TechReach エントリー

Pythonの案件の種類やフリーランスとして受注するコツを解説

PythonはAI開発やビッグデータ解析の需要上昇を背景に、注目されているプログラミング言語のひとつです。今回の記事では、Pythonの特徴や求人傾向、案件の種類に加え、機械学習や統計学についても説明しています。フリーランスが案件を受注しやすくする方法も記載していますので、ぜひともご参考ください。

Pythonの特徴と案件数

1991年にリリースされたオープンソースのスクリプト言語で、文法がシンプルで学習コストが低く、可読性が高くなっています。PythonはAI(人工知能)や機械学習、ビッグデータ解析などに用いられ、Webアプリケーション開発やゲーム開発も可能です。Pythonで開発された有名WebアプリではYouTubeやDropboxが挙げられ、AIの分野ではソフトバンクのPepper(ロボット)でも利用されています。

機械学習を用いたサービスは私たちの生活のいたるところに散見されます。Amazonや楽天などのECサイトの商品レコメンドなどは、購入者全体および購入者個人の傾向を分析したうえで表示され、写真や本人確認の顔認証、ルンバなどのお掃除ロボットが部屋のデータを記憶することなどにも機械学習が使われています。

それら以外にも、企業のAIチャットボットや顧客属性分析など、さまざまな形で機械学習の需要が高まっています。機械学習自体はPython以外にもJavaやC言語、データ分析に強いR言語といったもので開発ができます。しかしながら、学習コストの低さや機械学習に強いライブラリが多くあるPythonが頭ひとつ抜きん出て利用されている状態です。そのような背景から、pythonエンジニアの正社員求人倍率やフリーランスの案件倍率などが年々増加し続けています。

弊社TechReachでもPythonの案件数および案件単価は上昇傾向にあり、Python全280案件のうち、62%以上が70万円以上の月単価になっています。(これ以降の弊社情報も含め、すべて2022年6月現在のものです。)

全体案件数に対して月単価70万円以上が50%を超える言語を比較

プログラミング言語全体案件数70万円以上の案件数70万円以上の割合
PHP479件281件59%
Python280件174件62%
Kotlin117件100件85%
Swift112件94件83%
Go言語95件74件77%
Ruby90件70件77%

月単価70万円以上のパーセンテージで見ればKotlinやSwiftをはじめ、他のプログラミング言語よりは低くなってしまいます。しかし、それらに比べPythonの全対案件数自体は多くなっているので分母の数が大きく、自分がしたい仕事を選びやすい状態であると判断することができます。

Python案件の単価相場

弊社TechReachのPython案件の平均月単価は約75万円となっており、金額幅は30万円〜125万円となっています。上述したように、月単価70万円以上が全体の62%を占めているため、高額案件を獲得し続ければ年収1,000万円を目指すこともできるでしょう。

Pythonの案件はどんな種類があるのか

弊社TechReachのPython案件では、システムエンジニア業務が155件、バックエンドエンジニア業務が36件となっており、システム開発業務が案件の半数以上を占めています。また、AI開発は31件、データ解析は22件です。求めるスキルとしては、PythonのフレームワークであるDjangoが24件、Flaskが13件となっており、ライブラリを求めるスキルに入れている案件は全部で6件となっています。

これらの情報から、弊社のPython案件ではPythonのスキルやフレームワークを使って開発できる人であれば応募しやすいと判断できます。しかしながら、後述するように機械学習や統計学、ライブラリなどのスキルを持っていたほうが案件の幅が広がります。スキルアップを視野に入れて案件を探していきましょう。

複雑な処理ができるライブラリを用いた開発

弊社案件ではライブラリのスキルを求める案件は少ないとお伝えしました。しかし、Pythonでは数値計算に使うライブラリのNumPy(ナムパイ)、データの操作解析に使うpandas、ディープラーニングなどに使うscikit-learn(sklearn)などのスキルがAI開発やデータサイエンスの現場では求められます。

また、これらを使うためには機械学習や統計学の知識、計算力、論理力が必要になるため、専門性の高いエンジニアになる必要があります。次に紹介するWebサービスの開発とは必要になるスキルが異なってくるため、同じPythonを扱うエンジニアでも毛色が異なることを覚えておきましょう。

