Submit Search
Upload
【アイディア止まり】Ozobotでデータサイエンス~天気予報ロボットを作ろう~
•
0 likes
•
165 views
ケ
ケンタ タナカ
Follow
CodeEdu 2018受講時に、子供向けワークショップのアイディアとして検討したものです。実行はしていません。
Read less
Read more
Education
Report
Share
Report
Share
1 of 7
Download now
Download to read offline
Recommended
Big data解析ビジネス
Big data解析ビジネス
Mie Mori
Tokyo
Slides mkmk5
Slides mkmk5
祐介 三枝
Introduction of ESTK
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
Hiromasa Oka
企業内でアジャイルを始めようとすると様々な障壁が見えてきます。その壁を越え、企業活動との融和を目指すためのアジャイルチームの立ち上げ方を、ゼンアーキテクツのNAISEI Build-up programでの活動を例に挙げて解説します。 【DevLove甲子園2015東日本大会MVP受賞講演】
EXE #3: AIを協力して作成するDapp
EXE #3: AIを協力して作成するDapp
blockchainexe
EXE #3
【Hpcstudy】みんな、ベンチマークどうやってるの?
【Hpcstudy】みんな、ベンチマークどうやってるの?
Seiichiro Ishida
#hpcstudy のLT資料です。
Ocha_MLflow_MLOps.pdf
Ocha_MLflow_MLOps.pdf
Kenichi Sonoda
MLOps with mlflow for beginner
データ分析で Excel を活用しよう
データ分析で Excel を活用しよう
Tsuyoshi Kitagawa
「データ分析で Excel を活用しよう」 db tech showcase 東京 2014 でのセッションコンテンツ(D16)になります。 企業向けの Office Professional Plus 2013 / Office 365 ProPlus の Excel で社内の様々なデータベースやクラウド上のデータを集約し、分析用の多次元モデルを作成し、インタラクティブなレポートを作成する方法及び SharePoint Online を利用して安全に共有すると同時に、予測アルゴリズムによるシーズナリティに基づいたデータの予測を可能にする方法を紹介しています。 具体的な操作に関してはデモで実施しため、本スライドのみではわかりにくい部分があるかと思います。末尾に体験版の入手方法が記載されていますので、実際に試していただければと思います。
広告ログの解析システム
広告ログの解析システム
Katsuhiro Takata
tokyo webmining
Recommended
Big data解析ビジネス
Big data解析ビジネス
Mie Mori
Tokyo
Slides mkmk5
Slides mkmk5
祐介 三枝
Introduction of ESTK
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
Hiromasa Oka
企業内でアジャイルを始めようとすると様々な障壁が見えてきます。その壁を越え、企業活動との融和を目指すためのアジャイルチームの立ち上げ方を、ゼンアーキテクツのNAISEI Build-up programでの活動を例に挙げて解説します。 【DevLove甲子園2015東日本大会MVP受賞講演】
EXE #3: AIを協力して作成するDapp
EXE #3: AIを協力して作成するDapp
blockchainexe
EXE #3
【Hpcstudy】みんな、ベンチマークどうやってるの?
【Hpcstudy】みんな、ベンチマークどうやってるの?
Seiichiro Ishida
#hpcstudy のLT資料です。
Ocha_MLflow_MLOps.pdf
Ocha_MLflow_MLOps.pdf
Kenichi Sonoda
MLOps with mlflow for beginner
データ分析で Excel を活用しよう
データ分析で Excel を活用しよう
Tsuyoshi Kitagawa
「データ分析で Excel を活用しよう」 db tech showcase 東京 2014 でのセッションコンテンツ(D16)になります。 企業向けの Office Professional Plus 2013 / Office 365 ProPlus の Excel で社内の様々なデータベースやクラウド上のデータを集約し、分析用の多次元モデルを作成し、インタラクティブなレポートを作成する方法及び SharePoint Online を利用して安全に共有すると同時に、予測アルゴリズムによるシーズナリティに基づいたデータの予測を可能にする方法を紹介しています。 具体的な操作に関してはデモで実施しため、本スライドのみではわかりにくい部分があるかと思います。末尾に体験版の入手方法が記載されていますので、実際に試していただければと思います。
広告ログの解析システム
広告ログの解析システム
Katsuhiro Takata
tokyo webmining
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
100614Twittcherの会勉強会資料
タイトルが決まるまで担当編集者とどう戦ったのか!
