Automating GIS Processes 2024 写経 Final Assignment（１）

Aim of the work

The final project is can be done individually or in pair. In the task, the aim is to apply Python programming to automating a GIS analysis process. The main aim is to create a GIS analysis workflow that can be easily repeated for similar input data.

最終プロジェクトは個人でもしくはペアで実施されます。目的はPythonプログラミングをGIS分析に適用することです。
主目的は、似たような入力データで簡単に繰り返し実行できるGIS分析のワークフローを作り上げることです。

You can select a pre-defined topic, or develop your own question. You should take advantage of your programming skills (basics of Python, defining your own functions, reading and writing data, data analysis using pandas, spatial analysis using geopandas, creating static and/or interactive data visualizations, …), version control skills (git + GitHub), and good coding practices (writing readable code) when doing the final assignment.

事前に定義されたトピックを選択できますし、自分自身で問いを立てることもできます。
この最終課題を実施するときは、あなたのプログラミングスキル（Pythonの基礎、自作の関数、データの読み書き、pandasによるデータ分析、geopandasによる空間分析、静的かつ、または、インタラクティブな可視化など）、バージョンコントロールのスキル（git＋GitHub）、良質なコーディングプラクティス（読みやすいコードを書くこと）を活用すべきです。

Pair programming (optional)　ペアプログラミング（オプション）

Students who attend the course at the University of Helsinki can do the final assignment in pairs. Those who choose to work in pairs need to also submit a one-page report on their project (description, aims, how it works, what tools and methods you have used, how you have divided the work). It is enough if one person submits the project, but the report needs to be submitted individually as a .md file or a PDF on your assignment’s git repository. Those who do their projects individually do not need to submit the report. The driver does not need to submit any report other than the required .md file.

ヘルシンキ大学のこのコースに参加した生徒は最終課題をペアで行うことできます。
ペアでやることを選択した人たちは自分たちのプロジェクトについての１ページのレポート（説明、狙い、それがどのように機能したか、何のツールや手段を使ったか、どのように作業を分担したか）も提出する必要があります。
一人が提出すれば十分ですが、そのレポートはmdファイルかPDFで各々、gitのレポジトリに提出される必要があります。
個人でプロジェクトを実施した人たちはこのレポートの提出は不要です。
ペアプログラミングのドライバーは必要なmdファイル以外を提出する必要はありません。

Final work topic

You have four options for the final project that you can choose from:

1. Access Viz: a GIS-tool that can visualize and compare travel times by different travel modes in Helsinki Region.
2. Urban Indicators: a workflow that calculates and reports different urban indicators for an urban region, and allows the comparison of different urban areas based on these indicators.
3. A context-based spatial data anonymizer: A context sensitive approach to anonymizing sensitive GIS data
4. Your own project: your own tool or analysis process (for example, related to your thesis!). Suggest your idea before the last practical exercise!

Think about the final project as a challenge for yourself to show and implement the programming skills that you have learned this far. You have learned a lot already!

最終課題は選択肢が４つあります：

1. アクセスの可視化： ヘルシンキでの移動時間を可視化し、異なる移動手段で比較するGISツール
2. 都市の指標： 都市の地域ごとに、異なる都市指標を計算・報告し、これらの指標に基づいて、都市の地域を比較できるようにするワークフロー
3. コンテキストベースでデータを匿名にする仕組み： センシティブなGISを匿名化するためのアプローチ
4. あなた自身のプロジェクト： あなた自身のツールか分析の過程（例えば、あなたの論文に関連する！）。最終課題に取り掛かる前に、あなたのアイデアを提案してください

最終課題を、これまでに学んだプログラミングスキルを知らしめし、実行する挑戦の機会としてとらえてください。
あなたは既に多くのことを学んでいます！

Final work structure

Here is the suggested structure of the work, that also serves as the basis for grading:

1. Data acquisition (Fetching data, subsetting data, storing intermediate outputs etc.)
2. Data analysis (Enriching and analyzing the data, eg. spatial join, overlay, buffering, other calculations..)
3. Visualization (Visualizing main results and other relevant information as maps and graphs)

You can write your code into python script files and /or jupyter notebook files. You can freely organize your final work into one single file, or several files (for example, write your own functions into a separate .py file and apply them in one or several jupyter notebook .ipynb files.

The workflow should be repeatable and well documented. In other words, anyone who gets a copy of your repository should be able to run your code, and read your code.

