آموزش یادگیری ماشین پیشرفته در GIS و سنجش از دور: ۵ دوره در ۱ - آخرین آپدیت

دانلود MEGA Machine Learning in GIS & Remote Sensing: 5 Courses in1

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

یادگیری و کاربرد یادگیری ماشین و یادگیری عمیق در تحلیل ژئواسپشیال (GIS و سنجش از دور) با QGIS و ArcGIS

آیا آماده‌اید قدرت یادگیری ماشین (Machine Learning) و یادگیری عمیق (Deep Learning) را برای تحلیل ژئواسپشیال با استفاده از نرم‌افزارهای پیشرو QGIS و ArcGIS آزاد کنید؟ این دوره جامع برای تجهیز شما به درک نظری و مهارت‌های عملی جهت به‌کارگیری الگوریتم‌های پیشرفته در وظایف سیستم اطلاعات مکانی (GIS) و سنجش از دور (Remote Sensing) طراحی شده است.

نکات برجسته دوره:

  • دانش عمیق از کاربردهای یادگیری ماشین و یادگیری عمیق در GIS و سنجش از دور.
  • اعتماد به نفس برای استفاده از این الگوریتم‌ها در نقشه‌برداری کاربری و پوشش زمین، تحلیل تصویر مبتنی بر شیء و مدل‌سازی رگرسیون.
  • مهارت در QGIS برای تحلیل پیشرفته داده‌های مکانی.
  • آشنایی با Orfeo Toolbox و ابزارهای ArcMap و ArcGIS Pro.
  • تجربه عملی با الگوریتم‌های یادگیری ماشین مانند Random Forest، Support Vector Machines، Decision Trees و شبکه‌های عصبی کانولوشنی (Convolutional Neural Networks).
  • تکمیل دو پروژه مستقل GIS برای نمایش مهارت‌های پیشرفته ژئواسپشیال شما.
  • دسترسی به فایل‌های قابل دانلود شامل مجموعه داده‌ها و دستورالعمل‌ها.

تمرکز دوره:

این دوره دروازه شما برای ارتقاء مهارت‌های تحلیل ژئواسپشیال است. این دوره برای کاربرانی طراحی شده است که با وظایف پایه GIS و ArcGIS آشنا هستند و مایلند چالش‌های پیشرفته‌تر ژئواسپشیال را مدیریت کنند. شما از قدرت یادگیری ماشین و یادگیری عمیق برای انجام تحلیل تصویر مبتنی بر شیء (Object-Based Image Analysis) با استفاده از منابع داده متنوع بهره خواهید برد.

چرا این دوره را انتخاب کنید:

برخلاف سایر منابع آموزشی، هر درس برای ارتقاء مهارت‌های GIS و سنجش از دور شما به روشی واضح و عملی طراحی شده است. شما تجربه عملی و کاربردی برای اعمال الگوریتم‌های یادگیری ماشین مانند Random Forest، Support Vector Machines، Decision Trees و Convolutional Neural Networks در وظایف واقعی ژئواسپشیال کسب خواهید کرد.

آنچه خواهید آموخت:

  • کاربردهای یادگیری ماشین و یادگیری عمیق در سنجش از دور و GIS.
  • مدل‌سازی رگرسیون در ArcGIS.
  • استفاده از Orfeo Toolbox و ArcMap.
  • کاربرد الگوریتم‌های یادگیری ماشین برای نقشه‌برداری کاربری و پوشش زمین.
  • تحلیل تصویر مبتنی بر شیء، سگمنتیشن و تشخیص اشیاء.
  • انجام دو پروژه مستقل GIS برای اثبات مهارت‌هایتان.

همین امروز ثبت نام کنید:

چه جغرافی‌دان، برنامه‌نویس، دانشمند علوم اجتماعی، زمین‌شناس، یا متخصص GIS و سنجش از دور باشید، این دوره فرصتی برای ارتقاء مهارت‌های GIS و سنجش از دور شما به سطوح بالاتر است. اکنون ثبت نام کنید و دانش و اعتماد به نفس لازم برای برتری در تحلیل ژئواسپشیال با استفاده از یادگیری ماشین و یادگیری عمیق در QGIS و ArcGIS را کسب کنید.