加えて、AI開発やデータ解析ではJupyter NotebookというIDE(統合開発環境)が用いられることが多くなっています。別の記事でエディターやIDEについてまとめたものがありますので、もしよろしければ確認してみてください。

関連リンク:Python向けのエディターとIDEまとめ

Webサービスの開発

PythonといえばAI開発、データ解析だと感じる方も多くいらっしゃると思います。しかし弊社案件では、上述したようにシステムエンジニア業務が155件で1番の案件数です。システムエンジニア業務のなかでもWebサービス開発が90件となっており、業務内容はWeb集客サービスやSFA(営業支援ツール)開発、Webアプリケーション開発とさまざまです。AI開発などとは違い、他言語で同じような開発をした方であれば、Pythonをメインに扱う開発案件でも仕事がしやすいでしょう。

Pythonの案件の探し方

ここでは案件の探し方として、エージェントの利用と個人で契約を結んでいく方法をお伝えします。

営業に不慣れな方はエージェントがおすすめ

フリーランスになり報酬を得るためには、自分でクライアントを探し契約をする必要があります。そのため、営業経験の少ない不慣れな方は、フリーランスに代わって営業をしてくれる、エージェントに登録することをおすすめします。

エージェントとは、フリーランスがクライアントと契約を結ぶために、両者を仲介する企業のことです。エージェントに登録する際には自分の経験・スキルを申告し、業務に対しての希望や条件などのヒアリングがおこなわれます。

そのような情報を聞いたうえで、エージェントはフリーランスに代わってクライアントへ営業をおこない、案件の仲介をします。これにより、フリーランスは自分で営業をすることなく契約の締結ができるため、労力を省くことができます。また、エージェントによっては福利厚生サービスやキャリア相談など、フリーランスの活動をサポートしているところもあります。

エージェントではこれらのサービスの対価として、案件単価から仲介料が発生することがほとんどです。しかしながら、エージェントを利用すると安定的に案件を獲得できる可能性が高いため、フリーランスとしては有利になります。

弊社TechReachは長期継続案件が多く、報酬支払いサイクルは月末締め翌月15日払いの業界トップ水準となっています。東証1部上場グループの安心できる体制を整えておりますので、案件探しでお困りの際はご遠慮なくお申し付けください。

関連リンク:テックリーチの強み

勉強会などへの参加 or 友人・知人に尋ねる

営業行為が負担にならない方は、エージェントを利用せずに自分で案件を探すことをおすすめします。なぜなら、直接案件を獲得することができれば仲介料が発生せず、エージェント利用時よりも高単価になる可能性が高いからです。

直営業での案件獲得方法は、

①企業への営業メール

②電話、飛び込み営業

③勉強会やセミナーなどへの参加

④友人・知人へ尋ねる

⑤SNSでの情報発信・収集

⑥ポートフォリオの作成

などがあります。なかでも③勉強会やセミナーなどへの参加、④友人・知人へ尋ねる、経緯の案件では、契約に至るまでにお互いの人間性を業務外でも確認できるため、高単価、長期継続になりやすい傾向があります。加えて、⑥ポートフォリオの作成をしていれば、どの営業方法でも自分のスキルの証明に役立ちます。ポートフォリオに料金表などを掲示すればクライアントへの意思疎通も楽になりますので、作成しておいたほうがよいでしょう。

また、一般社団法人プロフェッショナル&パラレルキャリア・フリーランス協会が発表している『フリーランス白書2022』によると、フリーランスの仕事獲得経路としては人脈や過去・現在の取引先など、個人として契約をしているものが多くなっています。

出典:フリーランス白書2022|一般社団法人プロフェッショナル&パラレルキャリア・フリーランス協会

仕事獲得経路の4位にエージェントサービスの利用が入っていますが、1位〜から3位はフリーランス個人の活動によって仕事を獲得しているものです。フリーランスの方は個人事業主として、経営者としての側面を意識して、仕事を探していきましょう。

フリーランスとしてPythonの案件を受注するには

Pythonの基本的なスキルのほかに、専門知識やフレームワーク、ライブラリの知識があると差別化を図ることができます。また、AI開発や機械学習などを利用するエンジニアを目指すか、Webアプリケーション開発のエンジニアを目指すかによっても習得するべき知識が異なってきます。

