無料版でもターミナルが使え、Gemini 2.5 Flashによる高度な支援を受けられます 。また、特定の教育機関に所属している場合、Colab Pro for Educationを通じて無料でプロ機能を利用できる制度もあります 。

個人のAI開発者: 月額1,200円の「AI Plus（またはColab Pro）」が最もコストパフォーマンスに優れています。100コンピューティング単位が付与され、画像生成や大規模言語モデルの微調整（ファインチューニング）に必要なGPU時間を確保できます 。

パワーユーザー: 月額2,900円の「AI Pro」は、Julesコーディングエージェントのフルアクセスや、100万トークンという広大なコンテキストウィンドウ（大量のソースコードを一気にAIに読み込ませる機能）を提供します。これは、複雑なシステム開発をAIと共同で行う場合に絶大な威力を発揮します 。

Google Workspaceユーザー: すでに「Business Standard」などの有料プランを利用している場合、AI機能の一部が統合されているため、追加契約の前に自組織のライセンスを確認することが推奨されます 。

実践的な活用シーンと2026年のトレンド

Colabがどのように実社会や学習で使われているのか、2026年の最新トレンドを交えて紹介します。

AIによるデータ分析と「Vibe Querying」

2026年のデータサイエンスの現場では、SQLやPythonの文法を完璧に書くことよりも、自然言語でデータに問いかける「Vibe Querying（雰囲気クエリ）」が主流になりつつあります 。Colab上では、BigQueryと直接連携し、例えば「過去3ヶ月の売上データから、雨の日に特に売れている商品を分析して、相関関係をグラフにして」と日本語で指示するだけで、AIが背後でデータ取得から統計処理、グラフ化までの全工程を代行します。

エージェント型Web開発

「Google Antigravity」機能を活用したWebアプリ開発も容易になりました 。初心者がPythonのWebフレームワークであるFlaskやFastAPIを用いてアプリを作成する際、AIエージェントが「サーバーのセットアップ」「フロントエンドのデザイン」「クラウドへのデプロイ」までを自律的に遂行します。ユーザーはブラウザ上で動作を確認し、気になった箇所を日本語で修正指示するだけで開発が完了します。

高度なマルチモーダル処理

Gemini 3.1 Proは、テキストだけでなく画像、動画、音声を同時に理解するマルチモーダル能力に長けています。Colab上では、大量のPDF資料を読み込ませて要約レポートを作成したり、数時間の動画から特定のシーンを抽出して解説させたりといった作業が数行のコード（またはAIへの指示）で実現可能です。

トラブルシューティングとセキュリティの重要事項

初心者がColabを使用する際、予期せぬエラーやセキュリティリスクに直面することがあります。2026年の環境に即した対策をまとめます。

セッション断絶への対応

Colabの無料版では、操作が90分間途絶える、あるいは連続使用が12時間を超えるとセッションが切断されます。これに対処するためには、以下の習慣が重要です。

1. 定期的なチェックポイント保存: 学習中のAIモデルなどは、一定時間ごとにGoogleドライブへ自動保存されるようコードを組んでおきます。

2. リフレッシュ操作: 長時間の計算中は、ブラウザのタブをアクティブに保ち、AIチャットで進捗を尋ねるなどして、アクティブな状態を維持します 。

Python 3.12固有の構文エラー

初心者が古いネット記事のコードをコピー＆ペーストした際、Python 3.12で廃止された構文やライブラリに起因する NameError や ImportError が発生することがあります 。

解決法: エラーメッセージをそのままAIパネルに貼り付け、「Python 3.12での正しい書き方を教えて」と依頼してください。AIは非推奨になった関数の代替案を即座に提示します。

セキュリティとプライバシー

クラウド上で作業を行う以上、機密情報の取り扱いには細心の注意を払う必要があります。

APIキーの秘匿: OpenAIのAPIキーやAWSの認証情報を、コードセルに直接書いてはいけません。Colabの「Secrets（秘密鍵管理）」機能を利用し、環境変数として読み込むように設定してください 。

データの公開範囲: ノートブックを共有する際、リンクを知っている全員が閲覧・実行できるよう設定すると、埋め込まれたデータや実行結果も流出するリスクがあります。共有前に「出力をクリア」してから保存する習慣をつけましょう 。

AI学習への利用: 通常、Colab上のデータがAIの学習に利用されることはありませんが、エンタープライズ版以外ではプライバシー設定を確認し、必要に応じてオプトアウト設定を行うことが推奨されます 。