شامل دوره: دسترسی به تمامی داده‌ها و منابع مورد استفاده در طول دوره، از جمله مجموعه داده‌ها و دستورالعمل‌ها برای ایجاد نقشه‌ها بر اساس الگوریتم‌های یادگیری ماشین با استفاده از ابزارهای نرم‌افزاری QGIS و ArcGIS. امروز ثبت نام کنید و از پتانسیل کامل تحلیل ژئواسپشیال بهره‌مند شوید!

پیش‌نیازها:

  • دانش پایه در زمینه دستکاری داده‌های مکانی (تصویر) مزیت محسوب می‌شود اما الزامی نیست.
  • این دوره با استفاده از نسخه ویندوز QGIS نمایش داده می‌شود. کاربران مک و لینوکس باید دستورالعمل‌ها را با سیستم‌عامل خود تطبیق دهند.
  • دسترسی به ArcGIS (نسخه Pro 2.5 و ArcMap 10.6 یا بالاتر): نسخه آزمایشی رایگان در وب‌سایت ESRI موجود است.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • مقدمه ای بر سیستم های اطلاعات جغرافیایی (GIS) Introduction to Geographic Information Systems (GIS)

  • مقدمه ای بر سنجش از دور Introduction to Remote Sensing

  • کاربرد سیستم های اطلاعات جغرافیایی (GIS) و سنجش از دور Applications of GIS and Remote Sensing

  • آزمون Quiz

نرم افزار مورد استفاده در این دوره: QGIS و ArcGIS 10.6 و ArcGIS Pro Software used in this course: QGIS and ArcGIS 10.6 and ArcGIS Pro

  • اطلاعات نسخه QGIS QGIS version information

  • نصب QGIS Installation of QGIS

  • نکاتی در مورد نسخه های QGIS و افزونه های آن A note on QGIS versions and it's plug-ins

  • افزونه طبقه‌بندی نیمه خودکار برای QGIS Semi-Automatic Classification Plugin for QGIS

  • نصب افزونه ها برای QGIS Intsalling plug-ins for QGIS

یادگیری ماشین در GIS و سنجش از دور: پیش‌زمینه نظری On Machine Learning in GIS and Remote Sensing: theoretical background

  • مقدمه: یادگیری ماشین Introduction: Machine Learning

  • یادگیری ماشین در GIS و سنجش از دور: پیش‌زمینه نظری On Machine Learning in GIS and Remote Sensing: theoretical background

  • یادگیری با نظارت و بدون نظارت (طبقه‌بندی) در GIS و سنجش از دور Supervised and Unsupervised Learning (classification) in GIS and Remote Sensing

  • آزمایشگاه: دستیابی به داده های تصویر در QGIS Lab: Image data acquisition in QGIS

  • الگوریتم‌های رایج طبقه‌بندی تصویر Common algorithms of image classification

  • طبقه‌بندی پوشش زمین در ابر با استفاده از مرورگر EO Land cover classification on the cloud using EO browser

  • تحلیل رگرسیون Regression Analysis

  • پیش‌بینی در GIS و یادگیری عمیق برای تحلیل کلان داده Prediction in GIS and deep learning for Big Data Analysis

یادگیری بدون نظارت در ArcGIS Unsupervided Learning in ArcGIS

  • مروری بر یادگیری ماشین برای طبقه‌بندی تصویر در ArcGIS Overview of Machine Learning for Image Classification in ArcGIS

  • نرم افزار ArcGIS ArcGIS Software

  • تحلیل تصویر LULC بدون نظارت در ArcGIS Unsupervised LULC image analysis in ArcGIS

یادگیری بدون نظارت در QGIS Unsupervided Learning in QGIS

  • نصب افزونه OTB برای QGIS Installing OTB plug-in for QGIS

  • تحلیل تصویر بدون نظارت (K-means) در QGIS Unsupervised (K-means) image analysis in QGIS

