آموزش API های جغرافیایی برای کاربردهای علم داده در پایتون

Geospatial APIs For Data Science Applications In Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: علم داده با موتور Google Earth (GEE) و Foursquare with Python با استفاده از رابط های برنامه نویسی کاربردی (API) نحوه کار با نوت بوک های آنلاین Jupyter را از طریق به دست آوردن زمین قوی در کار با API های جغرافیایی با استفاده از Python با استفاده از روش های علم داده بر روی داده های مکانی استفاده کنید Google Earth را به کار بگیرید. موتور (GEE) API در اکوسیستم پایتون استفاده از مجموعه داده های GEE برای تجسم و تجزیه و تحلیل جغرافیایی

در آخرین دوره آموزشی من در مورد نحوه یادگیری همه چیز در مورد به دست آوردن و کار با داده های مکانی رایگان که از طریق رابط های برنامه نویسی برنامه (API) با استفاده از DATACHNISQUES به دست آمده است، ثبت نام کنید.

  • آیا در حال حاضر در یکی از دوره های مرتبط با GIS و سنجش از دور من ثبت نام کرده اید؟

  • یا شاید تجربه قبلی در GIS یا ابزارهایی مانند R و QGIS دارید؟

  • می‌خواهید به سرعت مقادیر زیادی از داده‌های مکانی را تجزیه و تحلیل کنید

  • مدل‌های یادگیری ماشین را روی داده‌های سنجش از راه دور پیاده‌سازی کنید

  • نمی‌خواهید 100 و 1000 دلار برای خرید نرم‌افزار تجاری برای تجزیه و تحلیل تصاویر خرج کنید؟

  • شما می خواهید به کاتالوگ چند پتابایتی از تصاویر ماهواره ای و مجموعه داده های مکانی با قابلیت تجزیه و تحلیل در مقیاس سیاره ای دسترسی داشته باشید

گام بعدی برای شما این است که در به دست آوردن مجموعه داده‌های جغرافیایی رایگان از منابع مختلف، از Foursquare تا Google Earth Engine از طریق APIهای سازگار با Python، مهارت کسب کنید و آنها را با استفاده از تکنیک‌های علم داده تجزیه و تحلیل کنید

دوره من یک آموزش عملی با سنجش از راه دور واقعی و تجزیه و تحلیل داده های GIS با موتور زمین GOOGLE- یک پلت فرم در مقیاس سیاره ای برای تجزیه و تحلیل داده های علوم زمین است. از جمله پیاده‌سازی مدل‌های یادگیری ماشین بر روی داده‌های تصویری، که توسط زیرساخت ابری Google پشتیبانی می‌شود. !

دوره آموزشی من پایه‌ای برای انجام کارهای سنجش از راه دور عملی، واقعی و تجزیه و تحلیل GIS در این پلتفرم قدرتمند با پشتیبانی از ابر فراهم می‌کند. با گذراندن این دوره، شما یک گام مهم به جلو در سفر GIS خود برای تبدیل شدن به یک متخصص در تجزیه و تحلیل جغرافیایی بردارید.

چرا باید در دوره من شرکت کنید؟

من مدرک کارشناسی ارشد (جغرافیا و محیط زیست) از دانشگاه آکسفورد، انگلستان دارم. من همچنین یک دکترا را در دانشگاه کمبریج (اکولوژی و حفاظت از محیط گرمسیری) به پایان رساندم.

من چندین سال تجربه در تجزیه و تحلیل داده‌های مکانی فضایی واقعی از منابع مختلف و تولید نشریات برای مجلات معتبر بین‌المللی دارم.

در این دوره، داده‌های مکانی واقعی به‌دست‌آمده از طریق APIهای Foursquare و GEE استفاده می‌شود تا تجربه عملی را در استفاده از تکنیک‌های علم داده و یادگیری ماشین در این داده‌ها به شما ارائه دهد تا به سؤالات واقعی مانند شناسایی بهترین مکان‌ها برای پاسخگویی به سؤالات واقعی پاسخ دهید. یک رستوران یا تغییرات در پویایی اجتماعی-اقتصادی یک منطقه.

این دوره به شما اطمینان می‌دهد که امروز تحلیل داده‌های مکانی را در عمل به کار می‌گیرید و مهارت خود را در استفاده از APIها برای به‌دست آوردن این داده‌ها و به دست آوردن بینش‌های ارزشمند از آنها افزایش می‌دهد.

