この資料は，ゼミで使う Python・Julia・Git などの作業環境を整えるための案内である．ただし，Python の環境設定には複数の方法があり，最初から一つに決めて読むよりも，まず各方法の役割の違いを理解してから選ぶ方がわかりやすい．VS Code は venv，Poetry，conda など複数の環境を扱うことができる．
この資料では，Python の設定を次の二つに分けて考える．
第一に，Python 本体やライブラリをどう管理するかである．
第二に，どの画面でコードを書くか・実行するかである．
前者は venv，Poetry，conda などの違いに対応し，後者は VS Code，Jupyter Notebook，Google Colab などの違いに対応する．Jupyter はローカル環境の上で使うノートブック環境であり，Colab はセットアップ不要のホスト型 Jupyter Notebook サービスである．
以降では，まずそれぞれの方法の位置づけを簡単に整理し，そのあと個別の手順を説明する．ここではまだ，どの方法を採用するかを前提にしない．
Python の環境管理に関する道具は，すべて同じ役割を持つわけではない．
大きく分けると，venv を中心とする Python 標準系と，conda を中心とする conda 系がある．
venv は Python 標準の仮想環境機能である．
すでにインストールされている Python を土台にして，プロジェクトごとに分離された軽量な環境を作る．
どの Python 版の環境になるかは，使用する Python の版によって決まる．
パッケージのインストールには通常 pip を使う．
Poetry は，Python プロジェクトの依存関係管理とパッケージ管理のための道具である．
venv が主に「仮想環境を作る」機能であるのに対し，Poetry は仮想環境に加えて，pyproject.toml と poetry.lock による依存関係の記録・固定・再現を管理できる．
仮想環境は既定ではキャッシュ領域に作られるが，設定によりプロジェクト直下の .venv として管理することもできる．
conda との併用も可能であるが少し複雑になる．
conda は，Python パッケージだけでなく，Python 本体の版や Python 以外 (RやJuliaなど) の依存関係も含めて，環境全体を管理するための道具である．
たとえば conda create -n py313 python=3.13 のように，環境を作る段階で Python の版を指定できる．
パッケージは defaults や conda-forge などの channel からインストールする．
必要に応じて pip を併用することもできるが，基本的にはまず conda install を試し，conda で提供されていないものを pip で入れる，という順序にするとよい．
要するに，venv は「既にある Python から仮想環境を作る」基本的な方法であり，Poetry はそれに依存関係管理と再現性を加える方法である．
一方で conda は，「Python 本体も含めて環境を作る」方法であり，科学計算やデータ分析のように Python 以外の依存関係を含む環境を管理したい場合に便利である．
補足として，近年は uv，mamba，pixi のような新しい道具も使われ始めている．
uv は Python 標準系に近い高速なパッケージ・プロジェクト管理ツールであり，pip，venv，Poetry 的な機能の一部をまとめて扱える．
mamba は conda と互換性の高い高速な代替ツールであり，conda install の代わりに mamba install のように使える．
pixi は conda ecosystem を基盤としたプロジェクト管理ツールで，conda-forge などを使って再現性の高い環境を作ることを目的としている．
ただし，本資料では初学者向けに，まず venv，Poetry，conda を中心に説明する．
VS Code はエディタであり，選んだ Python 環境を使って編集・実行・デバッグを行うための入口である．環境そのものを作る方法ではなく，venv，Poetry，conda などで作った環境を切り替えて使う場所だと考えるとよい．
Jupyter Notebook / JupyterLab は，ブラウザ上でコード・出力・説明文をまとめて扱うためのノートブック型インターフェースである．これは Python 環境の代わりではなく，ローカルに用意した Python 環境の上で使う実行画面である．
Google Colab は，ブラウザだけで使えるホスト型の Jupyter Notebook サービスである．ローカル環境の準備なしに始められる点が利点だが，コードは Google 側の仮想マシンで実行されるため，ローカルの環境管理とは別物である．
したがって，最初に考えるべきことは二つある．
一つは，Python 環境をどの方法で管理するかである．
もう一つは，どのインターフェースで作業するかである．
たとえば，venv で作った環境を VS Code で使ってもよいし，Poetry で管理した環境を Jupyter から使ってもよい．また，Colab を使う場合は，ローカル環境を使わずに始めることもできる．
ここまでで，Python 環境管理の方法と，作業インターフェースの違いを簡単に整理した． 以降の具体的な設定手順は，方法ごとに別ページに分けてある． 自分が使いたい方法だけを選んで読めばよい．
Python を使う場合は，まず 環境管理の方法 を一つ選び，必要に応じて インターフェース のページを読むこと． 大学のコンピュータを使う場合は，通常の手順に加えて専用ページも確認すること．
環境管理の方法によらず，最初に行う共通準備をまとめる． Mac の初期設定，VS Code の導入などはここで確認する．
Python の環境管理には複数の流儀がある． 以下のうち，自分に合うものを一つ選んで読むこと．
Python 標準の仮想環境を使うもっとも基本的な方法である． 軽量で構造が単純なので，仕組みを理解しやすい．
仮想環境に加えて，依存関係やプロジェクト設定もまとめて管理する方法である． 再現性を重視したい場合に向いている．
環境全体をまとめて管理する方法である．
すでに conda を使っている人や，conda 前提の環境に合わせたい場合はこちらを使う．
Python 環境を用意したあと，どの画面でコードを書くか・実行するかを選ぶ． VS Code は通常の開発向け，Jupyter Notebook はノートブック形式の作業向け，Google Colab はブラウザだけで始めたい場合に向いている．
大学のコンピュータでは，権限や既存設定の都合で，自分のコンピュータと同じ手順がそのまま使えないことがある． 大学の計算機環境で作業する人は，このページも確認すること．
バージョン管理と共同作業のために Git と GitHub を使う． 初めて使う人は，まず GitHub アカウントを作成し，そのあと Git の基本操作を確認すること．
Julia を使う場合の導入手順，パッケージ管理，Jupyter との連携については別ページにまとめる．