یادگیری ماشین با نظارت برای طبقه‌بندی LULC در ArcGIS Supervised Machine Learning for LULC Classification in ArcGIS

  • مراحل طبقه‌بندی با نظارت LULC Stages of LULC supervised classification

  • آزمایشگاه: ایجاد داده‌های آموزشی در ArcMap 10.6 Lab: Creating Training data in ArcMap 10.6

  • آزمایشگاه: طبقه‌بندی تصویر با نظارت با استفاده از ماشین‌های بردار پشتیبان در ArcGIS Lab: Supervised image classification with Support Vector Machines in ArcGIS

یادگیری ماشین با نظارت در QGIS Supervised Machine Learning in QGIS

  • آزمایشگاه: یادگیری با نظارت بر اساس الگوریتم حداکثر درست‌نمایی Lab: Supervided Learning based on Maximum Likelihood Algorithm

  • ایجاد داده‌های آموزشی برای نقشه‌برداری LULC در QGIS Creating Training data for LULC mapping in QGIS

  • آزمایشگاه: LULC با استفاده از الگوریتم طبقه‌بندی حداقل فاصله Lab: LULC with the use of Minimum Distance Classification Algorithm

  • ارزیابی دقت نقشه در QGIS Accuracy assessment of the map in QGIS

  • آزمایشگاه: ایجاد داده‌های اعتبارسنجی Lab: Validation data creation

  • آزمایشگاه: ارزیابی دقت نقشه LULC در QGIS Lab: Accuracy Assessment of LULC map in QGIS

  • طبقه‌بندی با نظارت جنگل تصادفی تصویر Sentinel-2 در QGIS Random Forest supervised classification of Sentinel-2 image in QGIS

  • مقایسه نتایج طبقه‌بند جنگل تصادفی و درختان تصمیم Comparison of Random Forest and Decision Trees Classifier resilts

تقطیع تصویر در GIS Image Segmentation in GIS

  • اصول تقطیع تصویر برای تحلیل GIS و سنجش از دور Principles of image segmentation for GIS and Remote Sensing analysis

  • آزمایشگاه: دانلود داده‌های تصویر برای تحلیل تقطیع Lab: Downloading image data for segmentation analysis

  • آزمایشگاه: انجام تقطیع تصویر در ArcGIS Lad: Perform Image Segmentation in ArcGIS

  • آزمایشگاه: تقطیع تصویر ماهواره‌ای در QGIS Lab: Segmentation of satellite image in QGIS

طبقه‌بندی تصویر مبتنی بر شیء با الگوریتم‌های یادگیری ماشین در ArcGIS Object-based Image classification with Machine Learning algorithms in ArcGIS

  • طبقه‌بندی تصویر مبتنی بر شیء (OBIA) در مقابل طبقه‌بندی تصویر مبتنی بر پیکسل Object-based image classification (OBIA) VS pixel-based image classification

  • ایجاد داده‌های آموزشی برای طبقه‌بندی تصویر مبتنی بر شیء در ArcGIS Creating training data for object-based image classification in ArcGIS

  • طبقه‌بندی تصویر مبتنی بر شیء (OBIA) در ArcGIS Object-based image classification (OBIA) in ArcGIS

مدل‌سازی رگرسیون در GIS Regression modelling in GIS

  • مدل رگرسیون: تئوری Regression Model: theory

  • مدل‌سازی OSL در GIS OSL modelling in GIS

  • مدل‌سازی OSL در ArcGIS OSL modelling in ArcGIS

شروع کار با یادگیری عمیق در ArcGIS Pro Getting started with Deep learning in ArcGIS Pro

  • یادگیری عمیق در ArcGIS Pro Deep Learning in ArcGIS Pro

  • مقدمه‌ای بر شبکه‌های عصبی Introduction to neural networks

  • یادگیری عمیق در ArcGIS Pro: مروری کلی Deep learning in ArcGIS Pro: an overview

  • شروع کار با یادگیری عمیق در ArcGIS Pro Getting started with Deep learning in ArcGIS Pro

