Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
市民参加型のヒアリ防除のための発見位置共有システムの開発と普及
Search
オープンサイエンス・ミートアップ
March 26, 2018
Science
290
0
Share
市民参加型のヒアリ防除のための発見位置共有システムの開発と普及
日時 :2018年3月1日(金) 19:00-20:30
スピーカー:有子山 俊平さん(東京工業大学 環境社会理工学院)
場所:京都大学 吉田泉殿
オープンサイエンス・ミートアップ
March 26, 2018
More Decks by オープンサイエンス・ミートアップ
See All by オープンサイエンス・ミートアップ
市民科学と科学技術政策
kyotoopenscience
0
290
ACADEMIC GROOVE —— 学術を「体感」するということ
kyotoopenscience
0
140
せんだい歴史学カフェ in KYOTO オープンサイエンスミートアップ! 歴史学の面白さ、伝えます!
kyotoopenscience
1
160
市民が取得した魚類の情報を科学的に活用する試み
kyotoopenscience
1
260
宇宙・地球のオープンデータでハッカソン
kyotoopenscience
0
100
ゲームを研究してみよう (でも、どうやって?) / How to study "game"
kyotoopenscience
0
340
市民参加型調査「花まるマルハナバチ国勢調査」でできたこと・できなかったこと
kyotoopenscience
0
260
ナメクジ捜査網 -市民科学とナメクジのこれから-
kyotoopenscience
0
480
Physics projects in a Makerspace environment - Another way of doing Physics
kyotoopenscience
0
94
Other Decks in Science
See All in Science
Bear-safety-running
akirun_run
0
120
SHINOMIYA Nariyoshi
genomethica
0
120
知能とはなにかーヒトとAIのあいだー
tagtag
PRO
0
180
Lean4による汎化誤差評価の形式化
milano0017
1
460
HajimetenoLT vol.17
hashimoto_kei
1
200
動的トリートメント・レジームを推定するDynTxRegimeパッケージ
saltcooky12
0
270
【論文紹介】Is CLIP ideal? No. Can we fix it?Yes! 第65回 コンピュータビジョン勉強会@関東
shun6211
5
2.4k
baseballrによるMLBデータの抽出と階層ベイズモデルによる打率の推定 / TokyoR118
dropout009
2
880
AkarengaLT vol.41
hashimoto_kei
1
120
人生を変えた一冊「独学大全」のはなし / Self-study ENCYCLOPEDIA: The Book Which Change My Life #独学大全 #EM推し本
expajp
0
140
データマイニング - グラフ構造の諸指標
trycycle
PRO
0
280
HDC tutorial
michielstock
1
590
Featured
See All Featured
Practical Orchestrator
shlominoach
191
11k
Paper Plane (Part 1)
katiecoart
PRO
0
6.2k
