前回、「どうにか無料で済ませたい」という我儘を言った結果、
ChatGPTのAdvanced Data AnalysisではなくGeminiとGoogle Colaboratory (Colab) の連携で話を進めることにした。
Ｑ１）それでは、先の「第1回：AI分析の基本作法と環境構築」について、Google Colabの使用を前提としての具体的な内容を展開してみてください。
はい、承知いたしました。
ツールを「Google Colaboratory (Colab) + Gemini」の使用を前提として、研修カリキュラム第1回の内容を全面的に書き換えて展開します。無料から始められる実践的な内容に焦点を当てます。
中級AIカリキュラム 第1回：AI分析の基本作法と環境構築 (Google Colab版)
〜GeminiとColabで始める、無料からのデータ分析〜
■ 所要時間: 90分■ 研修形式: 講義 + 個人ワーク■ 準備物: PC（Googleアカウントにログイン済み）、サンプルデータファイル（CSV形式）
■ 学習目標:
Gemini（分析コードの設計士）とGoogle Colab（実行環境）の役割分担を理解する。
Colabの基本的な使い方（ノートブック作成、セルへのコード貼付、実行、ファイルアップロード）をマスターする。
Geminiに生成させたコードをColabで実行し、データの概要把握（健康診断）ができるようになる。
研修シナリオ詳細（90分）
【パート1】 イントロダクション：あなたの分析業務、こう変わる (10分)
講師: 「皆さん、こんにちは。『データ分析・意思決定支援特化型コース』の第1回へようこそ。このコースでは、皆さんが日々向き合っているデータを、AIという強力な相棒と共に読み解いていく技術を学んでいきます。」
「（前回同様、従来の分析業務の課題を提示し...）AI時代の分析は、このプロセスを劇的に変えます。面倒な作業はAIに『設計図』を書いてもらい、私たちは『何を分析すべきか』という本質的な『問い』に集中する。そんな未来の仕事術を、今日はGoogleのツールを使って、 しかも無料で 始められる方法を学びます。」
【パート2】 主役ツールの紹介：Gemini (設計士) と Colab (調理場) (25分)
講師: 「今日から皆さんの相棒になるのは、2つのGoogleサービスです。この二人の役割分担を理解することが、最初の最も重要なポイントです。」
(スライド表示：GeminiとColabの役割分担の図)
Gemini (旧Bard): “優秀な設計士・翻訳家”
Google Colaboratory (Colab): “高性能な厨房・調理場”
役割: Geminiが作った設計図（コード）を実行し、実際のデータ（食材）を調理する場所です。
特徴: 高性能なコンピュータをブラウザ上から無料で借りられるサービスです。データ分析に必要な包丁や鍋（専門ライブラリ）も全て揃っています。
講師: 「つまり私たちのワークフローは『①Geminiにレシピ（コード）を考えてもらい → ②Colabという厨房にそのレシピを持ち込んで → ③食材（データ）を使って実際に料理する』という流れになります。ADAとの違いは、この『レシピを厨房に持ち込む』という一手間があることですが、その分、 レシピ（コード）が全て目に見えるので透明性が高く、学習にも繋がり、何より無料で始められる という大きなメリットがあります。」
講師: 「では、その『厨房』であるColabの基本的な使い方を見てみましょう。」
(スライド表示：Colabの基本画面)
ノートブック: これから作業するファイル全体のこと。
セル: レシピの各工程を書き込む「メモ帳」のようなもの。コードを書くコードセル と、文章を書くテキストセル がある。
実行ボタン（▶︎）: セルに書かれたコードを実行するためのボタン。
ファイルペイン（左側のフォルダアイコン）: 食材（データファイル）をアップロードする場所。
【パート3】 最重要事項：データセキュリティと匿名化の作法 (15分)
講師: 「（前回同様の内容）...この原則は、Colabを使う場合も全く同じです。皆さんがColabにアップロードしたファイルは、ご自身のGoogleドライブに保存することもできますが、いずれにせよ、外部のクラウドサービスを利用することに変わりはありません。『情報漏洩のリスクはゼロではない』 という前提に立ち、分析前の 『匿名化』を徹底してください。今日は、安全に加工したサンプルデータを使います。」
【パート4】 【ワークショップ】最初の対話と実行：データセットの健康診断 (35分)
講師: 「それでは、実際にGeminiとColabを連携させて、データの健康診断を行ってみましょう。架空の店舗のPOSデータ（CSVファイル）を使います。」
