lunduniversity / schoolprog-satellite Goto Github PK
View Code? Open in Web Editor NEWProgramming exercises for primary and secondary education, using satellite data. In Swedish.
Programming exercises for primary and secondary education, using satellite data. In Swedish.
Blandade ideer om förbättringar (skapa ny issue eller flytta till annan issue om vi påbörjar någon av dessa):
Karolina skriver:
Bara en liten grej angående övningen "Torkan 2". VCI används främst för att jämnföra nuvarande pixelvärden till tidigare med syftet att ge tidiga varningssignaler för t.ex. torka. I övningen skulle det därför nog räcka att bara beräkna VCI för 2018.
Elever och lärare behöver veta vilka förkunskaper som behövs för uppgifterna. En skiss finns i exercises/prerequisites.md
, men behöver göras färdig. Det kan vara dags att se över detta när vi har gjort färdigt skisser på 1-2 uppdrag.
Karolina har lagt in uppgifter om Kolcykeln och Avskogning. Görel går igenom uppgifterna och uppdaterar.
För Colab-dokument visar sig följande:
#
-headings i markdown blir en hierarki av sektioner. Om det inte finns metadata om "Collapsed_Sections" i ipynb-filen så verkar någon outgrundlig algoritm att användas för att fälla in/ut sektioner när man browsar in på sidan första gången. Jag vill ha alla utfällda. För att spara denna metadata verkar man behöva explicit göra "Spara" i colab-vyn innan man sparar som kopia till github. För att editera behöver man alltså ta upp uppgiften (med colab-länken), spara en kopia till sig själv. Editera där. Och när man är färdig kan man först spara en extra gång och sedan göra spara kopia till github.Fler saker som behöver göras:
Kolcykeln
Avskogning
Mer
Huvud-README:n för exercises behöver göras tydligare.
Lägg till folder med lärarhandledning om globala mål som kan diskuteras i samband med uppgifterna. Kan göras när vi samlat upp materialet på google drive.
Uppdatera också lärarhandledningen för att peka på informationen.
Bygg ut uppgiften med fler orter än Lund:
Weatherdata_A_replit.md:
Keeling_A_replit.md:
Uppgiften har förenklats så att man inte går igenom split(...)
(med argument). Läser i stället in radvis och använder endast split()
(utan argument) för att dela upp rader i ord. Inläsningen blir då också mer robust och ignorerar tomma rader.
co2_A_replit:
Inläsningen har förenklats med splitlines() i stället för split("\n"). Slices kvar eftersom man annars behöver förklara andra saker. Har döpt om vissa variabler.
drought
The web pages are generated using Github pages.
Some glitches that should be fixed:
Page content
Responsive design
Printing could be made nicer with a suitable css description.
Web page title
Vore bra att ha lärarhandledning.
Eventuellt kan man skriva mer om följande:
Anpassa till skolelever:
Möjliga tillägg:
Karolina Pantazatou på Naturgeografen har påbörjat skiss på uppgift där man tittar på data från satellitbilder för att se på växtlighet. Uppgiften är skapad i Jupyter och kör på naturgeografens hub. Men där behöver man ha login för att köra. Skiss och data finns på Google Drive.
Det vore bra om vi kan skapa uppgifter baserat på detta material, men som man kan köra antingen på repl.it och/eller google colab.
Jag har gjort experiment i google colab. För att köra där behöver man först ladda upp en 65 MB stor hdf-fil, vilket tar lång tid.
Jag gjorde också ett experiment med att extrahera en mindre mängd data, och lagra som numpy arrayer. Då kunde jag köra det i repl.it. (Att använda hdf-filer från repl.it fick jag inte ordning på - jag kunde inte installera biblioteket gdal som används för att packa upp hdf-filer.)
Det vore bra om vi kan göra en Jupyter notebook med källkoden här i repot, men som man kan få upp i google colab.
Vi kan också göra en variant av uppgiften där man har instruktionerna här i README, men kör på repl.it.
repl.it seems to have changed their default setting of the interactive mode. Previously it was on by default, now it is off.
It is possible to call plt.show()
to show the plot, but that hangs the program. This behavior intentional to make things work from the command line (the process would otherwise just kill the window).
It is better to turn on the interactive mode in the beginning, by calling plt.ion()
. All repl.it exercises need to be updated to explain how to do this.
Initialize repo with Licence, .gitignore, basic structure, etc.
Ett skelett till väderdata-uppgiften finns under exercises
. Inspiration till uppgiften finns här:
Kommentarer från lärarworkshopen:
I ett av svaren står det kommentar på samma rad som koden. Förvirrande - man vet inte vad som är kod och vad som är vanlig kommentartext.
Efter att man räknat ut NDVI för en punkt borde man göra det för hela lilla 3x4-matrisen.
Karolina har bättre värden på vad NDVI betyder i Avskogningsuppgiften. Uppdatera detta. Men bara efter att ha kollat med Karolina. Hennes värden gäller LandSat, och det är inte säkert att det även gäller Sentinel-2. Har använt värden med källa i stället för Karolinas värden.
Förenklat plot-koden genom att använda imshow.
Förenklat koden genom att man inte behöver omvandla till float. Det blir precis samma resultat utan. Kanske gammal rest efter Python 2.7 med heltalsdivision??
Lägg till numrering på uppdragen
Lägg till quiz
Karolinas NDVI - värden:
Kör igenom grundläggande uppgifter i LU skolprogrammering, dels för att se hur de är upplagda, och dels för att notera vilka Python-begrepp eleverna lärt sig där.
Troligen är följande en bra mix: Månghörning, Slumpvandring, Kvadrera Talet, Avlusning. Titta eventuellt även på Turtle (som dock är lite lång) och Plotta funktioner (som använder matplotlib).
Kanske skulle vissa uppgifter i LU skolprogrammering behöva ändras eller förbättras. Några ändringsförslag finns i LU skolprog-repot, se issuen Refactor exercises, och fyll gärna på mer där.
Just nu hanteras Jupyter-filerna så att de är i original på Google Drive och kopieras manuellt till GitHub när de ska sparas. Detta borde ändras så att originalen ligger på GitHub, och att länkarna går till GitHub-versionerna.
Det som behöver göras är följande:
for-developers
om hur filerna hanteras.
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.