🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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
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.
نمایش نظرات