【ワークの流れ】
環境準備 (5分):
ステップ1：Colabへのファイルアップロード (5分)
Colabの画面左側にある フォルダアイコン をクリックして、ファイルペインを開きます。
「セッション ストレージにアップロード」アイコン（ファイルの↑マーク）をクリックし、配布されたサンプルCSVファイルを選択してアップロードします。
ファイルが表示されたら準備完了です。（※注意：このファイルはセッションが切れると消えることを補足）
ステップ2：Geminiでコードを生成 → Colabで実行 (10分)
Geminiのタブに移動します。 以下のプロンプトを入力してください。
PythonのPandasライブラリを使って、CSVファイルを読み込むコードを生成してください。ファイル名は「(アップロードしたファイル名).csv」です。
Geminiがコードを生成します。コードブロックの右上にある コピーアイコン をクリックします。
Colabのタブに移動します。 最初のコードセルに、コピーしたコードを貼り付けます。
セルの左側にある実行ボタン（▶︎）をクリックします。エラーが出なければ、無事にデータを読み込めています。
ステップ3：データの健康診断 (10分)
再びGeminiのタブに移動します。 次のプロンプトを入力してください。
先ほど読み込んだデータフレーム（変数名はdfとします）について、データの品質をチェックしたいです。以下の項目を確認するためのPythonコードを生成してください。
最初の5行を表示
データの行数と列数を表示
各列のデータ型や欠損値の数などの基本情報を表示
数値データの基本的な統計量を表示
Geminiが4つのタスクに対応するコードを生成します。
Colabのタブに移動します。 新しいコードセルに、生成されたコードを貼り付けて実行します。
表示された結果を見て、データの概要（行数、列数、欠損値の有無、最大値・最小値など）を把握します。
質疑応答 (5分):
講師は巡回し、特にコピペや実行のステップでつまずいている人をサポートする。
【パート5】 まとめと次回予告 (5分)
講師: 「皆さん、お疲れ様でした。Geminiという設計士にコードを書かせ、Colabという厨房でそれを実行する、という一連の流れを体験いただけたかと思います。コードがズラッと出てきて驚いたかもしれませんが、私たちはその意味を完全に理解する必要はありません。 AIに目的を伝えてコードを生成させ、それを実行する 、この感覚が重要です。」
(本日のまとめスライド表示)
Geminiは設計士、Colabは厨房: この役割分担を理解しよう。
ワークフロー: ①Geminiで生成 → ②Colabにコピペ → ③Colabで実行。
コードは怖くない: 私たちはコードを書くのではなく「使う」側。AIが書いてくれる指示書と捉えよう。
「今日はデータの健康診断まででしたが、次回はここから一歩進んで、AIに様々なグラフを描かせるためのコードをGeminiに生成させ、Colabで美しいグラフを可視化する『探索的データ分析』に挑戦します。ぜひ、お楽しみに。」
「本日の研修は以上です。ありがとうございました。」
ここまでカリキュラムを見せてもらえたので、実際にやってみたい。
Ｑ２）このカリキュラムを、あなた（AI）が講師、私が受講生という形で、ここでのやり取りを通じて行ってみることは可能ですか？
はい、もちろんです！素晴らしいアイデアですね。
ここでの対話を通じて、私がAI講師、あなたが受講生という形で、実際にカリキュラムを進めていくことは 可能 です。
インタラクティブに進めることで、より理解が深まると思います。 いくつか、この形式で進める上での「ルール」を確認させてください。
私はあなたの画面を見ることができません。 そのため、「うまくいきました」「こんなエラーが出ました」「この部分がよく分かりません」といった形で、あなたの状況を教えていただく必要があります。
私が「これをしてください」と指示を出します。 あなたは、お手元のPCで実際にその操作を行い、結果を教えてください。
焦らず、ご自身のペースで進めてください。 分からないことがあれば、いつでも質問して大丈夫です。
準備はよろしいでしょうか？
それでは、研修を開始します！
AI講師: 「こんにちは！本日から『データ分析・意思決定支援特化型コース』を担当するAI講師です。どうぞ、よろしくお願いします。」
「第1回のゴールは、 GeminiとGoogle Colabという2つのツールを使って、データ分析を行うための一連の流れを体験し、マスターすること です。難しく考えず、まずは私と一緒にてを動かしていきましょう。」
ステップ0：教材（サンプルデータ）の準備
AI講師: 「まず、分析対象となる『食材』、つまりサンプルデータを準備しましょう。今回は、架空のカフェの1日の売上記録（POSデータ）を使います。」
