Google Colabで機械学習を始める方法【ステップバイステップ解説】

a computer screen with a rocket on top of it — Photo by Growtika on Unsplash

はじめに

Google Colabは、ブラウザだけでPythonの機械学習環境がすぐに使える無料のクラウドノートブックです。GPUリソースも無料で提供されるため、学習コストを抑えながら本格的なモデル開発を始められます。ただし、初めての方はディレクトリ構造や実行順序でつまづくことも多いでしょう。本記事では、初心者でも迷わず進められるよう、環境構築からモデル学習までの全手順をステップバイステップで解説します。

a close up of a computer keyboard with the word google on it — Photo by BoliviaInteligente on Unsplash

準備すべきもの

Googleアカウント（Gmailなど）
Webブラウザ（Chrome推奨）
Pythonの基礎知識（変数・関数・ループの理解があればOK）

特別なソフトウェアのインストールは不要です。ブラウザにログインするだけで、クラウド上の仮想マシンが自動的に割り当てられます。作成後、ファイル名を右クリックして「ドライブに保存」を選択すれば、後からいつでも続きから作業できます。

ステップバイステップ：Colabで機械学習を始める方法

ステップ1：新規ノートブックの作成

まず、Colabのトップページにアクセスし、「ファイル」>「新規ノートブック」をクリックします。右側の「詳細設定」から「GPU」を選択し、リソースを最適化しておきましょう。

ステップ2：必要なライブラリのインストール

Colabでは、セルに`!pip install`と入力するだけでパッケージをインストールできます。機械学習に必要な主要ライブラリを一度に読み込みましょう。

ステップ3：データの準備とモデル構築

ここでは、有名な分類問題「MNIST」を例に、簡単なニューラルネットワークを構築します。データはColabに標準で付属しているため、ダウンロードの手間がありません。

コード例：MNIST分類モデルの実行

以下のコードを順番にセルに貼り付け、Shift + Enterで実行してください。

# ライブラリのインポート
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# MNISTデータの読み込みと正規化
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.mnist.load_data()
x_train = x_train.astype('float32') / 255.0
x_test = x_test.astype('float32') / 255.0

# モデルの構築
model = tf.keras.Sequential([
    tf.keras.layers.Flatten(input_shape=(28, 28)),
    tf.keras.layers.Dense(128, activation='relu'),
    tf.keras.layers.Dropout(0.2),
    tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

# 学習の実行
model.fit(x_train, y_train, epochs=5, validation_split=0.1)

# 評価と可視化
loss, acc = model.evaluate(x_test, y_test)
print(f'テスト精度: {acc:.4f}')
plt.imshow(x_test[0], cmap='gray')
plt.show()

よくあるトラブルと解決策

GPUが接続されない場合：「ランタイム」>「ランタイムのタイプを変更」で「GPU」を選択し、再実行してください。
メモリ不足（OOM）：バッチサイズを小さくするか、x.astype('float16')でデータ型を軽量化しましょう。
ライブラリインストールエラー：!pip install --upgrade pipを実行し、環境を更新してから再試行してください。
実行時間の制限：無料版は約90分のアイドルタイムで接続が切れます。長時間の学習にはColab Proの活用も検討しましょう。

まとめ

Google Colabを使えば、PCのスペックを気にせず、すぐに機械学習の実験を始められます。本記事の手順に従ってコードを実行し、ハイパーパラメータを変えて遊んでみてください。次は、独自のCSVデータをアップロードして回帰分析に挑戦したり、ColabとGoogle Driveを連携して大規模データを扱う方法を学んでみましょう。