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
第36回アソビワークショップ / session-36 Asobi-Workshop
Search
Loochs.org
October 17, 2021
Education
430
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
第36回アソビワークショップ / session-36 Asobi-Workshop
Loochs.org
October 17, 2021
More Decks by Loochs.org
See All by Loochs.org
memepick story / 「思いつき」が2日でアプリになった話
loochsorg
0
50
ルークス2025年度活動成果レポート
loochsorg
0
39
ルークスの事業計画概要 / Loochs Business Plan Overview
loochsorg
0
170
R7年度プログラミング講座のサンプルプログラム/R7-programming-seminar-sample-program-20250727
loochsorg
0
31
ラズベリーパイをもっと働かせよう / Make Raspberrypi hard work more
loochsorg
0
24
R7年度プログラミング講座のサンプルプログラム/R7-programming-seminar-sample-program
loochsorg
0
64
Nakamura Shogakko Club Activity Session 4
loochsorg
0
230
Nakamura Shogakko Club Activity Session 3
loochsorg
0
70
第42回アソビワークショップ / session-42 Asobi-Workshop
loochsorg
0
430
Other Decks in Education
See All in Education
0513
cbtlibrary
0
220
「機械学習と因果推論」入門 ③ 漸近効率な推定量と二重機械学習
masakat0
0
750
[2026前期火5] 論理学(京都大学文学部 前期 第13回)「走って、止まって、積み上がる」
yatabe
0
120
生成AI時代の情報発信
molmolken
0
140
From Days to Minutes: How We Taught an AI to Onboard 50+ Tenants on our AI Features
mfcabrera
0
210
Dashboards - Lecture 11 - Information Visualisation (4019538FNR)
signer
PRO
1
2.8k
Visionary Initiative: Materials-Positive Society 「モノの進化をポジティブな社会の原動力に」|Science Tokyo(東京科学大学)
sciencetokyo
PRO
0
690
「機械学習と因果推論」入門 ⑤ 因果効果推定の一般化
masakat0
0
160
