SlideShare a Scribd company logo
1 of 14
Download to read offline
Híres állatok a japán
kultúrában
Ponty
• Eredetileg Japánban őshonos.
• Most az egész világon megtalálható.
• A szeme és a feje kicsi a testéhez képest.
• Bajusza van.
• Színek: piros és fehér, fekete, sárga stb.
Reprezentatív fajta: Nisikigoi (錦鯉)
Felmegy a folyón. → Le tudja
győzni a nehézségeket.
↓
Azt szimbolizálja, hogy erős,
bátor, és nagy a
tűrőképessége.
↓
Május 5-én pontyzászlót
eregetnek.
Aranyhal
• A 16. század elején Kínából hozták be.
• Az Edo-korszakban a fajták száma növekedett.
• Nézésre való hal.
• Különleges farka és uszonya van.
• Színek: fehér, narancssárga, piros, fekete, barna stb.
Reprezentatív fajta: Wakin (和金)
Nyári fesztiválokon
„aranyhalhorgászat”
↓
Otthon akváriumban
tartják.
Daru
• Az Antarktiszon és Dél-Amerikán kívül mindenhol honos.
• Októberben Szibériából és Mongóliából jön Japánba,
márciusban visszamegy.
• Hosszú a csőre, a nyaka és a lába.
• Színek: főleg fekete, fehér és piros
Reprezentatív fajták:
Mandzsu daru(タンチョウ)
Kámzsás daru(ナベヅル), Amuri daru(マナヅル)
A hosszú életet szimbolizálja.
↓
Ezer origami daru
Japán berkiposzáta
• Nagyjából egész Kelet-Ázsiában honos.
• Japánban és Kínában szaporodik.
• Kicsi (körülbelül 15 cm)
• Színek: olívabarna színű a háta, fehér színű a
hasa
Reprezentatív fajta: normál „uguisu”
Japánban széles körben elterjedt.
• Szépen énekel, és elmondja, hogy jön a tavasz.
• Hangosan énekli, hogy „Ho-hokekyo!”
https://www.youtube.com/watch?v=zf
mraoicGKY#action=share
Köszönöm a figyelmet!

More Related Content

What's hot

数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga JiroJiro Iwanaga
 
国際会議運営記
国際会議運営記国際会議運営記
国際会議運営記Takayuki Itoh
 
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』The Japan DataScientist Society
 
JBP-2 / L9 / Kanji Look & Learn
JBP-2 / L9 / Kanji Look & LearnJBP-2 / L9 / Kanji Look & Learn
JBP-2 / L9 / Kanji Look & LearnAccura Kurosawa
 
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点西岡 賢一郎
 
NTT研究所におけるYammerの取り組みと、社内Twitterの統計解析
NTT研究所におけるYammerの取り組みと、社内Twitterの統計解析NTT研究所におけるYammerの取り組みと、社内Twitterの統計解析
NTT研究所におけるYammerの取り組みと、社内Twitterの統計解析Tokoroten Nakayama
 
学振特別研究員になるために~2018年度申請版
学振特別研究員になるために~2018年度申請版学振特別研究員になるために~2018年度申請版
学振特別研究員になるために~2018年度申請版Masahito Ohue
 
paizaのオンラインジャッジを支えるDockerとその周辺
paizaのオンラインジャッジを支えるDockerとその周辺paizaのオンラインジャッジを支えるDockerとその周辺
paizaのオンラインジャッジを支えるDockerとその周辺paiza
 
DXのための内製化のススメ
DXのための内製化のススメDXのための内製化のススメ
DXのための内製化のススメDaiyu Hatakeyama
 
実践・最強最速のアルゴリズム勉強会 第二回講義資料(ワークスアプリケーションズ & AtCoder)
実践・最強最速のアルゴリズム勉強会 第二回講義資料(ワークスアプリケーションズ & AtCoder)実践・最強最速のアルゴリズム勉強会 第二回講義資料(ワークスアプリケーションズ & AtCoder)
実践・最強最速のアルゴリズム勉強会 第二回講義資料(ワークスアプリケーションズ & AtCoder)AtCoder Inc.
 
Can increasing input dimensionality improve deep reinforcement learning?
Can increasing input dimensionality improve deep reinforcement learning?Can increasing input dimensionality improve deep reinforcement learning?
Can increasing input dimensionality improve deep reinforcement learning?harmonylab
 
10分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.15 15 101010分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.15 15 1010Nobuaki Oshiro
 
Visual Studio Code で C# でのアプリ開発
Visual Studio Code で C# でのアプリ開発Visual Studio Code で C# でのアプリ開発
Visual Studio Code で C# でのアプリ開発m ishizaki
 
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたことデータサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたことTokoroten Nakayama
 
Power Apps? なにそれ? おいしいの?
Power Apps? なにそれ? おいしいの?Power Apps? なにそれ? おいしいの?
Power Apps? なにそれ? おいしいの?Junichi Kodama
 