این یک دوره نسبتاً جامع است، یعنی ما بر یادگیری ضروری‌ترین و پرکاربردترین تکنیک‌های علوم داده‌ای که برای داده‌های مکانی استفاده می‌شوند تمرکز خواهیم کرد

علاوه بر همه موارد فوق، شما از حمایت مستمر من برخوردار خواهید بود تا مطمئن شوید که بیشترین سود را از سرمایه گذاری خود می برید!

اکنون ثبت نام کنید :)


سرفصل ها و درس ها

به دوره خوش آمدید Welcome to the Course

  • این دوره در مورد چیست؟ What Is This Course About?

  • داده و کد Data and Code

  • نصب پایتون Python Installation

  • Google CoLab چیست؟ What Is Google CoLab?

  • Google Colabs و GPU Google Colabs and GPU

  • بسته های Google Colab Google Colab Packages

  • مقدمه ای بر مفاهیم پایه داده های مکانی Introduction To Basic Spatial Data Concepts

مقدمه ای بر API های جغرافیایی (و سایر منابع داده های GIS) Introduction to Geospatial APIs (and Other Sources of GIS Data)

  • API ها چیست؟ What Are APIs

  • MRT سنگاپور Singapore MRT

  • ژئوکدینگ پایه Basic Geocoding

  • ژئوکد چارچوب داده شهرها Geocode A Dataframe of Cities

  • مقدمه ای بر API Foursquare Introduction To The Foursquare API

  • با API Foursquare شروع کنید Get Started With the Foursquare API

  • مکان ها و جزئیات آنها را در اطراف یک مکان خاص به دست آورید Obtain Venues and Their Details Around a Particular Location

  • مکان های چهار ضلعی را تجسم کنید Visualise the Foursquare Venues

  • بازیابی مکان ها بر اساس مختصات طولانی Lat Retrieve Venues On the Basis of Lat Long Coordinates

  • مکان های مربوط به محله های بمبئی را بازیابی کنید Retrieve the Venues Corresponding To Mumbai's Neighbourhoods

سایر منابع داده های مکانی Other Source of Geospatial Data

  • دسترسی به داده های خیابان باز Access Open Street Data

  • دریافت اطلاعات بانک جهانی Obtain World Bank Data

مقدمه ای بر موتور Google Earth (GE) Introduction To Google Earth Engine (GE)

  • GEE چیست؟ What is GEE?

  • برای GEE ثبت نام کنید Sign Up For GEE

  • مجموعه داده ها در GEE Datasets Within GEE

به دست آوردن داده های GEE از طریق API برای استفاده با پایتون Obtaining GEE Data Via API To Use With Python

  • دسترسی به GEE API در پایتون Accessing GEE API Within Python

  • مقدمه ای بر Geemap Introduction To Geemap

  • کاوش مجموعه های ویژگی را شروع کنید Start Exploring Feature Collections

  • فیلتر کردن و تجسم Shapefiles Filter and Visualise Shapefiles

  • بزرگترین کشور را بشناسید Identify the Biggest Country

  • فیلتر بر اساس ویژگی های عددی Filter Based on Numerical Attributes

  • گروه بندی مجموعه های ویژگی بر اساس ویژگی ها Grouping Feature Collections By Attributes

  • یک GeoJSON Bounding Box ایجاد کنید Create a GeoJSON Bounding Box

  • کلیپ تصویر به وسعت فایل شکل Clip Image To Shapefile Extent

  • آپلود داده های خارجی در GEE Upload External Data On GEE

کار با داده های تصویری GEE Working With GEE's Imagery Data

  • به مجموعه‌های تصاویر در Google Colab دسترسی پیدا کنید Access Image Collections Within Google Colab

  • تصاویر کنار هم را ببینید See Images Side By Side

  • محاسبات توپوگرافی Topographic Computations

  • کلکسیون تصویر را به وسعت Shapefile ببرید Clip Image Collection To Shapefile Extent

  • تصویر بریده شده خود را بهبود بخشید Improve Your Clipped Image

  • تجسم سری زمانی Time Series Visualization

  • داده های چندطیفی چیست؟ What Are Multispectral Data?

  • استفاده از داده های چندطیفی: مورد Tonle Sap Using Multispectral Data: Case of Tonle Sap

  • نقشه برداری سیل Flood Mapping

  • چرا به داده های رادار نیاز داریم؟ Why Do We Need Radar Data

  • به دست آوردن داده های Sentinel-1 از GEE Obtaining Sentinel-1 Data From GEE

  • داده های Sentinel-1 را تجسم کنید Visualise Sentinel-1 Data

  • داده های سری زمانی Landsat را از GEE دریافت کنید Obtain Time Series Landsat Data From GEE

دریافت حسی از داده های ما Getting a Sense of Our Data

  • پانداها چیست؟ What Are Pandas?