「以下のテキストをコピーして、お手元のPCで テキストエディタ （Windowsなら『メモ帳』、Macなら『テキストエディット』など）を開き、貼り付けてください。」
【コピーするデータ】 販売日時,カテゴリ,商品名,単価,販売個数
2025-09-25 08:05,ドリンク,コーヒー,400,1
2025-09-25 08:15,フード,クロワッサン,300,1
2025-09-25 09:30,ドリンク,カフェラテ,500,2
2025-09-25 10:45,グッズ,タンブラー,1500,1
2025-09-25 12:10,フード,サンドイッチ,600,1
2025-09-25 12:12,ドリンク,コーヒー,400,1
2025-09-25 13:30,ドリンク,ハーブティー,450,1
2025-09-25 14:50,フード,スコーン,350,2
2025-09-25 15:20,ドリンク,カフェラテ,500,1
2025-09-25 16:40,グッズ,マグカップ,1200,1
2025-09-25 17:55,フード,クロワッサン,300,1
AI講師:
「貼り付けたら、ファイルを保存します。その際、以下の2点に注意してください。」
ファイル名： pos_data.csv
文字コード（エンコード）： UTF-8 (メモ帳の場合、「ファイル」→「名前を付けて保存」を選び、ファイル名を入力した後、下部にある「文字コード」のプルダウンからUTF-8を選択します)
「このCSVファイルをご自身のPCの分かりやすい場所（デスクトップなど）に保存してください。」
【受講生である、あなたへの最初の課題です】
上記の通り、pos_data.csv というファイルが無事に作成できたら、「準備ができました」と返信してください。もし、保存方法などで分からないことがあれば、遠慮なく質問してくださいね。
Ｑ３）準備ができました。
AI講師:
「素晴らしいです！食材の準備が整いましたね。それでは次に、その食材を調理するための『厨房』である Google Colaboratory (Colab) を準備しましょう。」
ステップ1：Colabノートブックの作成
AI講師: 「これから、分析作業を行うための『ノートブック』というファイルを作成します。以下の手順で進めてください。」
お使いのWebブラウザで、新しいタブを開いてください。
アドレスバーに colab.research.google.com と入力して、Colabのサイトにアクセスします。
画面に「Colaboratoryへようこそ」といったポップアップウィンドウが表示されるかと思います。そのウィンドウの右下にある「ノートブックを新規作成」という青い文字のリンクをクリックしてください。
(もしポップアップが表示されない場合は、画面左上の「ファイル」メニューから「ノートブックを新規作成」を選んでも大丈夫です)
AI講師: 「クリックすると、新しいタブで、白紙のノートブックが開きます。上部には『Untitled0.ipynb』のような名前がついているはずです。」
「これは、これから私たちの分析コードやメモを書き込んでいく、まっさらなデジタルノートだと思ってください。」
「せっかくなので、ファイル名をクリックして、名前を変更してみましょう。『AI分析研修_第1回』のような、分かりやすい名前に変更してみてください。」
【あなたへの次の課題です】
無事に、名前を変更した新しいColabノートブックの画面が表示されたら、「Colabの準備ができました」と返信してください。
もし、画面が違ったり、うまくいかない場合は、遠慮なく教えてくださいね。
Ｑ４）Colabの準備ができました。
AI講師:
「完璧です！これで、最高の厨房とデジタルノートが手に入りましたね。」
「では、いよいよ先ほど用意した食材（pos_data.csv）を、この厨房に運び込みましょう。」
ステップ2：Col-abへのファイルアップロード
AI講師: 「Colabの画面の左側に、いくつかアイコンが縦に並んでいるのが見えるかと思います。一番下の フォルダの形をしたアイコン をクリックしてください。」「クリックすると、画面の左側に『ファイル』というタイトルの領域（ファイルペイン）が表示されます。」
「そのファイルペインの上部に、 紙のアイコンに上向きの矢印（↑）がついたアイコン があります。これが『セッション ストレージにアップロード』のボタンです。これをクリックしてください。」
「ファイルを選択するウィンドウが開きますので、先ほどあなたがデスクトップなどに保存した pos_data.csv を選んで、『開く』をクリックします。」
