Google Colabを使った機械学習環境構築【無料で始める方法】

はじめに

「機械学習を始めたいけど、環境構築が面倒」という方に朗報です。Google Colaboratory（Colab）を使えば、ブラウザだけで機械学習の環境が整います。インストール作業ゼロ、しかも無料です。

僕もSignateのコンペや勉強では今でもColabを活用しています。特にGPUが必要な深層学習は、Colabの無料GPUが大変助かります。この記事ではColabの基本的な使い方から、実務・学習での活用方法まで解説します。

Google Colabとは

Google Colaboratoryは、Googleが提供するクラウドベースのJupyter Notebook環境です。

• 無料で使える（有料プランもあり）
• GPUが無料で使える（使用時間に制限あり）
• 主要ライブラリが事前インストール済み：TensorFlow・PyTorch・scikit-learn・pandasなど
• Google Driveと連携：ファイルの保存・読み込みが簡単

Colabの基本的な使い方

アクセス方法

1. https://colab.research.google.com にアクセス
2. Googleアカウントでログイン
3. 「新しいノートブック」をクリック

セルの実行

# Shift+Enterでセルを実行
import numpy as np
print(np.__version__)

GPUの有効化

1. 「ランタイム」→「ランタイムのタイプを変更」
2. ハードウェアアクセラレータで「GPU」を選択
3. 「保存」をクリック

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))
# GPU情報が表示されれば有効化成功

Google Driveとの連携

from google.colab import drive

# Driveをマウント
drive.mount('/content/drive')

# Driveのファイルを読み込む
import pandas as pd
df = pd.read_csv('/content/drive/MyDrive/data/sales.csv')
print(df.head())

# 結果をDriveに保存
df.to_csv('/content/drive/MyDrive/data/output.csv', index=False)

ライブラリのインストール

デフォルトで入っていないライブラリは!（ビックリマーク）でインストールできます。

!pip install lightgbm optuna japanize-matplotlib

Colabでの機械学習の流れ

# 完全な機械学習の流れ（Colab上）
from google.colab import drive
drive.mount('/content/drive')

import pandas as pd
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import classification_report
import joblib

# データ読み込み
df = pd.read_csv('/content/drive/MyDrive/data.csv')
X = df.drop('target', axis=1)
y = df['target']

# 前処理
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 分割
X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 学習
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

# 評価
print(classification_report(y_test, model.predict(X_test)))

# 保存
joblib.dump(model, '/content/drive/MyDrive/model.pkl')
print("保存完了")

Colabの注意点

• セッションの制限：無料版は90分〜12時間でセッションが切れる。長い学習は有料版（Colab Pro）を検討する
• ファイルの消失：/contentに保存したファイルはセッション終了で消える。必ずDriveに保存する
• GPU割り当て制限：GPUを長時間使いすぎると割り当てが制限される

ローカル環境との使い分け

• Colab向き：GPU必要な深層学習・大容量データ・環境構築したくない時
• ローカル向き：秘密情報を含むデータ・長時間実行が必要な処理・インターネット接続なし環境

まとめ

Google Colabは機械学習の入門として最適な環境です。特にGPUが使える点は大きな強みで、深層学習の学習コストを大幅に下げてくれます。Driveと連携してデータを管理し、セッション切れに備えて定期的に保存する習慣をつけると、快適に使えます。まずはColabにアクセスして、Pythonのコードを1行動かしてみることから始めてみてください。