アプリ系ブログ

要件定義はシステム開発の成功を左右する重要な工程です。本記事では、要件定義の概要や要件仕様書との違い、機能要件・非機能要件の考え方、要件定義書の作成手順とポイントを分かりやすく解説します。

Laravelとは何かを初心者向けに解説します。PHPフレームワークとして人気を集めるLaravelの特徴やメリット・デメリット、MVCモデル、データベース連携機能、WordPressとの違い、開発できるWebアプリケーションの種類まで詳しく紹介します。

ASP.NETとは、Microsoftが提供するWebアプリケーション開発フレームワークです。本記事では、ASP.NETの概要や.NETとの関係、メリット・デメリット、開発できるシステムの種類をわかりやすく解説します。業務システムやWebアプリケーション開発を検討している方はぜひ参考にしてください。

ネイティブアプリ開発を検討している方必見。iOS・Android向けネイティブアプリの特徴やWebアプリとの違い、メリット・デメリット、開発時のポイントを分かりやすく解説します。

Pythonとはプログラミング言語の一種で、近年さまざまな場所で使われており、人気が高まっている言語のひとつです。特に強いのは機械学習やAI、自然言語処理などの分野であり、注目が集まっている分野で使われていることから、Pythonで何ができるのか詳しく知りたい人も多いのではないでしょうか。本記事では、Pythonの概要とPythonを使ってできる主な技術を6つ紹介します。 Pythonとは Pythonとは、1991年に開発され近年人気の高まっているプログラミング言語です。Pythonが人気の要因として、プログラムのルールや文法がシンプルなこと、便利に使えるライブラリが豊富なことが挙げられます。人気の言語であるため、インターネット上でも書籍でも学べる情報が多く、プログラミングができる人材を一から社内で育てる場合にも使えます。 一方で、PythonはAIや機械学習など、高度な処理にも向いています。前述の豊富なライブラリを使うことで、複雑な処理を簡単に行えるようなデータベースが揃っているためです。Pythonが幅広い分野で使われるようになったのも、このライブラリの存在が大きいと言えるでしょう。このようにライブラリが使えるのも、Pythonがオープンソースの言語であり、無料で使えるだけでなく、日々世界中のプログラマーが機能やライブラリを追加しているためです。 Pythonでできること では、実際にPythonを使ってできることを6つ紹介します。 機械学習やAIの開発 Pythonを使ってできることとして現在、一番注目を浴びているのがAI（人工知能）の開発ではないでしょうか。科学技術や数学、統計学を用いたフレームワークに加え、ディープラーニング用のライブラリも有名なものが複数あり、機械学習やAIをこれから実用化したいという人にもおすすめの言語です。Pythonにおける機械学習やAIでは、画像解析・音声解析・自然言語処理などが得意です。 AIや機械学習では、膨大なデータを処理して対象を見分ける、解析するなどが得意分野です。人間は経験を積んで物の見分け方や理解の仕方を学んでいきます。同じように、Pythonを使ったライブラリによるAIや機械学習では、ビッグデータと呼ばれる膨大なデータのなかから自分で法則やルールを見つけ出すアルゴリズムを構築することができます。 WEBサービスやWEBアプリケーションの制作 Pythonは、WEBサービスやWEBアプリケーションの制作にも有用です。WEBサービスやWEBアプリケーションとは、ブラウザ上で動くサービスやアプリケーションのことであり、ネイティブアプリと呼ばれるスマートフォンアプリやデスクトップアプリとはやや異なります。例えば、DropboxやInstagram、Pinterestなどはスマートフォンアプリも出ていますが、もともとはPythonで書かれたWEBサービスです。 世界中で利用されている動画サイトのYouTubeも、Pythonで書かれたWEBサービスです。これらのサービスを一から作ろうとするとプログラム量が膨大になりますが、これもフレームワーク、すなわちライブラリに収められたさまざまな雛形を使うことで開発されました。 WEBアプリケーションの開発に関しては、「WEBアプリケーションの開発手順とは？ 仕組みや開発言語を紹介」もぜひご参照ください。 画像処理、自然言語処理 機械学習やAIの開発ともつながるものですが、Pythonを使えば、画像やテキスト・音声などさまざまな情報を認識・分析する「画像処理」や「自然言語処理」といった処理も行えます。これは、ディープラーニングと呼ばれる深層学習を用いて、画像に写っているものが何か、音声で話されている言語や言葉は何かなどを認識するものです。 