کاربردی: یادگیری عمیق در ArcGIS Pro Hands-on: Deep Learning in ArcGIS Pro

  • نرم افزار مورد استفاده در این بخش: ArcGIS Pro Software used in this section: ArcGIS Pro

  • ایجاد داده‌های آموزشی برای شبکه عصبی کانولوشنال (یا عمیق) (CNN) Training data creation for convolutional (or deep) neural network (CNN)

  • آزمایشگاه: آماده‌سازی تصویر برای یادگیری عمیق در ArcGIS Pro Lab: Image preparation for deep learning in ArcGIS Pro

  • آزمایشگاه: ایجاد داده‌های آموزشی برای شبکه عصبی در ArcGIS PRO 2.5 Lab: Training data creation for neural network in ArcGIS PRO 2.5

  • آزمایشگاه: نصب فریم‌ورک‌های یادگیری عمیق برای ArcGIS Lab: Install deep learning frameworks for ArcGIS

  • تعریف مدل یادگیری عمیق (CNN) در ArcGIS PRO Deep Learning (CNN) model definition in ArcGIS PRO

  • آزمایشگاه: تعریف مدل یادگیری عمیق (CNN) در ArcGIS PRO Lab: Deep Learning (CNN) model definition in ArcGIS PRO

  • اعمال مدل یادگیری عمیق برای تشخیص شیء یا طبقه‌بندی تصویر Apply deep learning model for object detection or image classification

  • آزمایشگاه: تشخیص شیء تصویر با CNN (مدل یادگیری عمیق) در ArcGIS Pro Lab: Detect image object with CNN (deep learning model) in ArcGIS Pro

  • خلاصه Summary

واقعی‌اش کن: پروژه یادگیری ماشین خود را پیاده‌سازی کنید Make it real: Implement your own Machine Learning Project

  • پروژه ۱: یادگیری با نظارت برای طبقه‌بندی داده‌های لندست در QGIS Project 1: Supervised Learning for classification of Landsat data in QGIS

  • پروژه ۲: یادگیری عمیق در ArcGIS Pro Project 2: Deep Learning in ArcGIS Pro

  • پاداش BONUS

  • پروژه نقشه در QGIS Map project in QGIS

نمایش نظرات

آموزش یادگیری ماشین پیشرفته در GIS و سنجش از دور: ۵ دوره در ۱
جزییات دوره
8.5 hours
61
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,387
4.2 از 5
دارد
دارد
دارد
Kate Alison
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Kate Alison Kate Alison

سنجش از دور/متخصص GIS و دانشمند داده من یک دانشمند پرشور داده ، زمین رصد (EO) و متخصص و مربی GIS هستم. من کارشناسی ارشد خود را دریافت کردم در زمینه مشاهده زمین و علوم داده های کاربردی از دانشگاه ساوتهمپتون (انگلستان) و من نیز دارای مدرک دکترا هستم. مدرک تحصیلی EO از آلمان. من به طور منظم در سراسر جهان تدریس و آموزش می دهم و همچنین در مورد موضوع ذکر شده به طور منظم مشاوره می کنم. من هزاران مشتری راضی در سراسر جهان دارم! و اکنون خوشحال خواهم شد اگر بتوانم این موضوعات جالب ، بسیار کاربردی و مهیج را نیز به شما بیاموزم! برای دانشجویان GIS و سنجش از دور: اگر می خواهید تجزیه و تحلیل جامع داده های مکانی را یاد بگیرید ، در اینجا یک دستور ترجیحی برای نحوه گذراندن دوره های من وجود دارد: گزینه 1: تمام دوره های فردی را که به ترتیب زیر جزئیات بیشتری در مورد موضوعات خاص ، سخنرانی های بیشتر و آزمایشگاه های بیشتر دارند ، شرکت کنید.