Ecommerce SEO: The Keys for Success Now & Beyond - #SERPConf2024
aleyda
1
1.9k
From π to Pie charts
rasagy
0
160
Joys of Absence: A Defence of Solitary Play
codingconduct
1
330
Site-Speed That Sticks
csswizardry
13
1.1k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
133
19k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
1.8k
Understanding Cognitive Biases in Performance Measurement
bluesmoon
32
2.8k
ピンチをチャンスに:未来をつくるプロダクトロードマップ #pmconf2020
aki_iinuma
128
55k
Navigating Algorithm Shifts & AI Overviews - #SMXNext
aleyda
1
1.2k
Imperfection Machines: The Place of Print at Facebook
scottboms
270
14k
Transcript
ࢢຽࢀՃܕͷώΞϦআͷͨΊͷ ൃݟҐஔڞ༗γεςϜͷ։ൃͱීٴ !,:05001&/4$*&/$&.&&561 ౦ژۀେֶ ڥࣾձཧֶӃ % ༗ࢠࢁ ढ़ฏ
ݚڀ༰ͷҰͭɿώΞϦϞχλϦϯά ˓ ώΞϦΛૣظൃݟ͖͠ΔʹͲͷҐͷ ϞχλϦϯάྗʢίετʣ͕ඞཁʁ ˘ Ͳͷ͘Β͍ີʹɺ෯͘ϕΠτʢ᠘ʣΛ ઃஔ͢ΕώΞϦΛൃݟͰ͖ Δʁ ˘ ֶͰԾతʹൃݟ֬Λࢉग़
˘ අ༻ରޮՌͷߴ͍ϞχλϦϯάઓུΛ ໌Β͔ʹͨ͠
ͳͥώΞϦͷࢢຽࢀՃʁ ˓ ώΞϦͷૣظൃݟ݁ߏ ͔͔Δ ˘ தԝলிʹ͖ͤͬΓ/( ˘ ώΞϦ࣍ʑԡ͠دͤͯ͘Δ ˘ طଘͷใࠂํ๏ख͕ؒେ͖͍
࣍ ˓ എܠɿώΞϦͷڴҖ ˘ ώΞϦຊʹةݥʁ ˘ ৵ೖ͞Εͨ߹ ˓ ֓ཁɿࢢຽࢀՃͷҝͷใࠂπʔϧ ˘
ղܾ͍ͨ͠՝ ˘ ઃܭࢥ ˘ ࠓޙͷܭը ˘ ଞࠃͷݱঢ় ˘ ࣮ԋ ˘ πʔϧͷ՝
ώΞϦຊʹةݥʁʢ̍ʣ ˠʮࡴਓΞϦʯେ͛͞ɺͰةݥ ہॴੑԠ શੑ ΞϨϧΪʔ Ԡ தಟੑԠ <> IUUQTXXXVQUPEBUFDPNDPOUFOUTTUJOHTPGJNQPSUFEGJSFBOUTDMJOJDBMNBOJGFTUBUJPOTEJBHOPTJTBOEUSFBUNFOU
<> IUUQXXXBPDEPSH QBHF'JSF"OU#JUFT जΕ ແەੑ᙮ େ͖͍ ہॴੑԠ • ͞ΕͨޙҐ͔Β • ম͚Δ༷ͳײ֮ˠແەੑ᙮ • ̍िؒ Δ • ௵͢ͷ/(ʢ์ஔ͕(00%ʣ • كʹʙ࣌ؒͰൃ • ͞ΕͨՕॴத৺ʹશजΕ • ॴҦlΞφϑΣϥΩγʔz • ൽෘੑͷԠ͔Β݂ڏɺ Һ಄ුजɺؾࢧᙲᏀ·Ͱ • ױऀશମͷʙ͕ൃ • ॳΊͯͷ͞ΕͰͷൃ • ݂ᕶ൘ͷҟৗɺωϑϩʔθީ ܈ʢਛଁ࣬ױʣɺଔத ແەੑ᙮<> <>
ώΞϦຊʹةݥʁʢ̎ʣ ˠఆணҬ͕ຖ͞ΕΔ<> ͞Βʹ p ͦΕ·Ͱ͞Εͨࣄ͕ͳ͍ਓͰɺఆணҬΛ ๚Εͨਓதਓʢʣ͕͞Ε͍ͯΔ<> <> IUUQTXXXVQUPEBUFDPNDPOUFOUTTUJOHTPGJNQPSUFEGJSFBOUTDMJOJDBMNBOJGFTUBUJPOTEJBHOPTJTBOEUSFBUNFOU <>
5SBDZ+. %FNBJO +( 2VJOO+. )PGGNBO%3 (PFU[%8 'SFFNBO5. +"MMFSHZ$MJO*NNVOPM