Where Data Meets Storytelling
georgesinnott
0
130
[2026前期火5] 論理学(京都大学文学部 前期 第11回)「ハーモニー:三層モデルと保存拡大」
yatabe
0
170
プログラミング言語において文字列を複数行にわたって だらだらと記載するアレ
sapi_kawahara
0
180
[2026前期火5] 論理学(京都大学文学部 前期 第5回)「 ならばの問題演習・proof net・かつの規則」
yatabe
0
360
Featured
See All Featured
CSS Pre-Processors: Stylus, Less & Sass
bermonpainter
360
30k
Lightning Talk: Beautiful Slides for Beginners
inesmontani
PRO
2
610
Data-driven link building: lessons from a $708K investment (BrightonSEO talk)
szymonslowik
1
1.2k
Winning Ecommerce Organic Search in an AI Era - #searchnstuff2025
aleyda
1
2.1k
Practical Tips for Bootstrapping Information Extraction Pipelines
honnibal
25
2k
KATA
mclloyd
PRO
35
15k
Visualization
eitanlees
152
17k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
55
3.4k
The Mindset for Success: Future Career Progression
greggifford
PRO
0
420
Unlocking the hidden potential of vector embeddings in international SEO
frankvandijk
0
870
The Cult of Friendly URLs
andyhume
79
6.9k
Self-Hosted WebAssembly Runtime for Runtime-Neutral Checkpoint/Restore in Edge–Cloud Continuum
chikuwait
0
650
Transcript
ୈճ ΞιϏϫʔΫγϣοϓ d!ϦϞʔτ
ຊͷࢿྉҎԼͷϦϯΫઌ͔Β IUUQTTQFBLFSEFDLDPNMPPDITPSH
ʮϧʔΫεʯͬͯͳΜ͚ͩͬ w ϧʔΫεʢ-PPDITʣٯ͔ΒಡΉͱεΫʔϧʢ4DIPPMʣʹͳΔ w ʮֶͦͦߍͬͯͳΜ͚ͩͬʁʯˡΈΜͳͬͯΔʁ w FHʮษڧΛ͢Δͱ͜ΖͰ͢ʯˡຊʹͦ͏ʁ w ϧʔΫεʮֶߍͱԿ͔ʯΛߟ͑͜Ε͔ΒͷֶߍΛ࡞Δ৫ w
ͦͦʮֶߍ͍Βͳ͍આʯ͋ΓಘΔ
ΞιϏϫʔΫγϣοϓʹ͍ͭͯ w ΈΜͳ͕Γ͍ͨ͜ͱͷ୳ٻɾ࣮ݱΛࢧԉͰ͖ΔΛ࡞Γ͍ͨ w ͦͷதͷʮ༡ͼʯ͔ΒʮֶͼʯΛײͯ͡΄͍͠ w αϙʔτ͢ΔզʑେਓઈࢍʮֶͼʯதͰ͢ w ϓϩάϥϛϯάͦͷதͷखஈͷҰͭͰ͔͋͠Γ·ͤΜ
