لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تجزیه و تحلیل فضایی و علم داده های مکانی با پایتون
Spatial Analysis and Geospatial Data Science With Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
نحوه پردازش و تجسم داده های مکانی و انجام تجزیه و تحلیل فضایی با استفاده از پایتون را بیاموزید. این دوره شما را با ضروریترین کتابخانههای ژئوپایتون آشنا میکند. نحوه تجسم دادههای مکانی در پایتون (نقشههای استاتیک و تعاملی) انجام تجزیه و تحلیل دادههای فضایی با پایتون آموزش نحوه پیشپردازش دادههای مکانی. ملزومات کتابخانه Geopandas را بیاموزید. با استفاده از راهکارهای منبع باز رایگان، ژئوکدینگ و ژئوکدینگ معکوس را انجام دهید. قدرت تجزیه و تحلیل موقعیت مکانی را در علم داده آزاد کنید. دانش خود را با تمرین ها و پروژه های علوم داده های جغرافیایی تقویت کنید. پیش نیازها: درک اولیه پایتون نیازی به دانش GIS نیست. توضیح نظری مختصری خواهیم داد. شما باید کتابخانه های Anaconda و GeoPython را نصب کنید. ما راهنمای نصب و نوت بوک های Jupyter را ارائه خواهیم داد
علوم دادههای مکانی زیرمجموعهای از علم داده است که بر دادههای مکانی و تکنیکهای منحصربهفرد آن تمرکز دارد. این فراتر از ایجاد نقشه و تمرکز صرف بر محل وقوع اتفاقات است، اما در عوض تجزیه و تحلیل فضایی و بینش های به دست آمده از داده های مکانی را در بر می گیرد. در این دوره، ما پایه و اساس یک حرفه در علم داده های مکانی را می گذاریم. شما با Geopandas آشنا خواهید شد، اسب کاری کتابخانه های Python علم داده های جغرافیایی.
موضوعات پوشش داده شده در این دوره به طور گسترده با برخی از پرکاربردترین تکنیک های فضایی در علم داده های جغرافیایی ارتباط دارند. ما یاد خواهیم گرفت که چگونه داده های مکانی را به طور موثر بخوانیم، داده های مکانی را دستکاری و پردازش کنیم، و عملیات مکانی را انجام دهیم. بخش بزرگی از دوره به عملیات فضایی مانند تجزیه و تحلیل بافر، اتصالات فضایی و تحلیل نزدیکترین محله می پردازد. هر ویدیو شامل یک مرور مختصر از موضوع و توضیحی با نمونه کد است. ما هر بخش پروژه و تکلیف علم دادههای مکانی را به پایان میرسانیم که به شما کمک میکند تا به طور مؤثرتری یاد بگیرید.
ما همچنین تجسم دادههای مکانی را با استفاده از Geopandasa و سایر کتابخانههای تعاملی مانند Folium، IpyLeaflet و Plotly Express پوشش خواهیم داد. ما نحوه ایجاد تجسم جغرافیایی خیره کننده برای پرکاربردترین انواع نقشه را توضیح می دهیم.
بخش پایانی برخی از ویژگیهای پیشرفته از جمله کدگذاری جغرافیایی، رمزگذاری جغرافیایی معکوس، دسترسی به دادههای OpenStreetMap در Python و برخی نکات و ترفندهای پیشرفته برای پردازش مجموعه دادههای جغرافیایی بزرگ را پوشش میدهد.
در پایان این دوره، شما قادر خواهید بود اکثر عملیات علوم داده های جغرافیایی را در پایتون انجام دهید و همچنین دانش پایه ای قوی در Python جغرافیایی ایجاد کنید.
سرفصل ها و درس ها
معرفی
Introduction
1.1 مقدمه دوره
1.1 Course Intro
1.2 مقدمه
1.2 Introduction
1.3 - Jupyter Noteobok
1.3 - Jupyter Noteobok
1.4 مقدمه ای بر پایتون
1.4 Introduction to Python
1.5 Pandas Essentials - قسمت 1
1.5 Pandas Essentials - Part 1
1.6 Pandas Essentials - قسمت 2
1.6 Pandas Essentials - Part 2
آشنایی با ژئوپانداها
Introduction to Geopandas
2.1 مقدمه
2.1 Introduction
2.2 - خواندن داده های مکانی
2.2 - Reading Spatial Data
2.3 - فایل CSV را بخوانید
2.3 - Read CSV File
داده های زیر مجموعه را بخوانید
Read Subset data
Geodataframe & Geoseries
Geodataframe & Geoseries
سیستم مرجع مختصات (CRS)
Coordinate Reference System (CRS)
نمایش نظرات