このレッスンでは、アプリのコーディングやAIモデルの作成に関するTechnovationのビデオチュートリアルをまとめてご覧いただけます。
下のボタンをクリックすると、そのトピックまたはプラットフォームのチュートリアルが表示されます。
コーディングプラットフォーム
このビデオはTechnovationのコーディング言語オプションの概要を説明しています。Technovationでは現在どのようなコーディング言語でも使用できるため、少し古い内容となっています。しかし、App InventorとThunkableの概要と各プラットフォームの機能がよくわかります。
スクラッチ・チュートリアル
チュートリアル
以下の各タブを開くと、アプリ開発に役立つさまざまな機能を学べるビデオチュートリアルをご覧いただけます。
プラットフォームの概要
初心者向けチュートリアル
もしあなたがコーディング初心者なら、これらの入門チュートリアルを試してみるといいだろう。
ログインアプリ
多くのアプリの特徴として、ユーザーがユーザー名とパスワードでログインできる機能があります。ビデオの指示に従って、どのアプリにもこの機能を追加することができます。
画像、ボタン、タイマー、得点表示付きのゲーム
リサイクルゲームは多くのシンプルな概念を用いながら、それらを積み重ねてかなり複雑なゲームを構築します。タイマーを使った画像表示、ボタンのクリック検出、スコアの加算・減算の方法について学べます。以下はApp Inventorのスターターテンプレートへのリンクです。
リサイクルゲーム
15:23
5:03
3:01
4:20
6:10
4:35
8:12
アニメーションゲーム
地図, マーカー, 電話, WebViewer
このビデオでは、ボランティアアプリの作り方を説明します。チュートリアルでは、アプリに情報マーカー付きの地図を追加する方法を紹介します。また、アプリに電話を統合する方法や、WebViewerコンポーネントを使用してWebサイトを表示する方法も紹介します。
電話機へのデータ保存
最初の3つのビデオは、ユーザーが毎日どのくらい環境に優しいかを追跡できる「グリーントラッカー」アプリの作成について説明しています。データはTinyDBを使ってユーザーのモバイル・デバイスに保存される。
4つ目のビデオは、TinyDBにリスト項目を保存する方法です。
TinyDBを使用してデータを保存する
15:53
8:06
4:27
38:27
Green Tracker Part 1では、TinyDBコンポーネントを使用して携帯電話に追跡データを保存する方法を紹介します。
グリーントラッカーパート2では、Clockコンポーネントを追加して、ユーザが連続した日にグリーンになったかどうかをトラッキングする方法を学びます。
グリーントラッカーパート3では、Do It機能を使ってアプリの変数値を操作し、連日機能をテストできるようにします。
Girls Code Itは、テクノベーションの参加者を対象にコーディング・セッションを行った。このビデオでは、簡単なToDoリストを作成し、携帯電話に保存する方法を紹介します。
API
アプリケーション・プログラミング・インターフェース（API）はアプリにとって非常に便利なものです。アプリを外部のウェブサイトやサーバーに接続してデータを送受信する方法を学びましょう。
API
19:00
10:56
46:04
29:20
クラウドへのデータ保存
このチュートリアルでは、Google Sheet をアプリに接続して、リーダーボードのデータを保存する方法を紹介します。App Inventor でプロジェクト テンプレートを開くには、ここをクリックしてください。
チャットアプリのチュートリアルでは、CloudDBを使ってチャット情報を保存する方法を紹介しています。
THUNKABLEチュートリアル
以下の各タブを開くと、アプリ開発に役立つさまざまな機能を学べるビデオチュートリアルをご覧いただけます。
プラットフォームの概要
このビデオはThunkableプラットフォームの概要を説明しています。
初心者向けチュートリアル
ログインアプリ
多くのアプリの特徴として、ユーザーがユーザー名とパスワードでログインできる機能があります。ビデオの指示に従って、どのアプリにもこの機能を追加することができます。
地図, マーカー, 電話, WebViewer
このビデオでは、ボランティアアプリの作り方を説明します。チュートリアルでは、アプリに情報マーカー付きの地図を追加する方法を紹介します。また、アプリに電話を統合する方法や、WebViewerコンポーネントを使用してWebサイトを表示する方法も紹介します。
電話機へのデータ保存
この3つのビデオでは、ユーザーが毎日どのくらい環境に優しいかを追跡できるGreen Trackerアプリの作成について取り上げています。データはストアド変数を使って保存されるので、ユーザーのモバイル・デバイスに保存されます。
API
アプリケーション・プログラミング・インターフェース（API）はアプリにとって非常に便利なものです。アプリを外部のウェブサイトやサーバーに接続してデータを送受信する方法を学びましょう。
API
5:51
4:35
10:53
クラウドへのデータ保存
このチュートリアルでは、リーダーボードのデータを保存するためにGoogle Sheetをアプリに接続する方法を紹介します。Thunkableでプロジェクトテンプレートを開くには、ここをクリックしてください。
