可視化と分析の進め方
海洋データ可視化：手法・実例・ツール
地図、鉛直プロファイル、T-S図、時系列断面図を比較し、科学的な問いに適した海洋データ可視化を選ぶ方法を解説します。
可視化と分析の進め方
Pythonを使わずにArgoフロートデータを可視化する手順
Python解析を組む前に、OceanGraphで実際のArgoフロートプロファイルを検索・表示・比較するノーコードの流れを解説します。
可視化と分析の進め方
海洋学の時系列鉛直断面を読み解く：Argoの実例
反復するArgoプロファイルを時系列鉛直断面へまとめ、時間・深さ方向の変化や欠損域を読む方法を解説します。
可視化と分析の進め方
T-S図の作り方：Pythonとブラウザツールを比較
T-S図を作るPythonの流れとブラウザツールを比較し、探索または再現可能な解析に適した方法を選ぶポイントを解説します。
可視化と分析の進め方
ブラウザで海洋プロファイルデータを見るツールと、デスクトップ版ODVが必要になる場面
webODV、Argo向けビューア、デスクトップ版Ocean Data Viewを、それぞれが想定している作業から比較し、どの段階の作業をブラウザで進めるかを判断します。
可視化と分析の進め方
PythonでArgoデータを読む前に決めておくこと
argopyと生NetCDFの使い分け、それぞれが自動で行う絞り込みの中身、最初につまずきやすいQC・データモード・座標の扱いを整理します。
可視化と分析の進め方
研究コードの変更履歴と再現性を残す方法：Git・GitHub入門
GitとGitHubで研究コードの変更履歴を残し、研究結果と使用したコードを結び付け、大容量データや秘密情報をリポジトリ外で管理する方法を解説します。
可視化と分析の進め方
研究の解析環境を再現可能にする方法：Docker入門
研究コードが別のパソコンで動かなくなる理由とDockerで記録できる範囲を理解し、入力データを誤って書き換えないPython解析環境を作ります。
可視化と分析の進め方
Codex・Claude Codeで「動くけれど間違った」研究コードを防ぐ方法
コーディングエージェントで研究用コードの実装を速めつつ、科学的な判断を人が担い、既知の正解や目視確認で誤りを見つける方法を解説します。
可視化と分析の進め方
NetCDFからブラウザ可視化まで：海洋データWebアプリの設計
QCを考慮してNetCDF形式の海洋観測データを処理し、科学的な意味を保ったまま地図・プロファイル・断面図としてブラウザへ高速に表示する設計を解説します。
可視化と分析の進め方
海洋データの意味を保つWebアプリ設計：単位・欠損値・QC・来歴
海洋データをソースから画面まで正しく扱うために、単位、欠損値、品質管理、観測を特定するID、来歴を失わないデータの受け渡し仕様を解説します。
可視化と分析の進め方
海洋画像をAIの学習データにする：Label StudioとSAMで始めるアノテーション
海洋分野で画像のアノテーションがどのような役割を持つかを整理し、Label StudioとSAMをDockerで構築して、画像のセグメンテーションを試す手順を紹介します。
可視化と分析の進め方
海洋データの機械学習で起きるデータリーク：空間・時間を考慮したデータ分割
海洋データの機械学習では、なぜランダム分割が精度を過大評価しやすいのか。グループ・空間・時間の依存関係を考慮して評価データを分ける方法を解説します。
可視化と分析の進め方
海洋画像のアノテーションからセグメンテーションモデルへ：学習と評価
アノテーション済みの海洋画像を取得単位（地点・潜航など）で分割し、再現可能な条件でセグメンテーションモデルを学習・評価する方法を解説します。
可視化と分析の進め方
海洋AIにおけるHuman-in-the-loop：予測の確認と学習データの改善
確認対象の選び方、人による修正、アノテーションのバージョン管理、独立したテストデータの保護を組み合わせ、判断過程を追跡しながら海洋AIを改善する方法を解説します。
可視化と分析の進め方
海洋プロファイルのクラスタリングとは？似た鉛直構造の見つけ方
水温・塩分プロファイルをグループに分ける仕組みと、OceanGraphの計算条件、結果を水塊と決めつけずに読む方法を解説します。