初心者がColabを「マスター」するための学習ロードマップ

最後に、これからColabを使ってPythonを学び始める方のためのステップを提案します。

ステップ1：インタラクティブな基礎学習

まずは、Colabにプリセットされている「Welcome To Colaboratory」ノートブックを一通り実行し、セルの操作感に慣れましょう 。次に、AIチャットに対し「Pythonの基礎（変数、ループ、条件分岐）を学べる簡単な練習問題を作って」と依頼し、AIと対話しながら解き進める「AI家庭教師」スタイルでの学習を推奨します。

ステップ2：データ可視化による「成功体験」の獲得

Pythonの強力さを最も実感しやすいのはデータ分析です。オープンデータ（天気、株価、人口統計など）を読み込み、PandasとMatplotlibを使って美しいグラフを作成してみましょう。AIに「このデータを、もっと見やすく、かっこいいデザインのグラフに変えて」と指示することで、プロレベルの可視化技術を自然に学ぶことができます 。

ステップ3：AIモデルの構築と「AI自習ドリル」の活用

ある程度慣れてきたら、既存のアルゴリズム（k-means法やサポート・ベクタ・マシンなど）を用いたAIモデルの構築に挑戦します 。CQ出版社から発行されている『Pythonが動くGoogle ColabでAI自習ドリル』などの書籍やオンライン教材を活用し、24の主要アルゴリズムを自分の手で動かしてみることで、理論と実践の橋渡しを行います。

ステップ4：自律型エージェントの開発へ

最終的には、AntigravityやGemini APIを使い、自分専用のAIツールを作成することを目指します。特定の業務を自動化したり、自分の趣味に特化した情報収集エージェントを構築したりすることで、Colabは単なる学習ツールから「自分の能力を拡張する武器」へと変わります 。

結論：2026年のエンジニアリング教育とColabの役割

Google Colaboratoryは、2026年において、技術を「学ぶ場」から、AIと「共に創る場」へと決定的な進化を遂げました。Pythonの文法を丸暗記し、複雑な設定に悩まされる時代は過去のものとなり、現在求められているのは、AIという強力なエンジンをどのように操縦し、どのような価値を社会に提供するかという「構想力」です。本報告書で解説した最新のUI、Python 3.12環境、およびGemini 3.1によるエージェント機能を使いこなすことで、初心者はかつてないスピードで高度な技術を習得できるようになりました。Colabというクラウド上の実験室は、あなたの好奇心を形にするためのすべての道具を揃えて待っています。まずは一つのセルに、最初の1行を書き込むことから始めてください。

参考資料

1. Google AI Plus 2026年最新プランと機能の全貌, https://gosuke-blog.com/google-ai-plus-2026/

2. Google Colaboratory 公式有料サービス登録・料金ページ, https://colab.research.google.com/signup?hl=ja

3. AI総研：Google Colabの最新活用法と料金体系解説, https://www.ai-souken.com/article/what-is-google-colab

4. 株式会社WEEL：Google Colaboratoryの機能と料金プラン完全ガイド, https://weel.co.jp/media/innovator/google-colaboratory/

5. AI研究所：Google Colabの使い方とセットアップ手順（2026年版）, https://ai-kenkyujo.com/programming/google-colaboratory/

6. Python AI開発：Google Colabでの新しいノートブック作成と実行, https://ai-kenkyujo.com/programming/language/python/python-ai/

7. ビズロード：Google Colaboratory初心者向け4ステップ解説, https://bizroad-svc.com/blog/google-colaboratory/

8. Google ColabのPythonバージョン変更に関する技術考察, https://ml-rand-note.hatenablog.com/entry/google-colaboratory/change-python-version

9. Python 3.12/NumPy 2.0環境下でのエラー対処とStable Diffusionの構築, https://note.com/unique_ixia4912/n/nd4bf3765fa45

10. AI Market：有料版Google Colab Proと無料版の違いを徹底解説, https://ai-market.jp/services/google-colab-cost/

11. キカガク：Google Colab Pro+のメリットと推奨ユーザー, https://www.kikagaku.co.jp/personal/blog/google-colab-newplan

12. Reddit: Google Colab コンピューティング単位の仕組みと価格, https://www.reddit.com/r/GoogleColab/comments/xs62o9/what_exactly_is_a_compute_unit/?tl=ja

13. Skillup AI：Google Colaboratoryの最新料金プラン（2023-2026）, https://www.skillupai.com/blog/tech/google-colaboratory/

14. Google Cloud ドキュメント：Colab Enterpriseのトラブルシューティング, https://docs.cloud.google.com/colab/docs/troubleshooting

15. 2026年に初心者が避けるべきPythonプログラミングの15のミス, https://dev.to/codepractice/stop-breaking-your-own-code-15-common-python-mistakes-beginners-must-avoid-in-2026-9a7

16. Google Colabを効率化する20の生産性向上テクニック, https://www.oreateai.com/blog/mastering-google-colab-20-essential-tips-for-enhanced-productivity/fd1f4fc4f271b57dc7f899aa5e4beb25