2つ目のビデオでは、動画を再生するアプリの作り方を紹介する。動画の情報はGoogle Sheetに保存されます。
3つ目のビデオは、googleシートからリーダーボード情報を表示する方法を紹介する、別の気候ベースのアプリです。スターター・プロジェクトのテンプレートはこちら。
4つ目のビデオは、Googleシートを使ってアプリの情報を保存している卒業生の例です。 スターター・プロジェクトへのリンクはこちら。
クラウドデータ
18:16
10:07
21:36
30:40
このチュートリアルでは、リーダーボードのデータを保存するためにGoogle Sheetをアプリに接続する方法を紹介します。Thunkableでプロジェクトテンプレートを開くには、ここをクリックしてください。
アナは、彼女のOption Aのようなアプリを作る方法を紹介する。動画情報はGoogle Sheetに保存されます。
人工知能チュートリアル
AIモデルのトレーニング→スクラッチ
このシリーズでは、Machine Learning for Kidsを使ってモデルを学習する方法を紹介します。出力されたモデルは、Scratchプロジェクトで使用されます。
なお、Scratchプロジェクトが可能なのは初心者部門のみである。
AIチュートリアル
12:29
8:12
8:45
Make Me Happyは、子供のための機械学習を使って、嬉しいテキストや悲しいテキストを検出する機械学習モデルを作ります。3部構成のチュートリアルでは、 Scratchプロジェクトでこのモデルを使用します。
サウンドモデル→スクラッチ
この例では、Teachable Machineで学習した音（スナップ、拍手、笛）を検出するモデルをScratchプロジェクトで使用します。モデルの作り方へのリンクはこちらです。
なお、Scratchプロジェクトが可能なのは初心者部門のみである。
App Inventorで使用するパブリック・データセット・モデルのトレーニング
このシリーズでは、ウェブ上の公開画像データセットを取得し、App Inventorの画像分類器を使用して学習させ、その後App Inventorでモバイルアプリにモデルを追加する方法を示します。
画像データセット & App Inventor
8:19
5:00
7:28
Teachable MachineによるMLモデル -> App Inventor
これらの動画では、AIを使用してユーザーが選択した手札を判定するシンプルなじゃんけんアプリの作成方法を解説します。Teachable Machineで画像を用いた機械学習モデルのトレーニング方法を学び、その後App Inventorと統合してモバイルアプリで使用する方法を習得します。
プレイリスト
7:00
31:47
Ximilarを使ったMLモデル -> Thunkable
プラタム・ゴラディアは、Ximilarプラットフォームを使用してサンゴ礁の画像でモデルを訓練する方法を示します。その後、Web APIコンポーネントの助けを借りて、そのモデルをThunkableアプリで使用します。
App InventorのAIで衣料品ブランドを検出する
APIとコンピュータ・ビジョン技術を使って、衣類のタグからブランド名を検出する。その後、WebViewを使用して、ブランドのサステナビリティ評価を取得します。
チャットボットで情報にアクセスしやすくする（App Inventor）
APIを使って、IUCNのレッドリストのウェブサイトから絶滅危惧種に関する情報を取得する。その後、チャットボットを使って、若者にとって利用しやすいように情報を言い換える。
Jupyter NotebookとStreamlitによる脳卒中予測MLモデル
JupyterノートブックでPythonを使用して機械学習モデルを構築し、Streamlitを使用して構築されたウェブアプリでそのモデルを使用する方法を紹介します。
ウェブアプリのAI プレイリスト
32:51
18:13
JupyterノートブックとStreamlitによる湖沼水質MLモデル
JupyterノートブックでPythonを使用して機械学習モデルを構築し、Streamlitを使用して構築されたウェブアプリでそのモデルを使用する方法を紹介します。
水質MLモデル
23:50
15:36
パーソナル・チューター・チャットボット（App Inventor）
ウェブアプリ・チュートリアル
あなたのコンピューターでPythonとStreamlitをコーディングする（複数のビデオ）
ウェブアプリをコーディングする場合、カリキュラムには2つの選択肢がある。フリーソフトをインストールして自分のコンピュータでローカルにコーディングするか、ウェブブラウザでオンラインプラットフォームを使ってコーディングするかだ。
これらのビデオはローカルオプション用で、コンピューター上でコーディングします。
PythonとStreamlitを使ったコーディング
3:48
6:41
13:36
33:09
20:14
32:51
18:13
これはデータ・ダッシュボードのパート2である。
Streamlitを使った脳卒中予測アプリの構築のパート2です。
ブラウザでコーディングするPythonとStreamlit（複数のビデオ）
ウェブアプリをコーディングする場合、カリキュラムには2つの選択肢がある。フリーソフトをインストールして自分のコンピュータでローカルにコーディングするか、ウェブブラウザでオンラインプラットフォームを使ってコーディングするかだ。
これらのビデオはオンライン・オプション用で、ウェブ・ブラウザですべてをコーディングする。