想定される作業の順番です。これは評価の基礎になります：

1. データの取得 （データを取得し、そのデータとある部分だけを取り出し、途中までの成果として保存する等）
2. データの分析 （データを集め、分析する。例えば、空間結合・オーバーレイ・空間バッファなど）
3. 可視化 （主な結果とそれ以外の関連する情報を可視化する、例えば、地図やグラフで）

Pythonのスクリプトのファイルとjupyter notebookファイルの両方にPythonoのコードを書くことができます。jupyter notebookだけでも可です。
最終課題を一つのファイルに押し込んでも、いくつかのファイルに分けてもいいです。（例えば、関数を異なるpyファイルに書いたり、それらを一つもしくは複数のjupyter notebookのipynbファイルに書くこともできます。）

ワークフローは、反復可能で文書化されているべきです。
言い換えると、あなたのレポジトリのコピーを取得した誰もがコードを実行したり、コードを読むことができるべきです。

What should be returned?

Organize all your code(s) / notebook(s) into your personal Final-Assignment repository (GitHub classroom link at the top of this page) and add links to all relevant files to the README.md file. Anyone who downloads the repository should be able to read your code and documentation and understand what is going on, and run your code in order to reproduce the same results :)

Note: If your code requires some python packages not found in the csc notebooks environment, please mention them also in the README.md file and provide installation instrutions.

あなたのコードやjupyter notebookをあなたの最終課題のレポジトリ（このページのトップにあるGitHub classroomのリンク先）に整理して格納してください。そして、すべての関連ファイルへのリンクを、README.mdファイルに追加してください。
リポジトリをダウンロードした誰もが、コードと文書を読むことができ、何が起きているのかを理解することができ、あなたのコードを実行し、同じ結果を出力することができるべきです。

メモ： もしあなたのコードがcsc notebook環境では見つからないPythonのパッケージを必要とするならば、それにてついて、 README.mdファイルで言及し、そのパッケージをインストールする手段を提供してください。

If you are working in a pair もしペアで作業しているなら

If you do the exercise in a pair, the “non-driver” groupmate needs to submit a one-page report in their own git repository. In your report, include: a description, aims, how it works, what tools and methods you have used, and how you have divided the work. The driver does not need to submit a separate report.

この演習をペアで行う場合、ドライバーでない人（ナビゲーター）は「１ページのレポート」をgitのレポジトリに提出する必要があります。レポートには、説明、目的、どのように動作するのか、何のツールやメソッドを使っているか、作業をどのようにペアで分割したか、が含まれる。
ドライバーはレポートを提出する必要はない。

When is the deadline?

ここは省略します。

Grading

The grading is based on a typical 0-5 scale. See detailed grading criteria {doc}here <final-assignment-grading>. The final assignment is graded based on:

• Main analysis steps (data fetching, data analysis, visualization)
• Repeatability (it should be possible to repeat the main analysis steps for different input files / input parameters)
• Quality of visualizations (maps and graphs)
• Overall documentation of the work (use markdown cells for structuring the work, and code comments to explain details)

評価は、0から5といった普通のスケールです。詳細な評価の基準はこちら。
最終課題はこれで評価される：

• 主要な分析のプロセス（データ取得、データ分析、可視化）
• 再現性（主要な分析のステップを異なるファイルやパラメータで繰り返すことができるべき）
• 可視化の品質（地図やグラフ）
• ワークのドキュメント全体（ワークを構造化するたにマークダウンのセルを使う、詳細を説明するためにコメントを入れる）

Good documentation of the code and your project is highly appreciated!!! You should add necessary details to the README.md file, and use inline comments and Markdown cells to document your work along the way. Take a look of these hints for using markdown:

コードやプロジェクトに対する良いドキュメントは高く評価されます！！
必要な詳細をREADME.mdファイルに追加すべきです。作業を記録するためにインラインコメントやマークダンセルを使うべきです。
マークダウンを使うことについては、これらのヒントを見てください。

• General Markdown syntax guide.
• Markdown Cheatsheet.

AI-LLM OK AI（LLMモデル）を使ってもよい
You are allowed to get help from AI-LLM in this assignment. However, you cannot produce large amounts of code using these tools. If you use AI-LLM in your work, be transparent about how you have used it. Provide a description of why, how, and to what extent you have used AI in your work. You should also include the prompt you used in your report. Code generated by AI-LLM should also be highlighted using an in-line comment in your code. Learn more about the use of AI-LLM tools for Python programming

AI（LLMモデル）に手伝ってもらうってもかまいません。しかし、大量のコードをこれらのツールを使って作ることはできません。AI（LLMモデル）を使った場合、どのようにそれを使ったを明らかにすること。
なぜ、どのように、どの程度AIを使用したかを説明すること。
使ったプロンプトをレポートに含めること。
AI（LLMモデル）で生成されたコードはインラインコメントでハイライトされていること。
Pythonプログラミング用のAI（LLMモデル）のツールを使うことについてもっと学習してください

続きます。