実データを使う
アメダス、解析雨量などの気象データを使い、実際の現象と結びつけて考えます。
LEARN
学ぶ
気象データを、実際に触りながら理解する。
WDACでは、知識を読むだけで終わらせず、実データを使い、Pythonで確かめ、生成AIを補助に使いながら、自分で分析できるところまで段階的に学びます。
LEARNING PATH
学び方の基本
難しい専門資料から入るのではなく、理解の深さを段階的に上げていきます。
同じテーマでも、最初は図や短い説明から入り、実際に動かし、必要になったところで技術詳細へ進める構成を基本にします。
01まず知る何のためのデータ・技術かをつかむ
02図で見る現象やデータ構造を視覚的に理解する
03もう少し詳しく仕組みや用語を一段深く知る
04実際に試すColab・Pythonで自分の手を動かす
05専門資料へ原典・仕様・技術詳細へ進む
BEGINNERS
気象データ分析習熟・
ビギナーズ
実際の気象データを題材に、取得・前処理・可視化・分析までを繰り返し体験します。
完全なプログラミング初心者向けではなく、Pythonを使ったことがある人が、気象データを自力で扱えるところまで習熟することを目指します。
コードで確かめる
Google Colab上でPythonを実行し、取得・加工・可視化を自分で再現します。
生成AIを補助に使う
コード生成だけに頼らず、調査・理解・デバッグ・改善の相棒として使います。
TOOLS
Colab・Python・
生成AI
学習環境をできるだけ軽くし、気象データそのものを考える時間を増やします。
Google Colab
ブラウザ上でPythonを実行できるため、環境構築の負担を減らして分析を始められます。
Python
データ取得、前処理、可視化、統計解析、時系列解析へつながる共通の実践ツールとして扱います。
生成AI
調査、コードのたたき台、エラー解析、分析方針の検討、説明の改善などに活用します。
生成AIの出力はそのまま正解とは考えず、データ仕様・時刻定義・単位・結果の妥当性を自分で確認することを学習の一部とします。
NOTEBOOK
Notebookで
再現する
「見て分かった」で終わらず、自分でもう一度実行できる形を残します。
WDACでは、Notebookを学習教材だけでなく、分析手順・判断・結果をひとつにまとめる再現可能な成果物として扱います。
問い何を知りたいか
→
データ何を使うか
→
コードどう処理するか
→
図・結果何が見えたか
→
解釈どう考えるか
SEMINAR
セミナー・
勉強会
一人で調べるだけでなく、試したことを持ち寄り、違いを比較しながら理解を深めます。
テーマを共有
同じデータや分析テーマを共通題材にします。
自分で試す
地域や期間を変え、自分なりの結果を作ります。
比較する
結果や手順の違いから、データの特徴を理解します。
次の問いへ
新しい疑問を研究・Dataset・成果物へつなげます。
EASY GUIDE
やさしい解説
専門用語や技術成果に入る前の、一般向けの入口を用意します。
まず意味を知り、図で理解し、興味を持ったら技術ページやNotebookへ進めるようにします。
気象データとは 準備中
アメダスとは 準備中
解析雨量とは 準備中
数値予報とは 準備中
LFMとは 準備中
GRIB2とは 準備中
エマグラムとは 準備中
CAPE / LCL / LFC / ELとは 準備中
Layer0とは 準備中
Zarrとは 準備中
Web APIとは 準備中
気象データをPythonで扱うとは 準備中
各解説ページは今後順次追加します。現段階ではサイト全体の構造を確認するための入口です。