لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین در GIS: درک تئوری و عمل
دانلود Machine Learning in GIS : Understand the Theory and Practice
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
استفاده از یادگیری ماشین در سیستمهای اطلاعات جغرافیایی و سنجش از دور در QGIS و موتور گوگل ارث آشنایی کامل با اصول یادگیری ماشینی آشنایی با سیستمهای اطلاعات جغرافیایی (GIS)، انواع دادههای جغرافیایی و برنامههای GIS آشنایی کامل با اصول سنجش از دور یادگیری منبع باز GIS و ابزارهای نرمافزار سنجش از راه دور (QGIS، Google Earth Engine و غیره) انواع اصلی یادگیری ماشینی و کاربردهای آنها در GIS را کاملاً درک کنید درباره نظارت و یادگیری بدون نظارت و کاربردهای آنها در GIS یاد بگیرید چگونه الگوریتم های یادگیری ماشینی نظارت شده و بدون نظارت را در QGIS و موتور Google Earth بکار ببرید درک تقسیم بندی، تجزیه و تحلیل تصویر مبتنی بر شی (OBIA) و مدل سازی پیش بینی در GIS یاد بگیرید چگونه تقسیم بندی تصویر را با Orfeo انجام دهید. جعبه ابزار درک تحولات اصلی در زمینه هوش مصنوعی، یادگیری عمیق و یادگیری ماشین به صورت کاربردی در GIS پیش نیازها: یک کامپیوتر کارآمد
آیا مشتاق هستید که از قدرت یادگیری ماشین برای تجزیه و تحلیل مکانی استفاده کنید، اما مطمئن نیستید از کجا شروع کنید؟ به دوره ما خوش آمدید، که برای تجهیز شما به دانش نظری و عملی یادگیری ماشین در زمینه های سیستم های اطلاعات جغرافیایی (GIS) و سنجش از دور طراحی شده است. چه به نقشه برداری کاربری و پوشش زمین، طبقه بندی یا تجزیه و تحلیل تصویر مبتنی بر شی علاقه مند باشید، این دوره شما را پوشش می دهد.
نکات برجسته دوره:
درک نظری و عملی کاربردهای یادگیری ماشین در GIS و سنجش از دور
کاربرد الگوریتمهای یادگیری ماشین، از جمله جنگل تصادفی، ماشینهای بردار پشتیبان و درختان تصمیمگیری
تکمیل یک پروژه کامل GIS با تمرینات عملی
استفاده از محاسبات ابری و تجزیه و تحلیل کلان داده از طریق موتور Google Earth
ایده آل برای حرفه ای ها در زمینه های مختلف
دستورالعمل های گام به گام و مطالب کاربردی قابل دانلود
تمرکز دوره:
این دوره جامع به قلمرو یادگیری ماشین در تجزیه و تحلیل جغرافیایی می پردازد و ترکیبی از تئوری و کاربرد عملی را ارائه می دهد. پس از اتمام دوره، دانش و اعتماد به نفس برای مهار یادگیری ماشین برای طیف وسیعی از وظایف جغرافیایی را خواهید داشت.
آنچه خواهید آموخت:
نصب نرم افزار منبع باز GIS (QGIS، جعبه ابزار OTB) و پیکربندی مناسب
پیمایش در رابط نرم افزار QGIS، شامل اجزا و افزونه ها
طبقهبندی تصاویر ماهوارهای با الگوریتمهای متنوع یادگیری ماشین (مانند جنگل تصادفی، ماشینهای بردار پشتیبانی، درختان تصمیم) در QGIS
انجام بخش بندی تصویر در QGIS
تهیه نقشه پوشش زمین افتتاحیه خود با استفاده از پلت فرم محاسبات ابری Google Earth Engine
چه کسی باید ثبت نام کند:
این دوره برای مخاطبان متنوعی از جمله جغرافیدانان، برنامه نویسان، دانشمندان علوم اجتماعی، زمین شناسان، و هر متخصصی که از نقشه ها در زمینه های مربوطه خود استفاده می کند، پاسخ می دهد. اگر کارهایی را پیشبینی میکنید که به الگوریتمهای پیشرفتهی یادگیری ماشین برای کارهایی مانند نقشهبرداری پوشش زمین و کاربری اراضی نیاز دارند، این دوره به شما مهارتهایی را برای رسیدگی به چنین چالشهای جغرافیایی توانمند میکند.
در این دوره گنجانده شده است: به دستورالعمل های گام به گام، مواد عملی، مجموعه داده ها و راهنمایی برای تمرینات عملی در QGIS و Google Earth Engine دسترسی پیدا کنید. امروز ثبت نام کنید تا پتانسیل یادگیری ماشین برای تجزیه و تحلیل جغرافیایی را باز کنید!