深層学習とは機械学習のひとつにあたり、人間の神経構造を真似て作った「ニューラルネットワーク」を何層にも重ね（深層）、コンピュータ自身が自ら学習を深めていくことができるやり方です。例えば、スマートフォンの翻訳機能で音声やテキストを入力した際、この「自然言語処理」によって自然な翻訳が作られています。ひと昔前は翻訳した文章が不自然なことが話題になるほどでしたが、近年の自然言語処理を使った翻訳ではかなり人間の話す言葉に近い自然な文章が作れるようになっています。 また、画像処理も写真が「どんな場面を表しているか」「画像に写っている物体は犬か猫か」などを解析するのに使われています。例えば、病気の発見や監視カメラ映像から不審者を発見するなどに役立つ処理です。 画像認識と自然言語処理については、以下の記事でも詳しく紹介しておりますので、ぜひご参照ください。 「AIを使った画像認識の仕組みや種類とは？活用事例も含めてご紹介」 「自然言語処理（NLP）とは？ AI領域におけるその仕組みとできることを解説」 デスクトップアプリの制作 デスクトップアプリとは、デスクトップパソコンやノートパソコンなど、パソコンの画面上で動くアプリのことを指します。2Dゲームや3Dゲームはもちろん、パソコン上で行う作業を自動化させたり、WEBアプリケーションをより使いやすくカスタマイズしたりすることも可能です。 自動データ処理や分析など、業務効率化 前述のカスタマイズなども業務効率化の一環ですが、Pythonを使えば、これまで手動で行っていたデータ収集なども自動化できます。例えば、以下のことです。 インターネット上にある記事を、条件に合うものだけ抽出する スクレイピングと呼ばれる技術で、WEBサイトの見出しや画像といった情報を自動で取得し、加工して新たな情報を生成するものです。複数のニュースサイトでの話題の取り上げられ方を分析したり、各種ECサイトでの価格相場を知ったり、株価を予測したりできます。 表計算を自動化する 勤務時間のデータや経費管理、ToDoリストやタスク管理などのプログラムをPythonで自動化することができます。単なる数値の計算や集計だけならExcelの基本機能でもできるのですが、「データをグラフ化して見やすいレポートを作る」といった手動で行っていたことも、Pythonでの自動化が可能です。 API連携 APIとは、あるアプリケーションの機能を他のアプリケーションで使えるよう共有できる機能のこと。APIを使うことで、データを取得したり入力したりする自動化が簡単になります。TwitterやGoogleなどもAPIを提供していて、過去の投稿を閲覧したり、Google マップを使って配送業者に向けて最適な配達ルートを作成したりすることも可能です。 ブロックチェーンの開発 ビットコインを代表とした暗号取引の技術のことをブロックチェーンと言います。簡単に言えば、誰と誰がどんな取引をしたかがすべて記録に残り、ネットワーク上に接続された複数のコンピュータが互いにデータを共有し、チェックし合うことで不正な改ざんやアクセスを防げる技術です。 ブロックチェーン技術の開発により、ビットコインなどの仮想通貨はもちろん、音楽や絵画などのデジタルアートについてもNFTという所有権や履歴を表現できるようになったことで、簡単に複製ができなくなり、唯一無二の価値が生まれることになりました。これらの価値を支えている根幹にある技術も、Pythonなのです。特に、ブロックチェーン技術に必須である「hashlib」というライブラリを持っていることがPythonの大きな利点と言えます。 ブロックチェーンについては、「ブロックチェーンとは？基本的な概要や仕組み、活用事例をご紹介」もご覧ください。 Pythonのこれから 日本国内ではまだPythonエンジニアが少ない状況ですが、機械学習やAI開発、ブロックチェーンなどITのトレンドワードを牽引するPythonは、世界的に需要が高まっているプログラミング言語です。GAFAと呼ばれる大企業を始め、多くの企業で採用されているため、まだまだ勢いは衰えないでしょう。つまり、Pythonを使って作った人工知能やWEBサービスなどは今後も末長く使える可能性が高いと考えられます。 まとめ：Pythonは豊富なライブラリで注目の技術を支えるプログラミング言語 Pythonは、オープンソースで日々新しい機能やライブラリが増え続けているほか、既に豊富なライブラリがあり、機械学習やAI、画像処理や自然言語処理、ブロックチェーン技術など現在のIT分野で注目の技術の多くを支えるプログラミング言語です。 一方、日本国内でPythonを扱えるプログラマーは少ないのが現状です。NTQではAI（人工知能）を始め、Pythonを使ったサービスのオフショア開発にも力を入れています。開発事例については、こちらのページからご確認いただけます。 Pythonによるサービス開発をお考えであれば、ぜひ一度お気軽にご相談ください。 無料相談・お問い合わせはこちらから。

