Python（パイソン）はプログラム言語の一つであり、この言語の特徴としては「コードが読みやすい」「汎用的に使える」「オープンソース（全世界に公開）で充実したライブラリ（特定の機能を持ったプログラムの集まり）がそろっている」などですが、何といっても その用途として、AI（人工知能；機械学習、深層学習）に活用できるというメリットがあります。
AI導入のスモールステップとして、このPythonを用いて機械学習の実践を試みるのも来るべきAI時代に備える一つの方法であると考えます。（企業経営者、生産技術関係者は当然として・・・）
以下は、Python導入の第一ステップとして、一般に周知されているPythonによる機械学習の概要（一つの参考事例）です。
（Pythonのプログラミング言語について一通り理解されていると仮定して）
①環境設定（初回のみ）
Python3系を包括したAnacondaをインストールする。(この時点でデータ解析支援のパッケージ（pandas、scikit-learn）や ｸﾞﾗﾌ描画支援のパッケージ（matplotlib）等も同時にインストールされる。)
その他、追加で一般的に必要となるパッケージについて、ネット等で紹介されているものをインストールする。（shap、py-xgboost等）また、対象課題に必要となるパッケージやフレームワークも必要時取り込む。
②課題と目的の整理
対象課題に対して適切な分析となるよう、分析の目的、手順を整理する。（様々な演習課題が書物やインターネット等で提供されており、それらを参考として整理する。）
③データの確認
pandas等を利用して、対象課題のデータの読み込み、データの表示を行い、データの中味の確認・編集、欠損値の処理等を行う。
④分析（モデル作成、最適化、モデル解釈）
scikit-learn等を利用して、決定木等の分析モデルを作成し、正解率の確認、パラメータの調整等を行い最適化を実施し、木構造の可視化等により、モデル解釈を行い分析結果を整理していく。
⑤対象課題業務への反映
④の分析結果（示唆）を用いた施策を実施する。
以上、AI導入の最初のステップとして、Python活用方法を早い段階で習得していくことがAI時代に備えるうえでの必須アイテムと思い紹介しました。実際には、自社のAI活用が想定される様々な関連業務に対し、これらの実践を繰り返すことにより、自社独自のAI活用力の下地が培われていくものと予想されます。
このPython導入に関連し、その進め方、方向性検討、推進等に対する支援・指導がコンサルティング対象となります。