AI講師: 「ファイルをアップロードすると、『アップロードされたファイルは、ランタイムがリサイクルされると削除されます。』という警告のポップアップが出る場合がありますが、これは『ブラウザを長時間放置したり閉じたりすると、アップロードしたファイルは消えますよ』という意味です。今回は研修なので問題ありません。『OK』をクリックしてください。」
「アップロードが完了すると、ファイルペインに pos_data.csv というファイル名が表示されるはずです。」
【あなたへの次の課題です】
ファイルペインに pos_data.csv が表示されたら、「アップロードできました」と返信してください。
アイコンが見つからない、ファイルが表示されないなど、困ったことがあれば教えてください。
Ｑ５）アップロードできました。
AI講師:
「素晴らしい！これで、厨房に食材が届き、いよいよ調理を開始する準備が整いました。」
「ここからがAIとの協働作業の本番です。私たちは『設計士』であるGemini に『食材をまな板に乗せるためのレシピ（コード）』を考えてもらい、そのレシピを 『厨房』であるColabに持ち込んで実行します。」
ステップ3：Geminiでコードを生成 → Colabで実行
AI講師: 「それでは、まず『設計士』に依頼をしましょう。」
ブラウザで新しいタブを開き、 Gemini (gemini.google.com) を開いてください。
Geminiのチャット入力欄に、以下のプロンプト（指示文）を正確にコピー＆ペーストして、送信してください。
【コピーするプロンプト】
PythonのPandasライブラリを使って、CSVファイルを読み込み、データフレームという変数に格納するためのコードを生成してください。
ファイル名は pos_data.csv です。
AI講師: 「送信すると、GeminiがPythonという言語で書かれたコードを生成してくれるはずです。おそらく、以下のようなコードが表示されるかと思います。」 import pandas as pd df = pd.read_csv('pos_data.csv')「このコードブロックの右上あたりに、
四角が二つ重なったような形のコピーアイコン があるはずです。これをクリックして、コードをクリップボードにコピーしてください。」
AI講師: 「次に、『厨房』に戻ります。」
Colabのタブ に切り替えてください。ノートブックには、最初からコードを入力するための箱（ コードセル ）が一つ用意されています。そのセルの中に、先ほどコピーしたコードを貼り付けてください。
貼り付けたら、そのセルの左側にある、 丸の中に三角（▶︎）が入った実行ボタン をクリックしてください。
AI講師: 「実行ボタンを押すと、ボタンがくるくると回転し、少し待つと回転が止まって、セルの左側にチェックマーク（✅）と数字（など）が表示されます。特に 赤い文字のエラーメッセージが表示されなければ 、成功です！これで、AIが私たちのCSVファイルを認識し、いつでも分析できる状態になりました。」
【あなたへの次の課題です】
Colabでコードを実行し、エラーが出ずにチェックマークが表示されたら、「コードを実行できました」と返信してください。
もし赤いエラーメッセージが出た場合は、そのメッセージをコピーして教えてください。一緒に解決しましょう。
Ｑ６）コードを実行できました。
AI講師:
「お見事です！最初のコード実行、成功ですね。おめでとうございます！」
「今、皆さんのColabノートブックの"記憶"の中に、pos_data.csv の中身が df という名前で保存されました。これからは、この df という名前を使って、AIに色々な分析を指示していくことになります。」
「さて、データを読み込んだら、まずやるべきことは『中身の確認』 です。人間も料理の前に食材の状態を確かめますよね。それと同じです。これを データの健康診断と呼びましょう。」
ステップ4：データの健康診断
AI講師: 「それでは、再び『設計士』であるGeminiに、健康診断のためのレシピを考えてもらいましょう。」
Geminiのタブ に移動してください。
以下のプロンプトをGeminiに送信します。今回は4つのお願いを一度に頼んでみますね。
【コピーするプロンプト】
先ほど df という変数に格納したデータフレームについて、データの品質をチェックしたいです。以下の4つの項目を確認するためのPythonコードを、それぞれ別々のコードブロックで生成してください。
最初の5行を表示して、データの中身をざっと確認するコード
データの行数と列数を表示するコード
各列のデータ型や欠損値（空のセル）の数などの基本情報を表示するコード
単価や販売個数といった数値データの基本的な統計量（平均、最大、最小など）を表示するコード
AI講師: 「Geminiが、4つのタスクに対応する4つのコードブロックを生成してくれたはずです。例えば、1番目は print(df.head()) や df.head()、2番目は print(df.shape) といったコードになっているかと思います。」