ディープラーニングは、機械学習の一部ですが、機械学習をさらに深化させ、コンピュータが自らパターンやルールを自律的に発見する技術です。人間の脳神経をモデルにして、脳と同様に機能することを目指しており、単に教え込まれた処理や思考を行うのではなく、大量のデータのなかから共通する特徴を自動的に抽出してパターン化することができます。人間が教え込んだアルゴリズムを超えて、コンピュータが自ら法則性を見つけて思考し正確な答えにたどり着くことが可能になる、現代のAI技術の最先端です。この記事では、ディープラーニングの基本的な仕組みと、私たちの社会における可能性について簡単に解説いたします。 ディープラーニングとは何か ディープラーニングとは ディープラーニング（Deep Learning）とは、ディープニューラルネットワーク（DNN）を用いた機械学習のひとつです。機械学習とは、コンピュータが十分なデータ量を学習することにより、あらかじめプログラミングするといった人間の力がなくともデータから特徴を抽出する学習機能のことを指します。DNNは、ニューラルネットワーク（NN）という人間の脳神経回路をモデルとしたアルゴリズムを多層構造化したものです。主にパターン認識をするように設計されており、昨今注目を浴びています。 ディープラーニングの仕組み ディープラーニングは、機械学習のひとつに位置づけられます。機械学習は、コンピュータ自身がデータをもとに学習してアウトプットの精度を高める技術の総称であり、音声認識や画像認識、予測など、人が行うタスクをコンピュータに学習させるための手法のひとつです。 ディープラーニングは、十分なデータ量があれば機械が自動的に特徴を抽出してくれるDNNを用いることにより、機械学習の機能をさらに高めたものです。人間の脳のように複雑な処理をするため、パーセプトロン（複数の入力に対して1つの値を出力する関数）を複数層結合させて処理させています。そのため、「深層学習」とも言われます。 AIとディープラーニングの違い AI（人工知能）とディープラーニングの違いをその領域で表すと、AI＞機械学習＞ディープラーニングとなります。もっとも広義な概念がAIであり、AIのなかに機械学習とディープラーニングは内包されています。AIはもっとも古い概念で、「知的な機械、特に、知的なコンピュータプログラムを作る科学と技術」として広い定義がなされています。 AIについて詳しくは、「AI（人工知能）とは？仕組みやビジネスの可能性を事例とともに解説」もご覧ください。 ディープラーニングで何ができるか ディープラーニングはさまざまな分野で活用されていますが、代表的な活用方法としては、動画や画像から文字や顔などの特徴を認識する画像認識、人の声や音楽を認識させる音声認識などがあります。人間が通常使うような話し言葉・書き言葉を理解させ、処理させる自然言語処理もディープラーニングの得意とする分野です。詳細については次の章で触れます。 注目されるディープラーニング 近年、ディープラーニングが注目されている理由として、その精度の高さが挙げられます。特に、画像認識の分野においては、スピードも精度も人間をはるかに越えています。 こうした急激な進化の背景にあるのは、サーバーの処理能力向上です。ディープラーニングは学習量が精度に直結しますが、ここで必要となる大量のデータ処理が従来のコンピュータでは不可能だったのです。しかし、サーバーの性能がレベルアップしたことで、学習速度が向上し、一部の分野では人間をはるかに上回るような能力を持つようになりました。 ディープラーニングが有効な分野 画像認識 画像から特徴をつかみ、対象物を識別するパターン認識技術です。データベースから大量の画像を読み込ませ、その特徴をコンピュータに自動的に学習させることで、コンピュータは対象物を認識可能になります。 画像認識について詳しくは、「AIを使った画像認識の仕組みや種類とは？活用事例も含めてご紹介」もご参照ください。 音声認識 コンピュータで音声データをテキストデータに変換する技術です。音響モデルや言語モデルを用いて音声を解析して認識します。ディープラーニングによって、次に出現する可能性が高い単語を自動で予測できるようになりました。 異常検知 データセットのうち、他のデータと異なるデータを検知し、識別するための技術です。人間では認識できないような些細な変化や機械が故障する直前の微細な動きを捉えられます。 自然言語処理 人間の言葉を機械で処理して内容を抽出する技術です。