午前の仕事中は、いくつかオーディオブックを聴いたり。
聴いたオーディオブック
『ハイパフォーマー思考』
仕事上のハイパフォーマーな人たちにインタビューして、その共通点をまとめたもの。
自分も頑張らないと！ という気分になります。
オススメです。
メッシュ農業気象データの利用報告書の作成
午後はメッシュ農業気象データの利用報告書の作成。
メッシュ農業気象データは、国の農業研究機関である農研機構の提供しているサービス。
利用には申請が必要ですが、審査に通れば、約 1 km × 1 km 単位の気象データを入手、利用することができます。
その他、利用できるうれしいサービスは次の通り。
- 作物の生育期間を通したデータが利用できる
- データは日々更新されている
- 多彩な気象要素を用意
- メッシュの平均標高や都道府県範囲なども用意
- 表計算アプリのシートにデータを直接取り込める
- モバイルでもメッシュ農業気象データを利用できる
- Pythonならより自在にデータを処理できる
- 過去に提供したデータを再現することができる
- 気候変化シナリオも搭載されている
などなど、使いこなせればかなり、農業の研究に役立ちそうなデータが提供されています。
ちなみに審査に通過して利用できる期間は 1 年間。更新も可能で、その際には利用報告書を書かなければなりません。
メッシュ農業気象データの利用期間を更新するための、報告書を午後は作成しました。
終わらなかったので明日も取り組まないといけないのですが。
ちなみにどういう報告書かというと、とにかく、1 年間、メッシュ農業気象データを使用した報告を書け、ということのようなので、メッシュ農業気象データを使った、農作物の収穫量予測の研究を、報告書としてまとめることにしました。
報告書提出の期限が 18 日と差し迫っているので、「収穫量予測の研究」と言っても、簡単なものですが。
仕事で、日々の農作物の収穫量の記録はつけているので、その記録データと、メッシュ農業気象データを多変量解析して、収穫量予測ができるかどうかを検討。
ついでに、メッシュ農業気象データを使って多変量解析した場合と、気象庁のデータを使って多変量解析した場合とを比較。比較した数値は、決定係数。いわゆる R2 値というものですね。
多変量解析をする、と言っても、収穫量「予測」ですので、ちゃんと訓練データとテストデータに分割。ちなみに分割の方法はホールドアウト法。
統計解析に使ったのは Python ですね。
こういう分析をする場合、面倒なのはデータの前処理ですね。
それから特徴エンジニアリング。
特徴量エンジニアリングの方は、まだ「考えている」感が出ますが、データの前処理の方はけっこう、単純作業で、単純作業だったらプログラミングで組もうと思ったらそれはそれで面倒だったり。
ということで、データの前処理に時間をとられました。
明日には完成させたい！ 報告書！
運動
報告書の作成で、かなり夜も遅くなってしまったので、運動はランニングのみ。5 km。
中小企業診断士資格の 2 次試験対策
帰宅後、中小企業診断士資格の 2 次試験対策を少し勉強。