  • اصول تجسم داده ها Principles of Data Visualisation

  • برخی از اصول نظری پشت تجسم داده ها Some Theoretical Principles Behind Data Visualisation

  • تجسم داده های جغرافیایی سری زمانی با پانداها Visualise Time Series Geospatial Data With Pandas

  • ایستگاه های MRT سنگاپور در کجا قرار دارند؟ Where Are Singapore's MRT Stations Located?

  • بیایید این ایستگاه ها را رنگ کنیم - قسمت 1 Let's Colour Code These Stations-Part 1

  • بیایید این ایستگاه ها را رنگ کنیم - قسمت 2 Let's Colour Code These Stations- Part 2

فراگیری ماشین Machine Learning

  • یادگیری ماشینی (ML) چیست؟ What is Machine Learning (ML)?

  • داده های آموزشی Training Data

  • یادگیری بدون نظارت: نظریه Unsupervised Learning:Theory

  • k-به معنی k-means

  • خوشه بندی پوشش های زمینی در کامبوج - قسمت 1 Clustering Landcovers in Cambodia-Part1

  • خوشه بندی پوشش های زمین در کامبوج - قسمت 2 Clustering Landcovers in Cambodia-Part 2

  • طبقه بندی نظارت شده Supervised Classification

  • جنگل تصادفی Random Forest

  • طبقه بندی نظارت شده پایه با MODIS برای نمونه های آموزشی Basic Supervised Classification With MODIS For Training Samples

  • نتایج من چقدر خوب است؟ How Good Are My Results?

  • دقت Accuracy

  • عدم اختلاط طیفی Spectral Unmixing

  • طبقه بندی نظارت شده با موقعیت جغرافیایی: مقدمه (قسمت 1) Supervised Classification With Geolocations: Introduction (Part 1)

  • طبقه بندی نظارت شده: داده های آموزشی موقعیت جغرافیایی Supervised Classification: Geolocation Training Data

  • طبقه بندی تصویر Classify The Image

  • ترکیب داده های EO از سنسورهای مختلف - مشکل Combine EO Data From Different Sensors-Problem

  • طبقه بندی نظارت شده: Sentinel-1 و Sentinel-2 Supervised Classification: Sentinel-1 and Sentinel-2

  • طبقه بندی نظارت شده: Sentinel VIs Supervised Classification: Sentinel VIs

  • نتایج طبقه بندی را تجسم کنید Visualise the Classification results

تجزیه و تحلیل تصویر مبتنی بر شی Object Based Image Analysis

  • OBIA OBIA

  • با GEE With GEE

نمایش نظرات

آموزش API های جغرافیایی برای کاربردهای علم داده در پایتون
جزییات دوره
6 hours
73
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,487
4.7 از 5
ندارد
دارد
دارد
Minerva Singh
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Minerva Singh Minerva Singh

دانشمند تحصیل کرده آکسبریج

سلام. من فارغ التحصیل دکترا از دانشگاه کمبریج هستم که در آنجا در اکولوژی گرمسیری تخصص دارم. من همچنین یک دانشمند داده هستم. به عنوان بخشی از تحقیقاتم، باید تجزیه و تحلیل گسترده داده‌ها، از جمله تجزیه و تحلیل داده‌های مکانی را انجام دهم. یا برای این منظور ترجیح می‌دهم از ترکیبی از ابزارهای رایگان نرم‌افزار R، QGIS و Python استفاده کنم. بیشتر کار تجزیه و تحلیل داده‌های مکانی خود را با استفاده از R انجام می‌دهم. و QGIS. اینها جدا از رایگان بودن، ابزارهای بسیار قدرتمندی برای تجسم، پردازش و تجزیه و تحلیل داده ها هستند. من همچنین دارای مدرک کارشناسی ارشد جغرافیا و محیط زیست از دانشگاه آکسفورد هستم. من مهارت های آماری و تجزیه و تحلیل داده های خود را از طریق تعدادی MOOC از جمله The Analytics Edge (دوره آماری مبتنی بر R و یادگیری ماشین ارائه شده توسط EdX)، یادگیری آماری (دوره یادگیری ماشین مبتنی بر R ارائه شده توسط Standford آنلاین) تقویت کرده ام. علاوه بر تجزیه و تحلیل داده های مکانی، در تجزیه و تحلیل آماری، یادگیری ماشین و داده کاوی نیز مهارت دارم. من همچنین از برنامه نویسی عمومی، تجسم داده ها و توسعه وب لذت می برم. من علاوه بر اینکه یک دانشمند و اعداد شکن هستم، یک مسافر مشتاق هستم