ディープラーニングを使うことで、同じ発音の言語の意味の違いなどが解析できます。 自然言語処理について詳しくは、「自然言語処理（NLP）とは？ AI領域におけるその仕組みとできることを解説」をご覧ください。 ディープラーニングの学習手法 現在のディープラーニングの代表的な学習方法について説明します。 CNN（畳み込みニューラルネットワーク） ディープラーニングにおけるもっとも重要な学習手法がCNN（畳み込みニューラルネットワーク）です。CNNはディープラーニングのためのネットワークアーキテクチャであり、手動での特徴抽出は不要になります。物体や顔、シーンを認識するために大量の画像のなかからパターンを見つける場合や、音声、時系列、信号データなど、画像以外のデータを分類する際にも非常に有効な手法です。 オートエンコーダ オートエンコーダとは、入力されたデータを、後で復元できる状態に圧縮する処理を指します。通常、データを圧縮すると情報の一部が欠落しますが、その欠損部がなくてもデータを再現できるよう、重要度の高い情報を残しておかなければなりません。そこで、オートエンコーダでは、重要度の高い情報を洗い出し、それ以外の部分を削ぎ落す処理を行います。 ディープラーニングの活用事例 ディープラーニングは以下の分野で活用されています。 ECサイトのレコメンデーション機能 ECサイト内におけるユーザーの閲覧履歴やクリック動作から趣味嗜好を分析し、それぞれのユーザーの需要が高いレコメンド（おすすめ）を実現します。 相場予測 過去の株価や相場のデータから未来の数字の変動、売買行動を予測することが可能になります。 サイバーセキュリティ（監視カメラ・不正アクセス防止） 外部からの不正アクセスやサイバー攻撃があった際に検知するものです。仕組みとしては、まず通常の状態をAIが学習、現在の状況を平常時と比較することで、異常があった際にリアルタイムで検知するというものです。 在庫管理 倉庫業務への画像認識機能を導入。在庫管理などの業務の効率化、自動化が可能になります。ピッキング作業や配送の仕分けにも有効です。 まとめ：ディープラーニングを応用したAIは社会の広い分野で重要になる ディープラーニングが進み、AIがタスクをより敏速に処理できるようになると、技術だけではなく社会で大事なことは何か、個人や社会全体の幸せはどのように考えればいいのか、という議論が今後活発になるかもしれません。ディープラーニングは、社会のあり方を変えていくかもしれない重要な技術として、これからも注目を集めていくでしょう。 NTQでは、AIに関する開発業務も承っております。具体的な開発だけではなく、AIを使って実現したい内容の相談から可能ですので、是非一度お気軽にお問い合わせください。また、以下のページでAIの開発事例の一部をご覧いただけます。 「AI × オフショア開発」「AI開発事例集ダウンロードページ」

クロスプラットフォームとは、WindowsやmacOS、iOS、Androidなど異なる複数のOS上で同じ仕様のアプリケーションを動作させるプログラムのことです。マルチプラットフォームと呼ばれることもあります。 この記事では、クロスプラットフォームの概要とその種類、代表的な開発ツールについて取り上げます。 クロスプラットフォームとは クロスプラットフォームとは、Windows、macOS、Linux、iOS、Androidなど異なるプラットフォームにおいて同じ仕様のアプリケーションを動かすことができるプログラムのことを指します。 ITソフトウェアというものは基本的に、動作および利用する環境をあらかじめ想定した上で開発を進めていきます。そのため、ある環境を想定して作ったソフトウェアは、ほかの環境ではそのまま使うことができません。 ところが、近年多くのプラットフォームが林立し、単一のプラットフォームにしか対応できないとなると利便性が失われてしまいます。 そこで、一つのプログラムで複数のプラットフォームに対応できることが求められてきました。 特にスマホアプリの開発においては、iOSとAndroidの両方に対応していく必要性から、クロスプラットフォームが多く用いられます。 クロスプラットフォームのメリット・デメリット クロスプラットフォームを使うメリット・デメリットを知っておきましょう。 クロスプラットフォームを使うメリット クロスプラットフォームを用いる主なメリットには、以下の通りです： ・一度の開発で複数のOSに対応した開発を一気に行うことができる ・既知の言語知識を活用でき、対応できる開発エンジニア人材を確保がしやすい ・複数のプログラムを開発する場合に比べ開発工数及び費用が大幅に削減できる クロスプラットフォームを使うデメリット クロスプラットフォームを使うデメリットとして、以下の3つが挙げられます。 ・対応OSの一部に発生する不具合に影響を受ける可能性がある ・各OSのアップデート時期や内容により最新バージョンへの対応にタイムラグが起きうる クロスプラットフォームの種類 クロスプラットフォームを実現するための仕組みは大きく分けて３種類あります。 【ネイティブ型／ネイティブUI】 プログラミング言語を解釈し、目にみえる形に描画するシステムのことを「レンダリングエンジン」といいます。 ネイティブ型は、OS上のレンダリングエンジンを利用するクロスプラットフォームです。固有のプログラミング言語でUIを操作する記述を行い、その命令をそれぞれのOSのUI（ネイティブUI）に変換し、画面表示（レンダリング）を行います。そのため、高速処理が可能であり、ネイティブアプリ同等のUI表現が可能になります。 【独自レンダラ型】 上記のネイティブ型では、どうしてもネイティブUIに依存した描画表現となり、自由度が足りない面があります。そこで独自レンダラ型では、クロスプラットフォーム独自のシステムでレンダリングを行うことで、OSに依存しないグラフィック表現が可能です。こちらも比較的高いパフォーマンスで処理ができ、ゲーム開発にも向いています。 【ハイブリッド型】 WebView上でネイティブ機能を用いるハイブリッド型と呼ばれるプラットフォームがあります。 OSの機能を直接使って開発するのではなく、Web上であれば、HTMLやCSS、Javascriptなどのプログラム言語を利用できるため、開発が比較的容易になります。 一方、レンダリング機能の一部をWebに頼る分、処理スピードが出せず、またネイティブ型ほど高度な機能を持たせることもできません。 クロスプラットフォームに使われる主なツール Flutter Flutter（フラッター）は、Googleが開発しているオープンソースのフレームワークです。クロスプラットフォームに対応しており、ワンソースで複数のプラットフォーム（iOS、Android、Web、Windows、Mac、Linux）に対応したアプリを開発することができます。 プログラミング言語には、同じくGoogleがJavaScriptが持つ課題を解消するために2011年に開発した「Dart」が採用されています。 記述したコードをリアルタイムで反映する「ホットリロード」に対応し、動画が高速です。 Google Adsなどに採用されていて注目度の高いフレームワークです。 React Native React Native（リアクトネイティブ）は、Meta Platforms（旧Facebook）が開発したオープンソースのフレームワークです。「React」というWebアプリを構築するためのフレームワークをそのまま引き継いで設計されました。 React NativeはReactと同様、JavaScriptを使用しているため、Web技術を活用しながら内部的にはネイティブのレンダリングAPIが呼び出される仕様になっているため、ネイティブ環境と変わらないUIが提供できます。 ネイティブ開発経験がなくても、日頃からReactやJavaScriptに慣れ親しんだ技術者であれば、ReactNativeであればクロスプラットフォーム開発に参画しやすい点も見逃せません。 Meta社傘下のInstagram、Facebookのほか、Microsoft のSkypeなどに採用されています。 Xamarin Xamarin（ザマリン）は、Microsoftが提供するオープンソースのフレームワーク「.NET Framework」の環境を用い、デバイスやOSに依存せず、多様なアプリケーションを構築できます。 Xamarinでは、Microsoftが開発した「C#」というプログラミング言語であらゆるネイティブAPIの処理を記述できるため、ネイティブアプリとほぼ同じことを比較的容易に実装できます。 リレーショナルデータベースや XML に対する操作をプログラミング言語で記述できる「LINQ」や、無名のメソッドを簡単に記述できる「ラムダ式」を活用しアプリを開発できるため、C#や.NET Frameworkの経験があるエンジニアであれば対応しやすいフレームワークです。…