ʮ༡ͼʯͷཁૉ w 3ɾΧΠϤϫɹʮ༡ͼͱਓؒʯʢ͜͜Ͱʮ༡ͼͷ̐ྨʯͱ͍ͯ͠Δʣ w େਓʮ༡ͼʯ˺ʮڝ૪ʯͱצҧ͍͕ͪ͠ͳؾ͕͍ͯ͠Δ ڝ૪ ʢَͬ͜͝ɹͱ͔ʣ ۮવ ʢαΠίϩɹͱ͔ʣ ٖଶ
ʢਅࣅͬ͜ɹͱ͔ʣ Ί·͍ ʢάϧάϧόοτɹͱ͔ʣ ϑΝογϣϯγϣʔ ๅ୳͠ήʔϜ νΩϯϨʔε
ϧʔΫε͕͍ͩ͡ʹ͍ͯ͠Δ͜ͱ ΰʔϧ ΰʔϧ ;ͭʔͷେਓ͕͍ͨͪͩ͡ʹ͢Δ͜ͱ ϧʔΫε͕͍ͩ͡ʹ͢Δ͜ͱ
ࠓͷࣾձͷԿʁ Ͳ͏ͨ͠Βྑ͘ͳΔʁʁ w w ϧʔΫεࠓͷֶߍڭҭγεςϜ ʮෆࣗ༝ͰෆެฏͰ࣌Εʯͩͱࢥͬͯ·͢ w ͜ΕγεςϜͦͷͷ͕Ͱ͋Γʮઌੜ͕ʙʯͱ
͔ʮੜె͕ʙʯͳͲͱ͍͏ͭΓҰ͋Γ·ͤΜ w ΞΠσΟΞ w ͦͷͨΊʹʮࣗ༝ͰެฏͰ࠷ઌͳʯֶͼͷΛ ఏڙ͠·͢ʢΞιϏϫʔΫγϣοϓʣ ͱΞΠσΟΞ ύζϧʹࣅ͍ͯΔ ΞΠσΟΞ ֶߍڭҭγεςϜ ʮෆࣗ༝ͰෆެฏͰ࣌Εʯ ΞιϏϫʔΫγϣοϓ
ࣗݾհᶃ w Ωονʔʢ!LJDIJOPTVLFZʣ w ݪ٢೭ॿʢ;͘Β͖ͪͷ͚͢ʣ w )VNJE ࣪ ͕͘Β͍ʹͳΔͱʮס͍͍ͯΔʯΒ ͍͠
·ʔ͘Μɹࣗݾհ ࣸਅ ໊લ ɿ ٶాɹਅߦʢΈͨɹ·͞Ώ͖ʣ ग़ ɿ Ἒݝͻͨͪͳ͔ࢢ ࣄ ɿ
ࣗಈंͷاըʢ͓ۚͷܭࢉʣ झຯ ɿ ిࢠ࡞ɺɺϓϩάϥϛϯά ΩϟϯϓɺΓɺຍ ϋϚ͍ͬͯΔ͜ͱ ϐΞϊʢઍຊࡩʣɺڕࡹ͖ before after
͋ΒͨͳΞΠσΟΞͧͧ͘͘ͱ
ຊΛ࡞Γ͍ͨʁ
ςϨϏΛΊʹ͠Α͏ʂ Ωονʔ ϦϛοΫεͨ͠ͷͰݟͯͶ
͡Ίʹ͓ئ͍͕͋Γ·ͯ͠ɾɾɾ w ʮ͜ΕͳΒϒϩάʹ্͛ͯྑ͍Αʯͱ͍͏ΠϕϯτதͷࣸਅΛຕɺఏڙͯ͠ ͍͚ͨͩΔͱͱʔͬͯॿ͔Γ·͢ʢࣸਅ͕ͳ͍ͱϒϩά࡞͕͍͠ʣ w ϫʔΫγϣοϓୈճΞιϏϫʔΫγϣοϓʹ(PPHMFϑΥτϦϯΫ͕͋Γ ·͢
ࠓΓ͍ͨ͜ͱ w "*ΛΊΜ΅͏Ͱͭ͘Δˠ"*ΛͱͩͪɾՈʹઆ໌Ͱ͖ΔΑ͏ʹͳΔ w ໘ന͔ͬͨΒୈೋճΔ w ΫϦεϚεΞΫηαϦʔͮ͘Γاըฤ
"*ͱʁ
"SUJGJDJBM*OUFMMJHFODF ਓೳʢ͡Μ͜͏ͪͷ͏ʣ
"*Λ࡞Δʁ w "*ʹʮษڧʯͤ͞Δͷ͕ΈΜͳͷ w Ͳͷ͘Β͍গͳ͍ษڧͰΛղ͚Δ"*Λ࡞ΕΔͷ͔ʁ w "*͕͑Λग़͢͜ͱΑΓɺ"*͕ͲͷΑ͏ʹษڧ͍ͯ͘͠ͷ͔Λ؍͢Δ͜ͱͷํ͕େࣄ "*Λͭ͘Δ ษڧͤ͞Δ ςετͤ͞Δ
ͱΓ͋͑ͣ࡞ͬͯΈΔ w Ոͷ࿈ܞ͕େࣄͰ͢ w ֶशɿ"*ʹษڧͤ͞·͢ w ΊΜ΅͏Λಈ͔͠·͢ w νΣοΫɿ"*͕ਖ਼͘͠ษڧͰ͖ͯΔ͔֬ೝ͠·͢ w
εϓϨουγʔτ ("OPUFTYYYYMTY ʹ݁ՌΛه͠·͢ w αΠίϩʢ("EJDFYYYYMTYʣΛճ͠·͢
̏Λ"*ʹղ͔ͤΔ w ୈҰɿͤΜ͍εφοΫ՛ࢠͷʮαϥμຯʯͱɺԿͷຯͷ͜ͱʁ w αϥοͱͨ͠ຯαϥμ༉ຯάϦʔϯαϥμຯ w ୈೋɿୈೋɿϋΠώʔϧ͕ੜ·Εͨॳͷతʁ w ٭Λࡉ͘ݟͤΔ͜ͱԚʹ৮Εͳ͍Α͏ʹ͢Δ͜ͱεςοϓΛ౿ΜͰԻΛग़͢͜ͱ w
ୈࡾɿ࣍ͷ͏ͪΒͳ͍ͷʁ w ίϯιϝωΪϋνϛπ
̏Λ"*ʹղ͔ͤΔ w ୈҰɿͤΜ͍εφοΫ՛ࢠͷʮαϥμຯʯͱɺԿͷຯͷ͜ͱʁ w αϥοͱͨ͠ຯαϥμ༉ຯάϦʔϯαϥμຯ w ୈೋɿୈೋɿϋΠώʔϧ͕ੜ·Εͨॳͷతʁ w ٭Λࡉ͘ݟͤΔ͜ͱԚʹ৮Εͳ͍Α͏ʹ͢Δ͜ͱεςοϓΛ౿ΜͰԻΛग़͢͜ͱ w