17. Cyfuture AI：Google Colab ガイド - 初心者からプロまで, https://cyfuture.ai/blog/google-colab-guide

18. Medium：機械学習への第一歩 - Google Colab初心者ガイド, https://medium.com/@aravind04/your-first-steps-into-machine-learning-a-beginners-guide-with-google-colab-297da355ed89

19. Google Antigravity エージェント開発の始め方, https://codelabs.developers.google.com/getting-started-google-antigravity

20. Google Developer Blog：Colabへのランタイム・バージョン・セレクター追加のお知らせ, https://developers.googleblog.com/google-colab-adds-more-back-to-school-improvements/

21. ロービジョン・アクセシビリティ：Google Colabの設定カスタマイズ, https://veroniiiica.com/google-colab-low-vision-accessibility/

22. Google Colab リリースノート（2024-2026）, https://developers.google.com/colab/release-notes

23. GLB GPT：Google AI Plus vs AI Pro デベロッパー向け徹底比較, https://www.glbgpt.com/hub/google-ai-plus-vs-pro/

24. Reddit: Google AI Plus と Google AI Pro の実質的な機能差, https://www.reddit.com/r/GeminiAI/comments/1oo22ig/google_ai_plus_vs_google_ai_pro/

25. Interface：AI自習ドリル - Pythonが動くGoogle Colabで学ぶ, https://interface.cqpub.co.jp/ail01/

26. Google AI Blog：Gemini 3.1 Pro のリリースと開発者への影響, https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/

27. Wikipedia: Google Gemini (言語モデル) の歴史とマイルストーン, https://en.wikipedia.org/wiki/Gemini_(language_model

28. YouTube: Gemini 3 Flash が変えるAI開発のゲームチェンジ, https://www.youtube.com/watch?v=xTKz-ourO1A

29. Google Cloud Blog：今月のAIアップデート - エージェント型コマースの未来, https://cloud.google.com/blog/products/ai-machine-learning/what-google-cloud-announced-in-ai-this-month

30. Reddit: Google Gemini 2026年最新機能アップデートまとめ, https://www.reddit.com/r/AISEOInsider/comments/1qvu1nk/google_gemini_new_features_2026_the_update_that/

ーーーーーーーーーーーーーーーーーーーーー2022年５月11日執筆ーーーーーーーーーーーーーーーーーー

はじめに

　Python入門の第二弾として、Google Colaboratoryの使い方？ついて紹介します。

　　この記事を読むと次の疑問について知ることができます。

　Python入門（１）では、Pythonとは？について解説してきました。

　ここでは、Pythonを学習する環境として初心者には優しいGoogle Colaboratory（以後、Google Colabとする。）の使い方について深堀していきます。

Google Colabとは？

　Google Colabについては、簡単にPython入門（１）の最後の方で紹介していますが、Webブラウザー上からGoogleクラウドの仮想マシンにアクセスして、Pyhonを利用できる環境を提供してくれるサービスを言います。

　Google Colabは、Googleの研究開発部門であるGoogle Research が提供するサービスで最新のブラウザーでGoogle Colabにアクセスすれば、Pythonのコードを書いて誰でも（Googleアカウントが必要）実行でき、機械学習、データ分析、Pythonのプログラミングの教育などの環境を無料で利用できます。

　Google Colabは、GoogleとJupyter開発チームと共同で開発したツールとして2014年にリリースされ、その後、Googleの社内で利用され、色々改良されたものが現在のGoogle Colabとなります。

　Google Colabの特徴を簡単にまとめると、次のようになります。（「Colaboratory へようこそ」から引用）

　Google Colabは無料で利用できる代わりに、利用制限を設けています。

　それは、Google Colab上で何も操作せずにしばらく放置(90分)しているとリセットされます。

　また、Google Colabを立ち上げ、12時間を超える継続利用ができないということです。

　再度利用する場合は、Google ColabにWebブラウザーで再度繋げる必要があります。

Google Colabの有料版はあるの？

　Google Colabには、有料版がありColab Pro（1,072円/月）、Colab Pro+（5,243円/月）があり、無料版より多くのメモリ、より早いGPU、より長い時間、バックグランドでの実行（Colab Pro+）が利用できるようになります。

　また、Colab GCP Marketplace VMを利用すると、Google Colabのユーザーインターフェースを利用して自分好みに合わせて管理できる永続的な環境を提供してもらえます。