タイトルが決まるまで担当編集者とどう戦ったのか!
E2D3.org
2019年5月8日 DevRel Meetup in Tokyo #41 〜書籍の企画から執筆、編集まで〜 の発表資料 https://devrel.connpass.com/event/127077/
実演・開発の進め方
実演・開発の進め方
TechGardenSchool
Club86 Startup School 中田講師による基礎クラスのスライドです。生徒さんの自主制作の前に行う講義。重要です。
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
Hori Tasuku
市販の強化学習関連の書籍は、アルゴリズムの中身を解説する物が多く、業務システムなどのカスタムSIへの適用を検討するエンジニアにとっては、なかなか理解しにくい構成の事が多い。本スライドでは、強化学習を使って機能を実装することを主眼においた解説を行った。おそらく現時点ではもっとも簡単に設計・実装できるスキーム、Stable Baselines/OpenAI Gym を使ってじゃんけんAIを設計・実装する流れを解説している。極力数式やアルゴリズムの中身についての解説については解説していないので、市販の書籍などの別のコンテンツを参照のこと。
20140713 ハッカソン基調講演
20140713 ハッカソン基調講演
Code_for_Sakai
20140713 Code for Sakai 第3回MTG基調講演スライド
元BIエバンジェリストが語る!脱獄matplot!
元BIエバンジェリストが語る!脱獄matplot!
ReNom User Group
ReNom User Group #3 Part4
Hadoop事始め
Hadoop事始め
You&I
http://www.wankuma.com/seminar/20101016nagoya15/ 今はやりのHadoopについて、MapReduceや分散ファイルシステムといった基盤技術から紹介したいと思います。
Asakusa Framework 演算子の処方箋
Asakusa Framework 演算子の処方箋
hmasa
Asakusa Framework 演算子の処方箋 です。
データ集計基盤のいままでとこれから 〜Hadoopからdataflowまで使い込んだ経験を徹底共有〜
データ集計基盤のいままでとこれから 〜Hadoopからdataflowまで使い込んだ経験を徹底共有〜
Kazuhiro Mitsuhashi
DB(mysql)上で実行することから始まった広告系大量データの処理に関して、試行錯誤しながらもHadoopを経てdataflow(BigQuery)に置き換えて大幅な効率化、低コスト化を実現。その過程で得た大量データを効率的に処理するための使いこなし戦略について徹底共有。
足を地に着け落ち着いて考える
足を地に着け落ち着いて考える
Ryuji Tamagawa
Devsumi関西2015でのプレゼンテーションです。
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Naoto Tamiya
Machine Learning Casual Talks #4で登壇した際のスライドです。 今までデータに関わってきた立場、サービス開発してきた立場として、データに関わる人たちが平和になるスキームを現在模索しています。 DMM.comラボでのビッグデータの取組みをご紹介すると共に、この辺を意識して取組むべきでは?と言う投げかけを行ないました。 ご参考になればと願いつつ。 ------- 【ビッグデータチームを発足するにあたって気をつけておきたいn個のこと】 1.ビッグデータチームの結成の仕方により、戦略・推進の方法が異なることを意識しないといけない 2.送信されるログ、転送してきたデータは完全ではないことを意識しておくこと 3.集計したい対象は常に拡大するが、集計ロジックは増やさないように考慮する 4.ログの実装は自分たちでやれる環境を整備しておくと運用側も実装側も平和 5.レポート / データを提供しても使われないことを予め認識しておくこと 6.管理ツールは事業部門のためではなく、専門部門のためのツールになっていく
ペルソナシナリオとプロトタイプ2
ペルソナシナリオとプロトタイプ2
Shuhei Iitsuka
もう「効率化」なんてゴミ箱に捨ててしまおう
もう「効率化」なんてゴミ箱に捨ててしまおう
Hiromasa Oka
2019/6/23 DevLoveX Day2の「もう「効率化」なんてゴミ箱に捨ててしまおう ~情報時代の価値観と行動原則、そして「正しさ」とは何か」の講演スライドです。
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
Ayako Omori
九州インフラ交流勉強会(KIXS) Vol.000(2016/8/26) のLT (Microsoft Cognitive Services 入門 & Azure サーバー管理ツール) 資料です。
鹿駆動
鹿駆動
Shinichi Kozake
2012/04/30 鹿駆動勉強会のLT資料です
dots. 7/7 DSWBハンズオン資料
dots. 7/7 DSWBハンズオン資料
s. kaijima
dots. 7/7 Data Scientist Workbenchハンズオン資料です
データ分析コンペでスキルアップしよう.pdf