Webアプリケーション開発の際、プログラミングを一から行うのではなく、ある程度の枠組みが出来上がったものを利用することがあります。これをフレームワークと言い、Pythonにもさまざまなフレームワークがあり、用途によって使い分けが可能です。本記事では、フレームワークの概要やメリット・デメリットのほか、Pythonで使えるおすすめフレームワーク5選についても紹介します。 フレームワークとは フレームワークという言葉はざっくりとに言うと「枠組み」のことです。例えばより一般的なビジネスの現場では、業務効率化のための考え方のテンプレートとして「フレームワーク」が用いられることもあります。プログラミングにおいてもフレームワークは「枠組み」のことを表し、特にアプリケーション開発でよく使われる機能をあらかじめ備えた枠組み、開発ツールなどのことを表します。 WEBアプリケーションの開発に関しては、「WEBアプリケーションの開発手順とは？ 仕組みや開発言語を紹介」もぜひご参照ください。 Pythonは機械学習やデータ分析などにも活用でき、最近非常に普及しているため、そのフレームワークも注目されています。 この記事では、Pythonにおけるフレームワークについてみていきます。 フレームワークのメリット・デメリット Pythonのフレームワークを使うメリット・デメリットを知っておきましょう。 フレームワークを使うメリット フレームワークを使うメリットには、以下の4つが挙げられます。 ①文法がシンプルで覚えやすい Pythonはシンプルな文法という特徴で差別しているため、そのフレームワークも同じメリットを持っています。そのおかげで、初心者でも覚えやすく、バグ発生等のリスクも軽減することができます。また、他人が書いたコードも確認しやすいです。 ②エラーの修正がしやすい 文法がシンプルだけでなく、Pythonのソースコードが少ないため、他の言語に比べてコードが読みやすくなります。そのため、記述ミスが発生するリスクが圧倒的に少なくなり、発生したとしてもミスを素早く見つけて修正できます。 ③ライブラリが多く、効率的に開発できる フレームワークのメリットだけでなく、Pythonは便利なライブラリが多いという点でよく知られています。汎用的な機能がまとめたライブラリを用いることで、少ないコードでもアプリやシステムなどが開発できます。したがって、コストの面でも時間の面でも効率化できるようになります。 ④機械学習や深層学習の対応が可能である AI開発はPython以外にも他のプログラミング言語を使うことができますが、その対応フレームワークについてはPythonの方が非常に豊富です。フレームワークを活用することで数値計算などの記述を速やかに対応できるため、機械学習や深層学習に導入されることが多いです。 フレームワークを使うデメリット フレームワークを使うデメリットとして、以下の3つが挙げられます。 ①フレームワークに関する知識が必要 プログラミング言語でコーディングすることと違うため、初めてフレームワークを利用する場合、学習が必要です。もちろん、参考書やコミュニティのサポートが整っている今の環境では、それほどの問題ではありませんが、学習のためにコストや時間を費やすことが必要です。 ②プログラミングの自由度が低い 上記に述べた通り、フレームワークは「枠組み」的なものを提供するものですので、その分、様々な制約があります。ゼロからコードを書くほど自在にはプログラミングできないため、自由度が低いと感じるエンジニアもいます。 ③言語そのものの理解が不十分になりやすい プログラミング言語を十分に理解しないうちにフレームワークを使い始めると、その枠組みに頼りすぎるリスクが生じます。その場合、決まった場面で型にはまった開発しかできず、エラーが発生した時には適切に処理することができません。そのため、プログラミング言語をしっかり理解したうえで、フレームワークを活用することをおすすめします。 おすすめのフレームワーク Pythonでおすすめのフレームワークとして、Pythonの5つの充実したフレームワークと呼ばれるDjango、Flask、Bottle、CherryPy、Falconを紹介します。 Django さまざまな用途に使える汎用性の高いフレームワークです。大手SNSや情報収集アプリにも使われていて、Python内でも世界シェアNo.2を誇るフレームワークなため、日々世界中の開発者によって改良が続けられています。 Djangoの主な特徴 ・他の Python フレームワークと比較してより安全である ・URL ルーティングを提供する ・認証のサポートを提供する ・データベーススキーマのマイグレーション機能を提供する Flask 小規模なフレームワークで、マイクロフレームワークとも呼ばれています。考え方はDjango に近く、Djangoから余分な部分を省いて高速・軽量化したフレームワークとも言えます。近年人気が高まってきていて、今後シェアが伸びていくことが予想されます。 Flaskの主な特徴 ・Google App Engineとの互換性 ・jinja2 テンプレートと Werkzeug WSGI ツールキットが対応可能 ・内蔵デバッガ  ・ユニットテスト ・HTTP リクエストの処理も対応可能 …