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)

  • 2.7 - تکلیف 2.7 - Assignment

عملیات فضایی Spatial Operations

  • 3.1 - مقدمه 3.1 - Introduction

  • 3.2 - پیوستن فضایی 3.2 - Spatial Join

  • 3.3 - تجزیه و تحلیل بافر 3.3 - Buffer Analysis

  • 3.4 - تجزیه و تحلیل پوشش 3.4 - Overlay Analysis

  • 3.5 - تحلیل نزدیکترین محله 3.5 - Nearest Neighbourhood Analysis

  • 3.6 - تکلیف 3.6 - Assignment

تجسم داده های جغرافیایی (Geopandas) Geospatial Data visualization (Geopandas)

  • 4.1 - مقدمه 4.1 - Introduction

  • 4.2 مبانی ژئو تجسم 4.2 Geovisualization basics

  • 4.3 نقشه های چند لایه 4.3 Multi layer maps

  • 4.4 نقشه Choropleth 4.4 Choropleth Map

  • 4.5 نقشه حباب 4.5 Bubble Map

  • 4.6 تکلیف 4.6 Assignment

تجسم داده های جغرافیایی تعاملی Interactive Geospatial Data visualization

  • 5.1 - مقدمه 5.1 - Introduction

  • 5.2 - فولیوم قسمت 1 5.2 - Folium Part 1

  • 5.3 - فولیوم قسمت 2 5.3 - Folium Part 2

  • 5.4 - IpyLeaflet 5.4 - IpyLeaflet

  • 5.5 - Plotly Express 5.5 - Plotly Express

  • 5.6 - تکلیف 5.6 - Assignment

عملیات پیشرفته Advanced Operations

  • 6.1 مقدمه 6.1 Introduction

  • 6.2 - ژئوکدینگ 6.2 - Geocoding

  • 6.3 - ژئوکدینگ معکوس 6.3 - Reverse Geocoding

  • 6.4 - داده های Openstreetmap را بازیابی کنید 6.4 - Retrieve Openstreetmap data

  • 6.5 - نکاتی برای سرعت بخشیدن به پردازش جغرافیایی 6.5 - Tips to speed up Geospatial processing

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش تجزیه و تحلیل فضایی و علم داده های مکانی با پایتون
جزییات دوره
2 hours
36
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,997
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Abdishakur Awil Hassan Abdishakur Awil Hassan

دانشمند داده های مکانی