データ分析コンペでスキルアップしよう.pdf
H. K
Overview of data analysis competitions, how the competitions are conducted, and skill development
既存分析ソフトへ データを投入する前に 簡便な分析するためのソフトの作り方の提案
既存分析ソフトへ データを投入する前に 簡便な分析するためのソフトの作り方の提案
Toshiyuki Shimono
既存分析ソフトへ データを投入する前に 簡便な分析するための ソフトの作り方の提案 50周年記念! 分析屋だらけの大ザーユー会 LT5分間用資料 DG LAB 下野寿之 (2018-07-11)
AutoEncoderで特徴抽出
AutoEncoderで特徴抽出
Kai Sasaki
AutoEncoderの話
ワールドクラスオセロプログラム"HAYABUSA"
ワールドクラスオセロプログラム"HAYABUSA"
uenokazu
「ほこxたて」でもお馴染みのオセロ思考プログラムHAYABUSAについての技術概要
More Related Content
Similar to 【アイディア止まり】Ozobotでデータサイエンス~天気予報ロボットを作ろう~
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
Shinohara Masahiro
100614Twittcherの会勉強会資料
タイトルが決まるまで担当編集者とどう戦ったのか!
タイトルが決まるまで担当編集者とどう戦ったのか!
E2D3.org
2019年5月8日 DevRel Meetup in Tokyo #41 〜書籍の企画から執筆、編集まで〜 の発表資料 https://devrel.connpass.com/event/127077/
実演・開発の進め方
実演・開発の進め方
TechGardenSchool
Club86 Startup School 中田講師による基礎クラスのスライドです。生徒さんの自主制作の前に行う講義。重要です。
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
Hori Tasuku
市販の強化学習関連の書籍は、アルゴリズムの中身を解説する物が多く、業務システムなどのカスタムSIへの適用を検討するエンジニアにとっては、なかなか理解しにくい構成の事が多い。本スライドでは、強化学習を使って機能を実装することを主眼においた解説を行った。おそらく現時点ではもっとも簡単に設計・実装できるスキーム、Stable Baselines/OpenAI Gym を使ってじゃんけんAIを設計・実装する流れを解説している。極力数式やアルゴリズムの中身についての解説については解説していないので、市販の書籍などの別のコンテンツを参照のこと。
20140713 ハッカソン基調講演
20140713 ハッカソン基調講演
Code_for_Sakai
20140713 Code for Sakai 第3回MTG基調講演スライド
元BIエバンジェリストが語る!脱獄matplot!
元BIエバンジェリストが語る!脱獄matplot!
ReNom User Group
ReNom User Group #3 Part4
Hadoop事始め
Hadoop事始め
You&I
http://www.wankuma.com/seminar/20101016nagoya15/ 今はやりのHadoopについて、MapReduceや分散ファイルシステムといった基盤技術から紹介したいと思います。
Asakusa Framework 演算子の処方箋
Asakusa Framework 演算子の処方箋
hmasa
Asakusa Framework 演算子の処方箋 です。
データ集計基盤のいままでとこれから 〜Hadoopからdataflowまで使い込んだ経験を徹底共有〜
データ集計基盤のいままでとこれから 〜Hadoopからdataflowまで使い込んだ経験を徹底共有〜
Kazuhiro Mitsuhashi
DB(mysql)上で実行することから始まった広告系大量データの処理に関して、試行錯誤しながらもHadoopを経てdataflow(BigQuery)に置き換えて大幅な効率化、低コスト化を実現。その過程で得た大量データを効率的に処理するための使いこなし戦略について徹底共有。
足を地に着け落ち着いて考える
足を地に着け落ち着いて考える
Ryuji Tamagawa
Devsumi関西2015でのプレゼンテーションです。
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Naoto Tamiya
Machine Learning Casual Talks #4で登壇した際のスライドです。 今までデータに関わってきた立場、サービス開発してきた立場として、データに関わる人たちが平和になるスキームを現在模索しています。 DMM.comラボでのビッグデータの取組みをご紹介すると共に、この辺を意識して取組むべきでは?と言う投げかけを行ないました。 ご参考になればと願いつつ。 ------- 【ビッグデータチームを発足するにあたって気をつけておきたいn個のこと】 1.ビッグデータチームの結成の仕方により、戦略・推進の方法が異なることを意識しないといけない 2.送信されるログ、転送してきたデータは完全ではないことを意識しておくこと 3.集計したい対象は常に拡大するが、集計ロジックは増やさないように考慮する 4.ログの実装は自分たちでやれる環境を整備しておくと運用側も実装側も平和 5.レポート / データを提供しても使われないことを予め認識しておくこと 6.管理ツールは事業部門のためではなく、専門部門のためのツールになっていく