Google ColabでPythonコードを利用できるようになるまで

　最初にGoogle Colabのページに移動するとウインドウが表示され、その右下にある「ノートブックを新規作成」をクリックします。

　すると、ノートブック名が「Untitled0.ipynb」（左上に表示）であるPythonコードを入力できる画面が表示されます。

　最初のウインドウの外をクリックすると「Colabotatoryへようこそ」と言う画面に飛びますが、この内容には一通り目を通しておいたほうが良いでしょう。

　また、このウインドウには、一度起動したPythonのノートブック名などが表示されますので、使うノードブック名をクリックすれば、前の状態からの続きを行うことができます。

Google Colab画面の構成

　Google Colabの画面を見ると、上部にGoogle Colabのロゴマーク、ノートブック名、メニュー、コメント、共有、設定、Googleのあなたのアカウントが表示され、左にメニュー内の主要なコマンドのツールバーがあり、上部メニューの下にセル（コードやテキストなどを記入する部分）があります。

　Pythonコードを記入する場合は、セル内に記入していき、その横の「黒丸に▷」をクリックすることにより書いたPythonコードを実行して、実行した結果を直ぐに表示して見ることができるようになっています。

Google Colabの仮想マシンのOS、利用できるメモリー、GPUなどは？

　Google Colabに接続し、上部の「接続」をクリックすると、Googleの仮想マシンに接続され、その部分が「RAM、ディスク」に名前が変化するので、「RAM、ディスク」の部分にカーソルを持ってい行くと、仮想マシンの接続先が表示され、使えるRAMやディスクの容量を知ることができます。

　次にこの仮想マシン内を少し調べてみましょう。

　仮想マシン内のどの位置にいるかを調べるために、pwdコマンドを使い、左の実行（黒丸に▷）をクリックします。

　すると、結果が表示され「/content」と表示されます。

　さらに、lsコマンドで、中に何があるかを調べてみると、「sample_data/」と表示されますので、そのディレクトリー内に入るために「cd sample_data/」とセルに打ち込み、さらにlsコマンドでリストを取ってみると、６個のファイルがあることが分かります。

 　次にルートディレクトリーに移動し、仮想マシンのOSを調べるために「cat /etc/os-release」とセルに打ち込みます。

　上述のコマンド類の打ち込みと結果の表示を次に示します。

　次に、GPUを調べるために「ランタイム」⇒「ランタイムのタイプを変更」⇒「ハードウエアアクセラレーター」を「None」⇒「GPU」に変更し、「保存」をクリックします。

　さらに、セルに「!nvidia-smi」と打ち込み実行すると、使われているGPUを知ることができます。　

　以上まとめて見ると、Pythonが実行できるGoogleの仮想マシン及び実行場所は次のような性能及び場所で実行されることが分かります。

Google ColabでPythonを使ってみよう！

簡単な計算をしてみよう！

　ここでは、手始めとして簡単な計算（1+2+3+4+5）をしてみましょう。

　セルに上述の計算式を入力して実行してみましょう。

　答えが15と表示されたら正解です。

　例えば、（1+2＋3+4+5）と入力したら、エラーとなりました。

　どこにエラーがあるかと言うと、「1+2＋3+4+5」灰色の背景で示した部分が全角文字の「＋」が入っているためです。

　全角文字を使える場合もありますが、通常のPythonコードは半角文字ですので、注意しましょう。

画像を表示してみよう！

　中のコードの意味については、これから後の回で徐々に解説していきますので、ここではそのまま次のコードを記入して実行して見て下さい。

　私がブログ記事で用いた脳内ネットワークの画像を表示できます。

import io
import requests
import PIL.Image

brain_network = requests.get("https://yanai-ke.com/wp-content/uploads/2021/10/brain.jpg")
PIL.Image.open(io.BytesIO(brain_network.content))

グラフを作成してみよう！

　次は簡単な棒グラフを作成してみましょう。

　作成する棒グラフは、保育園用の献立からいくつか料理を選び、そのエネルギー（kcal）を棒グラフで示したものです。

　日本語を扱うために、最初に「!pip install japanize-matplotlib」で日本語を使えるようにしています。

!pip install japanize-matplotlib
import matplotlib.pyplot as plt
import japanize_matplotlib

xvalues = ['普通牛乳200ml', '田舎汁', '酢豚', 'カレーコロッケ', '海藻サラダ', '味噌ラーメン']
yvalues = [122, 29, 135, 180, 15, 156]

plt.bar(xvalues, yvalues)
plt.plot()

plt.show()

おわりに

　如何だったでしょうか？

　Google Colabとは？、Google Colabの有料版はあるの？、Google ColabでPythonコードを利用できるようになるまで、Google Colab画面の構成、Google Colabの仮想マシンのOS、利用できるメモリー、GPUなどは？、Google ColabでPythonを使ってみよう！、簡単な計算をしてみよう！、画像を表示してみよう！、グラフを作成してみよう！などについて解説してきました。

　この記事を読みながらPythonを学んでもらえればと思います。

　次をお楽しみに？

以上です。