سرفصل ها و درس ها
مقدمه ای بر درس GIS و سنجش از دور
Introduction to the course, GIS and Remote Sensing
مقدمه
Introduction
GIS توضیح داد
GIS explained
مقدمه ای بر سنجش از دور: تعریف
Introduction to Remote Sensing: definition
مقدمه ای بر سنجش از دور: برنامه های کاربردی
Introduction to Remote Sensing: applications
نصب QGIS بر روی کامپیوتر شما
Installation of QGIS on your Computer
راه اندازی کامپیوتر برای تجزیه و تحلیل GIS و نرم افزار GIS موجود در بازار
Computer Set up for GIS analysis and GIS software on the market
اطلاعات نسخه QGIS
QGIS version information
نصب QGIS
Installing QGIS
یادداشتی در مورد نسخه های QGIS و افزونه های آن
A note on QGIS versions and it's plug-ins
بررسی رابط QGIS
Exploring QGIS interface
قدرتی از QGIS - QGIS Plug-in
A power of QGIS - QGIS Plug-ins
آزمایشگاه: به موتور Google Earth وارد شوید
Lab: Sign In to Google Earth Engine
مقدمه ای بر یادگیری ماشین در GIS
Introduction to Machine Learning in GIS
مقدمه ای بر یادگیری ماشینی
Introduction to Machine Learning
در مورد یادگیری ماشین در GIS و سنجش از دور
On Machine Learning in GIS and Remote Sensing
نصب OTB
OTB installation
انواع یادگیری ماشینی تحت نظارت و بدون نظارت و کاربردها در GIS
Types of supervised & unsupervised machine learning and applications in GIS
یادگیری نظارت شده و بدون نظارت (طبقه بندی) در GIS و سنجش از دور
Supervised and Unsupervised Learning (classification) in GIS and Remote Sensing
آزمایشگاه: طبقه بندی تصاویر بدون نظارت در SCP
Lab: Unsupervised Image Classification in SCP
طبقه بندی پوشش زمین در ابر با استفاده از مرورگر EO
Land cover classification on the cloud using EO browser
تجزیه و تحلیل تصویر بدون نظارت (K-means) در QGIS
Unsupervised (K-means) image analysis in QGIS
طبقه بندی تصادفی جنگل نظارت شده تصویر Sentinel-2
Random Forest supervised classification of Sentinel-2 image
طبقه بندی درختان تصمیم تصویر Sentinel-2
Decision Trees classification of Sentinel-2 image
ارزیابی دقت
Accuracy Assessment
بردار پشتیبان (SVM) طبقه بندی نظارت شده تصاویر ماهواره ای
Support Vector Machine (SVM) supervised classification of the satellite imagery
جدید: طبقه بندی تصاویر در QGIS: نحوه ایجاد آموزش و اجرای طبقه بندی
New: Image classification in QGIS: how to create training and run classification
اضافی: جمع آوری داده های آموزشی برای طبقه بندی تصاویر بر اساس تصاویر Landsat
Extra: Training data collection for image classification based on Landsat images
آزمایشگاه: طبقه بندی تصاویر در QGIS
Lab: image classification in QGIS
یادگیری ماشین در موتور Google Earth
Machine Learning in Google Earth Engine
مرورگر EO برای دانلود تصویر، شاخص های طیفی و پوشش زمین
EO browser for image download, spectral indices & land cover
طبقه بندی نظارت شده با موتور Google Earth
Supervised classification with Google Earth Engine
وارد کردن تصاویر و تجسم آنها در Google Earth Engine
Import images and their visualization in Google Earth Engine
تجزیه و تحلیل تصویر بدون نظارت (K-means) در موتور Google Earth
Unsupervised (K-means) image analysis in Google Earth Engine
طبقه بندی تصادفی جنگل در موتور زمین
Random Forest Classification in Earth Engine
ارزیابی دقت در موتور Google Earth
Accuracy Assessment in Google Earth Engine
مقدمه ای بر یادگیری ماشین مبتنی بر شی در GIS و QGIS
Introduction to object-based machine learning in GIS and QGIS
تشخیص اشیا در GIS
Object detection in GIS
تقسیم بندی و تجزیه و تحلیل تصویر مبتنی بر شی (OBIA)
Segmentation and object-based image analysis (OBIA)
تقسیم بندی تصاویر ماهواره ای با وضوح بالا
Segmentation of high-resolution satellite image
پیش بینی و رگرسیون در GIS و یادگیری عمیق برای تجزیه و تحلیل داده های بزرگ
Predictions and regression in GIS and deep learning for Big Data Analysis
در مورد رگرسیون در GIS
On regression in GIS
نرم افزار ArcGIS برای تحلیل رگرسیون
ArcGIS Software for regression analysis
آزمایشگاه: از تحلیل رگرسیون در ArcGIS استفاده کنید
Lab: Use regression analysis in ArcGIS
پیش بینی در GIS و یادگیری عمیق برای تجزیه و تحلیل داده های بزرگ
Prediction in GIS and deep learning for Big Data Analysis
پروژه نهایی: یادگیری ماشین برای GIS در ابر (موتور Google Earth)
Final Project: Machine Learning for GIS on cloud (Google Earth Engine)
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