ペルソナシナリオとプロトタイプ2
ペルソナシナリオとプロトタイプ2
Shuhei Iitsuka
もう「効率化」なんてゴミ箱に捨ててしまおう
もう「効率化」なんてゴミ箱に捨ててしまおう
Hiromasa Oka
2019/6/23 DevLoveX Day2の「もう「効率化」なんてゴミ箱に捨ててしまおう ~情報時代の価値観と行動原則、そして「正しさ」とは何か」の講演スライドです。
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
Ayako Omori
九州インフラ交流勉強会(KIXS) Vol.000(2016/8/26) のLT (Microsoft Cognitive Services 入門 & Azure サーバー管理ツール) 資料です。
鹿駆動
鹿駆動
Shinichi Kozake
2012/04/30 鹿駆動勉強会のLT資料です
dots. 7/7 DSWBハンズオン資料
dots. 7/7 DSWBハンズオン資料
s. kaijima
dots. 7/7 Data Scientist Workbenchハンズオン資料です
データ分析コンペでスキルアップしよう.pdf
データ分析コンペでスキルアップしよう.pdf
H. K
Overview of data analysis competitions, how the competitions are conducted, and skill development
既存分析ソフトへ データを投入する前に 簡便な分析するためのソフトの作り方の提案
既存分析ソフトへ データを投入する前に 簡便な分析するためのソフトの作り方の提案
Toshiyuki Shimono
既存分析ソフトへ データを投入する前に 簡便な分析するための ソフトの作り方の提案 50周年記念! 分析屋だらけの大ザーユー会 LT5分間用資料 DG LAB 下野寿之 (2018-07-11)
AutoEncoderで特徴抽出
AutoEncoderで特徴抽出
Kai Sasaki
AutoEncoderの話
ワールドクラスオセロプログラム"HAYABUSA"
ワールドクラスオセロプログラム"HAYABUSA"
uenokazu
「ほこxたて」でもお馴染みのオセロ思考プログラムHAYABUSAについての技術概要
Similar to 【アイディア止まり】Ozobotでデータサイエンス~天気予報ロボットを作ろう~
(20)
100614 構造方程式モデリング基本の「き」
100614 構造方程式モデリング基本の「き」
タイトルが決まるまで担当編集者とどう戦ったのか!
タイトルが決まるまで担当編集者とどう戦ったのか!
実演・開発の進め方
実演・開発の進め方
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
カスタムSIで使ってみよう ~ OpenAI Gym を使った強化学習
20140713 ハッカソン基調講演
20140713 ハッカソン基調講演
元BIエバンジェリストが語る!脱獄matplot!
元BIエバンジェリストが語る!脱獄matplot!
Hadoop事始め
Hadoop事始め
Asakusa Framework 演算子の処方箋
Asakusa Framework 演算子の処方箋
データ集計基盤のいままでとこれから 〜Hadoopからdataflowまで使い込んだ経験を徹底共有〜
データ集計基盤のいままでとこれから 〜Hadoopからdataflowまで使い込んだ経験を徹底共有〜
足を地に着け落ち着いて考える
足を地に着け落ち着いて考える
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
Machine Learning Casual Talks #4 ビッグデータチームを発足するにあたって気をつけておきたいn個のこと
ペルソナシナリオとプロトタイプ2
ペルソナシナリオとプロトタイプ2
もう「効率化」なんてゴミ箱に捨ててしまおう
もう「効率化」なんてゴミ箱に捨ててしまおう
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
KIXS Vol.000: Microsoft Cognitive Services 入門 & Azure サーバー管理ツール
鹿駆動
鹿駆動
dots. 7/7 DSWBハンズオン資料
dots. 7/7 DSWBハンズオン資料
データ分析コンペでスキルアップしよう.pdf
データ分析コンペでスキルアップしよう.pdf
既存分析ソフトへ データを投入する前に 簡便な分析するためのソフトの作り方の提案
既存分析ソフトへ データを投入する前に 簡便な分析するためのソフトの作り方の提案
AutoEncoderで特徴抽出
AutoEncoderで特徴抽出
ワールドクラスオセロプログラム"HAYABUSA"
ワールドクラスオセロプログラム"HAYABUSA"
【アイディア止まり】Ozobotでデータサイエンス~天気予報ロボットを作ろう~
1.