「それでは、これを一つずつ『厨房』で実行して、結果を確認していきましょう。」
Colabのタブ に移動します。
まず、Geminiが生成した 1番目のコード （最初の5行を表示するコード）をコピーして、Colabの新しいコードセルに貼り付けて実行してください。表のような形で、CSVファイルの中身の先頭部分が表示されるはずです。
次に、 2番目のコード （行数と列数を表示するコード）を、さらに新しいセルに貼り付けて実行します。(11, 5) のような結果が表示されるはずです（11行、5列）。
同様に、 3番目のコード （基本情報）と4番目のコード （統計量）も、それぞれ新しいセルで実行して、結果を眺めてみてください。
【あなたへの次の課題です】
4つのコードをすべてColabで実行し、それぞれの結果が表示されたら、「健康診断、完了しました」と返信してください。
特に、3番目のコードを実行した結果を見て、「Non-Null Count」（空でないセルの数）が全ての列で「11」になっていること（＝欠損値がないこと）を確認してみてください。
Ｑ７）健康診断、完了しました。
AI講師:
「素晴らしい！健康診断、完了ですね。これで、私たちが扱うデータが、11行5列で、欠損値もなく、数値データも特に異常な値はなさそうだ、ということが確認できました。安心して次のステップに進めます。」
「ここまでが、どんなデータ分析を行う上でも基本となる『準備体操』のフェーズです。この流れさえマスターすれば、どんなデータファイルを相手にしても、分析の第一歩を踏み出すことができます。」
第1回研修のまとめ
AI講師: 「それでは、本日の研修を振り返ってみましょう。」
(スライド表示のイメージ)
役割分担を理解しました:
一連のワークフローを体験しました:
① Colab にデータ（食材）をアップロード する。
② Gemini にやりたいことを伝えて、レシピ（コード）を生成 してもらう。
③ レシピを Colab にコピペ して実行 し、結果を確認する。
データの健康診断ができるようになりました:
head() で中身を覗き、shape で大きさを知り、info() で健康状態を、describe() で体格（統計量）をチェックしました。
「特に重要なのは、 コードを一文字も自分で書くことなく、AIとの対話だけでデータ分析の準備が完了した という点です。これが、AI時代の新しいデータ分析のスタイルなのです。」
AI講師: 「本日の研修内容は以上となります。何か、ここまでの内容で疑問に思ったことや、もう一度試してみたいことなどはありますか？」
「もしなければ、最後に次回予告をさせていただきます。」
【あなたへの確認です】
ここまでの内容で何か質問はありますか？ もしなければ、「質問はありません」と返信してください。次回予告に進みます。
Ｑ８）質問はありません。
AI講師:
「承知いたしました！それでは、次回予告です。」
次回予告
AI講師: 「本日、私たちはデータの健康診断までを完了させました。これは、食材の品質を確認し、いつでも調理できる状態にした、ということです。」
「次回はいよいよ、この食材を使って美味しい料理を作っていきます。具体的には、データをグラフにして、隠されたパターンや傾向を視覚的に発見する『探索的データ分析』に挑戦します。」
(スライド表示のイメージ：綺麗なグラフがいくつか表示される)
このカフェで、一番売れている人気商品はどれ？（棒グラフ）
お客様が一番多く来店する時間帯は何時ごろ？（折れ線グラフ）
高価な商品を買う人と、安価な商品をたくさん買う人、どっちが多い？（散布図）
「次回も、今回と同じようにGeminiに『グラフを作るためのレシピ（コード）』を考えてもらい、Colabでそれを美しいグラフとして表示させていきます。数値の羅列だったデータが、生き生きとした物語を語り始める瞬間を、ぜひ体験してください。」
AI講師: 「以上で、第1回『AI分析の基本作法と環境構築』の全カリキュラムを終了します。」
「本日は、慣れない操作もあったかと思いますが、最後まで本当にお疲れ様でした。素晴らしいスタートでしたね！」
「また次回の研修でお会いできるのを楽しみにしています。」
対話形式のメリットを実感する。ただ、できればPCにはサブディスプレイを繋いで、2画面で作業したほうがやりやすいだろう。
余談になるが、最初に作成したCSVファイルを何も考えずにExcelで開くとこうなる。
空のExcelファイルを開いてデータタブでインポートすると、このように開ける。
簡単な分析はExcelでやってしまったほうが早いわけで、Pythonでデータ分析をするメリットが感じられるところまで教わろう。