案件と相性のいい専門知識があると受注しやすい

ここまでお伝えしてきたように、AI開発では機械学習や統計学についての知識がなければいけません。必要になってくる知識を簡単にご紹介していますので、参考にしてみてください。

  • 機械学習とは

コンピューターに対象となる問題の解決方法を学習させ、解決方法のパターンを見つけさせる技術のことをいい、統計学の考えを土台にしています。機械学習を用いたデータ解析は、何が原因で事象Aが起こったのか、という因果関係が分かりにくくなる傾向があります。しかし、何かを予測する精度を高くできるため、ECサイトや店舗で商品を購入した人の分析、レコメンド機能、顔・音声・テキスト認識、各事業の需要予測、金融取引予測、医療の画像診断、お掃除ロボット、車の自動運転、囲碁プログラムのAlphaGo、などで使われています。

  • 機械学習には3つの方法がある

①教師あり学習

正解となるデータを定め、それと対比したデータを用いて学習させていく方法。データがAとBのどちらに属するのかを予測をする『分類』、連続するデータが今後どのような傾向になるかを予測する『回帰』などの知識が必要になる。

②教師なし学習

正解となるデータを定めず、与えられたデータの特徴、属性などを抽出させてグループ分けなどを学習させていく方法。複数のデータから共通点を抽出させ、グループ分けをする『クラスタリング』、対象データがAの行動のあとはBの行動をしやすい、といったデータ間の関連を見つけ出す『アソシエーション分析』などの知識が必要。

③強化学習

お掃除ロボットなど、目的とした動作を繰り返させ、最適なシステムでタスクを完了させる方法。問題を分割、記録、参照し行動を最適化する『動的計画法』、乱数を使った数値計算によって、近似解を導き出す『モンテカルロ法』などの知識が必要。

また、AI(人工知能)とはコンピューターに人間に似た知能をもたせる技術のことをいい、機械学習はそれを実現するための技術になります。加えて、ディープラーニングとは機械学習で用いる手法のひとつです。

  • 統計学

予測精度を高める機械学習に対し、統計学はデータの特性を調べ構造を解釈し、推測するために使われます。統計的検定、線形回帰分析、主成分分析などの手法を用いて、何が原因で事象Aが起こったのか、という因果関係を見つけ、導いたデータから今後の対策などを探していきます。

機械学習は予測精度の向上に重きを置いているため、原因が見えにくいという特徴があり、統計学はデータを要約、解釈、予測するため、原因が見えやすいという特徴があります。また、統計学には推測統計学と記述統計学、ベイズ統計学があり、Pythonではデータの性質や傾向を分析する推論統計学と、データのグループを分かりやすくする記述統計学が主に用いられています。

機械学習や統計学の知識をもとに、NumPy、pandas、scikit-learn(sklearn)などのライブラリを使ってデータを抽出、可視化させ、開発をしていきます。これらの専門知識を持ったエンジニアは不足している状況ですので、習得することで希少価値の高い人材になり、案件の獲得がしやすくなるでしょう。

ライブラリとフレームワークのスキル

機械学習では、上述したNumPyなどの他にもTensorflow、Keras、PyTorchなどのライブラリがあります。なかでもTensorflowはGoogleがリリースしたこともあり、世界的にも利用者が多いです。また、NumPy、pandasなどのスキルを求める案件も多く見受けられます。

Webアプリケーション開発では、フレームワークのDjangoとFlaskの案件が多くなっているため、自身が希望する業務に合わせて習得するようにしましょう。

まとめ

Pythonエンジニアの需要は年々高まっており、それに合わせて会社員、フリーランス問わず報酬額も上がってきている状況です。AI開発やデータ解析の面から見ても、将来性の高い言語だといえるでしょう。

AI開発やデータ解析系かWebアプリケーション、システム開発かで必要になる知識が異なってきますので、ご自身に合わせたキャリアプランを考え行動をしましょう。この記事が少しでもお役立てになれば幸いです。

関連記事

サービスにご興味のある方は「エントリー」へお進みください。