Ozobotで データサイエンス ~天気予報ロボットを作ろう!~ タナカケンタ
2.
目的/目標 ◼ ワークショップの目的は「プログラミング的思考」 (Computational
Thinking) な るものを身に着けること ◼ 「ロボットが動いたーわーい」ではない (ほうがいいんじゃないかなぁ) ◼ 事前学習資料によれば、プログラミング的思考には以下のようなものが大切らしい ◼ データ構造の理解、表現能力 ◼ アルゴリズムの理解、実装能力 ➡つまり、「データについて考えて、データを処理する」行為を体験することが重要 ◼ 提案カリキュラムでは、Ozocodesでデータを読み取り、値によってOzobotの振る舞 いを変えるプログラムを考案、作成する ◼ Ozobotの振る舞いに関しては、データをもとにモデルを作成 (集計レベル) し、 予測 (判定) 結果と動作を対応付けて実装する (データサイエンス的思考)
3.
ワークショップ案: ロボット&データサイエンス~天気予報ロボットを作ろう!~ ◼ ワークショップ所要時間は180分を想定 (10:00
- 12:00等) ◼ 参加者は小学3年生~6年生 (ある程度算数、理科的な考えが身についている) ◼ 構成 ◼ 自己紹介、諸注意 (10分) ◼ 課題説明 (10分) ◼ ディスカッション:「天気予報に必要なデータとは?」 (10分) ◼ 休憩 (10分) ◼ データ提供/ダウンロード (10分) ◼ 探索的データ解析、アルゴリズム設計 (40分) ◼ 休憩 (10分) ◼ プログラム実装 (60分) ◼ 発表 (15分)
4.
データ分析アイデア ◼ データサイエンス的思考の伝達 ◼ 未来の事象は、過去の事象によりモデリングでき、予測することができる ◼
よいモデルを作るためには、よいデータを収集し、適切な観察 (分析) をすることが重要 ◼ データの用意 ◼ 気象庁ホームページなどから、自分の街 (あるいは夏休みに行ってみたい街) の気象デー タをダウンロードする。必要なデータ種別 (気温、湿度、気圧・・・) の検討もさせる ◼ ITリテラシーなど、それが難しい場合は、メンター側でデータを用意しておく ◼ 探索的データ解析 ◼ Excelやデータ可視化ツール (子供向けのものがあれば) で気象データを多角的に分析 ◼ 「今日の天気と昨日までのデータとの関係」を発見、整理させ、モデルの仮説を立てる ◼ 参考:気象庁データから翌日の天気を予測するkaggleぽいことをしてみた
5.
分析結果からモデルの作成 ◼ といっても、高度な分析、モデル化はできないので、以下のようなものを作る ◼ 前日までの気温/湿度/気圧/雲量等の変化
(上昇/下降) から If-Thenのロジックを作成する ◼ 予測する天気 (目的変数) は「晴れ、曇り、雨」のアバウトな3分類 ◼ モデル例 ◼ 「過去3日間の気温が上昇傾向 (+++) で、湿度が減少傾向 (---) かつ前日雲量が 2日前より減少 (-) ならば晴れ」 ◼ 「過去3日間の気温が変化なし (000) で、湿度が上昇傾向 (+++) かつ前日雲量が 2日前より上昇 (+) ならば曇り」 ◼ 実際のところ、現実の気象はそんな単純なものでもないので、架空の街のデータを 与えるなど、適宜ゴールに到達できるようなコントロールをする
6.
プログラムアイデア ・・・ 事前にデータを与え、探索 的データ解析 (集計/グラ フを眺めるレベル) で発見し たパターンをもとに、明日の 天気判定プログラムを設計、 実装する
7.
実行イメージ ◼ はじめに予測対象のデータ (今日の気象データなど)
をカラーコードで与える ◼ Ozobotはそれを読み取り、あらかじめプログラミングしたロジックに沿って、 明日の天気の予測 (判断) を行う ◼ 予測結果は、三差路での分岐で表現する ・・・ データ入力部 予測 (判定) 部 晴れ 曇り 雨
Download now