統統計ロードマップ
2026-04-29·Python·⏱ 約 7 分

AIエンジニア入門 ─ Python 環境構築 完全ガイド(2026 年版)

統計・機械学習を学ぶための Python 環境を、Windows / macOS で迷わず構築。uv ・ Jupyter ・ VS Code ・主要ライブラリを 30 分で揃えます。

AIエンジニアになるためのロードマップ Phase 1〜2 で必要になる Python 環境を、ゼロから 30 分で構築する手順をまとめました。3 年前のチュートリアルとは前提が変わっています ─ Anaconda ・ pipenv ・ poetry はもう第一選択ではありません。

結論 ─ 2026 年のおすすめスタック

  • Python 本体: 3.12 系(3.13 / 3.14 もOK だがライブラリ対応待ち)
  • パッケージ管理: uv(Rust 製で爆速、pip + venv の置き換え)
  • エディタ: VS Code + Python 拡張 + Jupyter 拡張
  • ノートブック: Jupyter Lab(VS Code 内蔵で十分)
  • 主要ライブラリ: numpy / pandas / matplotlib / scipy / scikit-learn / jupyter
💡 なぜ Anaconda ではないのか

Anaconda は便利ですが、インストール容量が約 5GB・起動時間が遅い・商用利用に制限があります。素の Python + uv の方がシンプルで速く、トラブルも少ないです。

Step 1 ─ Python のインストール

Windows

  1. [python.org の Downloads](https://www.python.org/downloads/) から Python 3.12 の Windows installer をダウンロード
  2. 実行 → ⚠️ 『Add python.exe to PATH』にチェック必須
  3. 『Install Now』をクリック
  4. ターミナル(PowerShell)で `python --version` を実行 → `Python 3.12.x` が出れば成功

macOS

  1. Homebrew が入っている前提。なければ [brew.sh](https://brew.sh/) からインストール
  2. `brew install python@3.12`
  3. `python3 --version` で確認

Step 2 ─ uv のインストール

uv は astral 社製の高速パッケージマネージャ ─ pip より 10〜100 倍速いです。

uv のインストール
# Windows (PowerShell)
powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# 確認
uv --version

Step 3 ─ プロジェクトを作る

新規プロジェクトの作成
# プロジェクトフォルダを作成
mkdir my-stats-study
cd my-stats-study

# uv でプロジェクト初期化(.venv 自動作成)
uv init --python 3.12

# 統計・ML 主要ライブラリを一括追加
uv add numpy pandas matplotlib scipy scikit-learn jupyter

# 仮想環境を有効化
# Windows:
.venv\Scripts\activate
# macOS / Linux:
source .venv/bin/activate

Step 4 ─ VS Code セットアップ

  1. [code.visualstudio.com](https://code.visualstudio.com/) からダウンロード ・ インストール
  2. 拡張機能タブ(Ctrl/Cmd + Shift + X)で以下を検索 ・ インストール: Python(Microsoft 公式) ・ Jupyter(Microsoft 公式) ・ Pylance(Microsoft 公式)
  3. プロジェクトフォルダを VS Code で開く(`code .`)
  4. コマンドパレット(F1)→ Python: Select Interpreter → `.venv` を選択

Step 5 ─ Jupyter Notebook で動作確認

正規分布のサンプル
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 標準正規分布から 1000 サンプル抽出
samples = np.random.normal(loc=0, scale=1, size=1000)

# ヒストグラム + 理論曲線
fig, ax = plt.subplots(figsize=(8, 4))
ax.hist(samples, bins=30, density=True, alpha=0.6, label='samples')
x = np.linspace(-4, 4, 200)
ax.plot(x, stats.norm.pdf(x), 'r-', label='theoretical N(0,1)')
ax.legend()
ax.set_title('Standard Normal Distribution')
plt.show()

VS Code で `.ipynb` ファイルを作成 → 上のコードを貼って Shift+Enter で実行 → ヒストグラムが表示されれば環境構築完了です。

推奨追加ライブラリ(Phase 3〜4 で導入)

  • seaborn ─ matplotlib のラッパー、統計グラフを楽に
  • statsmodels ─ 古典的な統計モデル(回帰 ・ 時系列 ・ 検定)
  • pymc ─ ベイズ統計の MCMC
  • torch(PyTorch)─ ディープラーニング
  • transformers ─ LLM ・ Hugging Face モデル
  • polars ─ pandas より速い DataFrame ライブラリ(Rust 製)
追加でインストール
uv add seaborn statsmodels pymc torch transformers polars

よくあるトラブル

  • `python` コマンドが見つからない(Windows) → PATH 設定の取りこぼし。インストーラを再実行して 『Add to PATH』にチェック。
  • numpy のインポートが遅い → 仮想環境が有効か確認。`which python` / `where python` が `.venv` 内を指していること。
  • Jupyter で日本語が文字化け → `matplotlib` で `plt.rcParams['font.family'] = 'Yu Gothic'` (Windows) や `'Hiragino Sans'`(macOS)を指定。
  • uv install が遅い・止まる → 企業ネットワーク内の場合はプロキシ設定。`UV_INDEX_URL` 環境変数で社内 PyPI ミラーを指定。

次のステップ

環境が整ったら、本サイトの教科書 ・ 図解にある Python コードをそのままノートブックに貼って動かしてみてください。理論 → コード → 結果 のループが回り始めると、学習スピードが一気に上がります。

  • [/math/textbook](/math/textbook) ─ 数学基礎の Python コード例
  • [/textbook/grade-3](/textbook/grade-3) ─ 統計の式を Python で計算
  • [/explore](/explore) ─ ブラウザ上で動かして学ぶ統計
  • [/figures](/figures) ─ 図解で学ぶ統計(SVG 29 種)
  • [/roadmap](/roadmap) ─ AIエンジニア・ロードマップ全体像
Related Articles

関連記事