ୈࡾɿ࣍ͷ͏ͪΒͳ͍ͷʁ w ίϯιϝωΪϋνϛπ
("ͱʁ
(FOFUJD"MHPSJUIN Ҩతʢ͍ͰΜ͖ͯʣΞϧΰ ϦζϜ
ҨతͬͯͳΜͧʁ w ʮ͔Βࢠͱܗ࣭͕ΘΔͱ͍͏ݱͷ͜ͱͰ͋Γɾɾɾʯ w 8JLJQFEJBҨ
Ҩ ΊͪΌΔ ΊͪΌฉ͑͜Δ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ
Ҩ ΊͪΌΔ ΊͪΌฉ͑͜Δ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ ަ伹ʢ͜͏͞ʣ
Ҩ ΊͪΌΔ ΊͪΌฉ͑͜Δ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ ࢠ
ަ伹ʢ͜͏͞ʣ
Ҩ ΊͪΌΔ ΊͪΌฉ͑͜Δ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ ࢠ
ަ伹ʢ͜͏͞ʣ ΊͪΌΔ ΊͪΌฉ͑͜Δ ;ͭ͏ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ
Ҩ ΊͪΌΔ ΊͪΌฉ͑͜Δ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ ࢠ
ަ伹ʢ͜͏͞ʣ ΊͪΌΔ ΊͪΌฉ͑͜Δ ;ͭ͏ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ มҟʢΜ͍ʣ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ
Ҩ ΊͪΌΔ ΊͪΌฉ͑͜Δ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ ࢠ
ަ伹ʢ͜͏͞ʣ มҟʢΜ͍ʣ ΊͪΌΔ ΊͪΌฉ͑͜Δ ;ͭ͏ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ౫ଡʢͱ͏ͨʣ
Ҩ ΊͪΌΔ ΊͪΌฉ͑͜Δ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ ࢠ
ަ伹ʢ͜͏͞ʣ มҟʢΜ͍ʣ ΊͪΌΔ ΊͪΌฉ͑͜Δ ;ͭ͏ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ݟ͑Δʂ ͋Μ·ݟ͑Μ ͔ΜΜ ͯ͘͠Ε ͦΜͳฉ͑͜Μ ౫ଡʢͱ͏ͨʣ ࣍ͷੈ
ҨతͬͯͳΜͧʁ
IUUQTTQFBLFSEFDLDPNLTXIBUJDBOOPUDSFBUFJEPOPUVOEFSTUBOE TMJEF
"*Λཧղͯ͠·͔͢ʁ ʢ˺ࣗͰ࡞Ε·͔͢ʁʣ
Ԡ༻ฤ "*ͷΧϨʔϨγϐ
ΧϨʔϨγϐ w ୈҰɿڇԁܲԁେ౾ԁ w ୈೋɿߴڃΧϨʔϧʔԁόʔϞϯτΧϨʔԁΧϨʔ;Γ ͔͚ԁ w ୈࡾɿ੨࢈Ϧϯΰδϡʔεԁഴԁਫԁ
ྑ͍"*ʹԿ͕ͻͭΑ͏͔ʁ w ࠓͭͬͨ͘"*ળѱͷஅɺՃݮΛΒͳ͍ͪΌΜΈ͍ͨͳͷ w ͦͷͪΌΜΛҭͯΔ୭ʹ͋Δʁ w ͱ͍͏͔͜ͷͪΌΜʹڭ͑ΔͷେมͰʁ w ੈͷதͰͲ͏ͬͯڭ͍͑ͯΔ͔ͱ͍͏ͱɾɾɾʁ
ΫϦεϚεΞΫηαϦʔͮ͘Γ اըฤ
ͩΕͷΞΠσΟΞʁ
ୈճΞιϏϫʔΫγϣοϓ ݄!ϦϞʔτ ͦ͏͍͑ ৽͍͠ΩϟϥΫλʔʁ
None