研究発表を準備する(2022年版)
研究発表を準備する(2022年版)研究発表を準備する(2022年版)
研究発表を準備する(2022年版)Takayuki Itoh
 
インターン向け会社紹介資料
インターン向け会社紹介資料インターン向け会社紹介資料
インターン向け会社紹介資料ssuserbfbf021
 

What's hot (20)

数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
数理モデリングからはじめるPython数理最適化 PyData.Tokyo 2017/6/28 Retty Inc. Iwanaga Jiro
 
国際会議運営記
国際会議運営記国際会議運営記
国際会議運営記
 
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』
『機械学習による故障予測・異常検知 事例紹介とデータ分析プロジェクト推進ポイント』
 
JBP-2 / L9 / Kanji Look & Learn
JBP-2 / L9 / Kanji Look & LearnJBP-2 / L9 / Kanji Look & Learn
JBP-2 / L9 / Kanji Look & Learn
 
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
機械学習プラットフォーム5つの課題とAmazon SageMakerの4つの利点
 
NTT研究所におけるYammerの取り組みと、社内Twitterの統計解析
NTT研究所におけるYammerの取り組みと、社内Twitterの統計解析NTT研究所におけるYammerの取り組みと、社内Twitterの統計解析
NTT研究所におけるYammerの取り組みと、社内Twitterの統計解析
 
学振特別研究員になるために~2018年度申請版
学振特別研究員になるために~2018年度申請版学振特別研究員になるために~2018年度申請版
学振特別研究員になるために~2018年度申請版
 
פורים
פוריםפורים
פורים
 
paizaのオンラインジャッジを支えるDockerとその周辺
paizaのオンラインジャッジを支えるDockerとその周辺paizaのオンラインジャッジを支えるDockerとその周辺
paizaのオンラインジャッジを支えるDockerとその周辺
 
DXのための内製化のススメ
DXのための内製化のススメDXのための内製化のススメ
DXのための内製化のススメ
 
実践・最強最速のアルゴリズム勉強会 第二回講義資料(ワークスアプリケーションズ & AtCoder)
実践・最強最速のアルゴリズム勉強会 第二回講義資料(ワークスアプリケーションズ & AtCoder)実践・最強最速のアルゴリズム勉強会 第二回講義資料(ワークスアプリケーションズ & AtCoder)
実践・最強最速のアルゴリズム勉強会 第二回講義資料(ワークスアプリケーションズ & AtCoder)
 
Can increasing input dimensionality improve deep reinforcement learning?
Can increasing input dimensionality improve deep reinforcement learning?Can increasing input dimensionality improve deep reinforcement learning?
Can increasing input dimensionality improve deep reinforcement learning?
 
10分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.15 15 101010分で分かるr言語入門ver2.15 15 1010
10分で分かるr言語入門ver2.15 15 1010
 
Visual Studio Code で C# でのアプリ開発
Visual Studio Code で C# でのアプリ開発Visual Studio Code で C# でのアプリ開発
Visual Studio Code で C# でのアプリ開発
 
Amazon SageMaker で始める機械学習
Amazon SageMaker で始める機械学習Amazon SageMaker で始める機械学習
Amazon SageMaker で始める機械学習
 
"分人"型社会とAI
"分人"型社会とAI"分人"型社会とAI
"分人"型社会とAI
 
データサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたことデータサイエンティスト養成読本の解説+書き忘れたこと
データサイエンティスト養成読本の解説+書き忘れたこと
 
Power Apps? なにそれ? おいしいの?
Power Apps? なにそれ? おいしいの?Power Apps? なにそれ? おいしいの?
Power Apps? なにそれ? おいしいの?
 
研究発表を準備する(2022年版)
研究発表を準備する(2022年版)研究発表を準備する(2022年版)
研究発表を準備する(2022年版)
 
インターン向け会社紹介資料
インターン向け会社紹介資料インターン向け会社紹介資料
インターン向け会社紹介資料
 

More from oszakamagyarszak

More from oszakamagyarszak (7)

A vércsoport rejtély
A vércsoport rejtélyA vércsoport rejtély
A vércsoport rejtély
 
Szerencsejátékok Japánban
Szerencsejátékok JapánbanSzerencsejátékok Japánban
Szerencsejátékok Japánban
 
Japán gyerekkori játékok
Japán gyerekkori játékokJapán gyerekkori játékok
Japán gyerekkori játékok
 
Nyári és téli ajándékozás Japánban
Nyári és téli ajándékozás JapánbanNyári és téli ajándékozás Japánban
Nyári és téli ajándékozás Japánban
 
Visual kei
Visual keiVisual kei
Visual kei
 
Diákmunka Japánban
Diákmunka JapánbanDiákmunka Japánban
Diákmunka Japánban
 
Újévi ételek Japánban
Újévi ételek JapánbanÚjévi ételek Japánban
Újévi ételek Japánban
 

A híres állatok a japán kultúrában