ଞࠃͷݱঢ় ੈքతͳ৵ུͷྺ࢙<> <> "TDVODF .4 FUBM4DJFODF <> $ISJTUJBO4#JPTFDVSJUZ
<> IUUQXXXLPSFBUJNFTDPLSXXXOFXTOBUJPO@IUNM ۙͰຊɾؖࠃʹ<> χϡʔδʔϥϯυ̎ͷ༌ೖΛܦ͕ͨࠜઈ<>
ઢ ຊͷݱঢ়ʢ̍ʣ <> IUUQTXXXLBOUFJHPKQKQTJOHJGJSFBOUEBJTJSZPVQEG ώΞϦൃݟҬ ट૬ఛձٞࢿྉ<>
ઢ ຊͷݱঢ়ʢ̎ʣ <> IUUQTXXXLBOUFJHPKQKQTJOHJGJSFBOUEBJTJSZPVQEG ώΞϦআͷํࡦ ट૬ఛձٞࢿྉ<>
৵ೖ͞Εͨ߹ ˓ ཱͪೖΓېࢭ ˘ ެԂɺྛɺۭ͖ ˓ ةݥ ˘ Ո৵ೖͷՄೳੑ<>
˓ ࢢػೳɺۀɺੜଟ༷ੑ<> <> 3VQQ.3 EF4IB[P 3% "N+.FE4DJ <> 1PSUFS 4%4BWJHOBOP %"&DPM r <> "MMFO $3 %FNBSBJT 4-VU[ 345FY+4DJ r <> (PUFMMJ /+"SOFUU "&&DPM-FUU r <> 8PKDJL %1FUBM"N&OUPNPM r <> )PMXBZ %" -BDI - 4VBSF[ "7 5TVUTVJ /%$BTF 5+"OOV3FW&DPM4ZTU r <> .PSSJTPO -8&DPM r <> "MMFO $3 &QQFSTPO %.(BSNFTUBOJ "45IF"N.JEM/BU r
࣍ ˓ എܠɿώΞϦͷڴҖ ˘ ώΞϦຊʹةݥʁ ˘ ৵ೖ͞Εͨ߹ ˓ ֓ཁɿࢢຽࢀՃͷҝͷใࠂπʔϧ ˘
ղܾ͍ͨ͠՝ ˘ ઃܭࢥ ˘ ࠓޙͷܭը ˘ ଞࠃͷݱঢ় ˘ ࣮ԋ ˘ πʔϧͷ՝
ղܾ͍ͨ͠՝ʢ̍ʣ ˠใࠂͷਫ਼ਆతϋʔυϧ ग़యɿڥল ग़యɿετοϓɾβɾώΞϦ ిݱࡏͷॅॴΛطͱԾఆ ࠾औɾ༣ૹث۩ͷܞଳΛԾఆ طଘ ܞଳిʢεϚϗʣΛར༻ ࣄલࣝෆཁ
ఏҊ ؍తʹΘ͔Δૢ࡞ੑ
࣮ԋ
ઃܭࢥʢ̍ʣॳͷܭը ࣌ؒ ୭͕ ͍ͭɾͲ͜ͰɾͲΜͳߦಈΛ͢ Δͷ͔ʁͦͷಈػԿ͔ʁ (A)½2a.* K*1¨ («>Tu Po
(B)½(A)¥ (C)½Tu GO¨§BN «©!": ©¬ (D)½T©u} zw3[E j' (E)½ ¤ ¶'¬»4 v^bgc¼ (F)½V&Zc³ ¶-dIy ³¶8$« ±·´m© (A)?_ 5 ³¶8$« ±·´m© ³¶8$« ±·´m© ³¶q «© Ym8$«# |,k (B)S9t &kn ³¶U f«p © +© F!" x«6{© ³¶U f«p © ³¶U f«p © £0©¥ r<;«> £0©¥ r<;«> BN ³¶«@ H«m Ym%=u} pJ ³¶¢ ¦Ymº Ym$« §© $DR ~ © I®¯±µ« mW pJ«Q9 Ym% $DR«Me I®¯±µ« YmW« Q9 h«> ³¶¢ ¦Ymº I®¯±µ« W$ $ \»X¼ ¨³¶ C© I®¯±µ ]«© 1 ³¶0%=$¥ (C)(D)¡ 2 (C)(D)-£$ ²¹°¨pJ¡ AL©/i ¸s)`x ©7l©ª
ઃܭࢥʢ̎ʣॳͷը໘ભҠਤ (A)K' 5B2? D<.5 ?-J GFH?",) D%C (C)K.5
? 4BA5 D9C ?1 C386EJ GFH?", )I",7>4; :)D 9C */ $# !0/& ! 2017/MM/DD! 2017/MM/DD! ! ! 2017/MM/DD! ! ! ! ! ! ! ! ! ! ! ! +K @,6=(6
πʔϧͷ՝ʢΠϯλϏϡʔ݁Ռʴলʣ ˓ ར༻લ ˘ ώΞϦ͔ࣗ৴͕࣋ͯͳ͍ʢ᪳ʣ ˓ ར༻த ˘ ͍ͨͣΒࢭ
˓ ར༻ޙ ˘ ͍ଓ͚ͨ͘ͳΔ ˘ ݸਓใอޢ ˘ ࣝผɾఆ ˘ ໊࣮ʢօͰʣ
8"540/ʢ*#.ʣʹΑΔը૾ೝࣝ IUUQTWJTVBMSFDPHOJUJPOEFNPOHCMVFNJYOFU