استفاده از هوش مصنوعی و یادگیری ماشین برای تحلیل مکانی

سرفصل ها و درس ها

مقدمه ای بر تحلیل جغرافیایی و هوش مصنوعی Introduction to Geospatial Analysis and AI

• خوش آمد گویی و بررسی اجمالی دوره Welcome and Course Overview

• مقدمه ای بر تحلیل جغرافیایی Introduction to Geospatial Analysis

• مقدمه ای بر هوش مصنوعی Introduction to Artificial Intelligence

• مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

مبانی برنامه نویسی R برای تجزیه و تحلیل جغرافیایی Foundations of R Programming for Geospatial Analysis

• مقدمه ای بر برنامه نویسی R Introduction to R Programming

• آشنایی با انواع داده ها در R Understanding Data Types in R

• وارد کردن داده ها در R Importing Data in R

• صادرات داده در R Exporting Data in R

• تکنیک های دستکاری داده ها در R Data Manipulation Techniques in R

• بسته های برنامه نویسی R Packages in R programming

• کار با دایرکتوری کاری R Working with R's Working Directory

• استفاده از رگرسیون خطی چندگانه در R Applying Multiple Linear Regression in R

• مدیریت داده ها در R Data Handling in R

مبانی پایتون برای تجزیه و تحلیل جغرافیایی Foundations of Python for Geospatial Analysis

• مقدمه ای بر برنامه نویسی پایتون Introduction to Python Programming

• نقش پایتون در کاربردهای جغرافیایی Python’s Role in Geospatial Applications

• راه اندازی پایتون: نصب Miniconda، Conda و Python 3 Setting Up Python: Installing Miniconda, Conda, and Python 3

• مدیریت محیط‌ها و بسته‌های پایتون با Anaconda Managing Python Environments and Packages with Anaconda

• نصب و راه اندازی نوت بوک های Jupyter Installing and Running Jupyter Notebooks

• شروع کار با Google Colab Getting Started with Google Colab

• محاسبه شاخص های سنجش از راه دور در پایتون Calculating Remote Sensing Indices in Python

• انجام آمار منطقه ای در پایتون Conducting Zonal Statistics in Python

• تجسم داده های مکانی با پایتون قسمت 1 Visualizing Geospatial Data with Python Part 1

• تجسم داده های مکانی با پایتون قسمت 2 Visualizing Geospatial Data with Python Part 2

• تجسم داده های مکانی با پایتون قسمت 3 Visualizing Geospatial Data with Python Part 3

• تجزیه و تحلیل دستی داده های برش با پایتون Hands-On Crop Data Analysis with Python

• مقدمه ای بر برنامه نویسی پایتون Introduction to Python Programming

مقدمه ای بر یادگیری ماشین برای تجزیه و تحلیل جغرافیایی Introduction to Machine Learning for Geospatial Analysis

• پروژه عملی بخش 1: تجزیه و تحلیل جغرافیایی، ML، و پردازش داده ها Practical Project Part 1: Geospatial Analysis, ML, and Data Processing

• پروژه عملی بخش 2: تجزیه و تحلیل جغرافیایی، ML، و پردازش داده ها Practical Project Part 2: Geospatial Analysis, ML, and Data Processing

• پروژه عملی قسمت 3: تجزیه و تحلیل جغرافیایی، ML، و پردازش داده ها Practical Project Part 3: Geospatial Analysis, ML, and Data Processing

• پروژه عملی قسمت 4: تجزیه و تحلیل جغرافیایی، ML، و پردازش داده ها Practical Project Part 4: Geospatial Analysis, ML, and Data Processing

• پروژه عملی قسمت 5: تجزیه و تحلیل جغرافیایی، ML، و پردازش داده ها Practical Project Part 5: Geospatial Analysis, ML, and Data Processing

• ساخت یک مدل یادگیری ماشینی برای تجزیه و تحلیل سلامت محصول Building a Machine Learning Model for Crop Health Analysis

یادگیری عمیق برای تجزیه و تحلیل جغرافیایی Deep Learning for Geospatial Analysis

• پیاده سازی یادگیری عمیق در R: قسمت 1 Implementing Deep Learning in R: Part 1

• پیاده سازی یادگیری عمیق در R: قسمت 2 Implementing Deep Learning in R: Part 2

• ساخت یک شبکه عصبی کانولوشن برای طبقه بندی تصاویر با PyTorch Building a Convolutional Neural Network for Image Classification with PyTorch

• استفاده از یادگیری عمیق برای شبیه سازی آب و هوای جهانی با FourCastNet Applying Deep Learning for Global Weather Emulation with FourCastNet

• مقدمه ای بر یادگیری عمیق Introduction to Deep Learning

کاربردهای پیشرفته در تحلیل جغرافیایی Advanced Applications in Geospatial Analysis

• افزایش دقت طبقه بندی محصولات با موتور Google Earth Enhancing Crop Classification Accuracy with Google Earth Engine

• پایش کیفیت هوا در هند: مطالعه موردی پایتون و ML قسمت 1 Air Quality Monitoring in India: A Python and ML Case Study Part 1

• پایش کیفیت هوا در هند: مطالعه موردی پایتون و ML قسمت 2 Air Quality Monitoring in India: A Python and ML Case Study Part 2

• پایش کیفیت هوا در هند: مطالعه موردی پایتون و ML قسمت 3 Air Quality Monitoring in India: A Python and ML Case Study Part 3

• پایش کیفیت هوا در هند: مطالعه موردی پایتون و ML قسمت 4 Air Quality Monitoring in India: A Python and ML Case Study Part 4

• تکنیک های پیشرفته یادگیری ماشین برای طبقه بندی داده های پیچیده جغرافیایی Advanced Machine Learning Techniques for Classifying Complex Geospatial Data

• کاربردهای پیشرفته جغرافیایی Advanced Geospatial Applications

موضوعات ویژه و محتوای پاداش Special Topics and Bonus Content

• تشخیص و شمارش گیاهان با استفاده از تکنیک های بینایی کامپیوتری Detecting and Counting Plants Using Computer Vision Techniques

• منابع پاداش برای تسلط بر هوش مصنوعی، یادگیری عمیق، و ML در تجزیه و تحلیل جغرافیایی Bonus Resources for Mastering AI, Deep Learning, and ML in Geospatial Analysis