آموزش یادگیری ماشینی در R: طبقه بندی تصاویر در کاربری اراضی LULC - آخرین آپدیت

سرفصل ها و درس ها

Introduction

• مقدمه Introduction

• R و RStudio چیست؟ What is R and RStudio?

• نحوه نصب R و RStudio در سال ۲۰۲۱ How to install R and RStudio in 2021

• آزمایشگاه: نصب R و RStudio در سال ۲۰۲۱ Lab: Install R and RStudio in 2021

• آزمایشگاه: نصب QGIS و نصب SCP Lab: Installing QGIS and install SCP

• یادداشتی درباره نسخه‌های QGIS و افزونه‌های آن A note on QGIS versions and it's plug-ins

یادگیری ماشین برای طبقه‌بندی تصویر: بررسی نظری Machine Learning for image classification: theory overview

• مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

• اصول یادگیری ماشین برای تحلیل طبقه‌بندی Basics of machine learning for classification analysis

• الگوریتم‌های رایج طبقه‌بندی تصویر Common algorithms of image classification

مقدمه ای بر R-Studio و R: دوره فشرده Introduction to R-Studio and R: crash course

• آزمایشگاه: معرفی رابط کاربری RStudio Lab: Introduction to RStudio Interface

• آزمایشگاه: نصب بسته‌ها و مدیریت بسته در R Lab: Installing Packages and Package Management in R

• متغیرها در R و اختصاص متغیرها در R Variables in R and assigning Variables in R

• آزمایشگاه: متغیرها در R و اختصاص متغیرها در R Lab: Variables in R and assigning Variables in R

• مروری بر انواع داده و ساختارهای داده در R Overview of data types and data structures in R

• آزمایشگاه: انواع داده و ساختارهای داده در R Lab: data types and data structures in R

• عملیات برداری در R Vectors' operations in R

• انواع داده و ساختارهای داده: عوامل Data types and data structures: Factors

• Dataframes: مروری در R Dataframes: overview in R

• توابع در R - مرور کلی Functions in R - overview

• حلقه‌های For در R For Loops in R

• خواندن داده‌ها در R Read Data into R

اصول سنجش از دور برای نقشه‌برداری LULC: بررسی نظری Basics of Remote Sensing for LULC mapping: theory overview

• مقدمه‌ای بر تصویر دیجیتال Introduction to digital image

• سنسورها و پلتفرم‌ها Sensors and Platforms

• درک سنجش از دور برای نقشه‌برداری LULC Understanding Remote Sensing for LULC mapping

• مراحل طبقه‌بندی نظارت‌شده LULC Stages of LULC supervised classification

آماده‌سازی تصویر ماهواره‌ای در R برای تجزیه و تحلیل کاربری اراضی/پوشش اراضی (LULC) در R Satellite image preparation in R for Land use / land cover (LULC) analysis in R

• داده‌های مورد استفاده برای تجزیه و تحلیل: تصاویر لندست Data used for analysis: Landsat images

• پیش پردازش داده‌های تصویر ماهواره‌ای Preprocessing of satellite image data

• مروری بر مراحل پردازش در R برای تصاویر لندست Overview of processing steps in R for Landsat images

• آزمایشگاه: بارگذاری تصویر در R Lab: Image load in R

• آزمایشگاه: Layerstacks تصویر در R Lab: Image Layerstacks in R

• آزمایشگاه: پردازش دسته‌ای در R: unzipp, laerstack تصاویر Landsat Lab: Batch Processing in R: unzipp, laerstack of LAndsat images

• تصاویر را در R تجسم کنید Visualize images in R

تهیه داده‌های آموزشی در R برای طبقه‌بندی تصویر یادگیری ماشین Training data Preparation in R for Machine Learning image classification

• داده‌های مورد استفاده برای تجزیه و تحلیل: تصاویر Sentinel Data used for analysis: Sentinel images

• نیازمندی‌های داده‌های آموزشی برای طبقه‌بندی و انتخاب داده‌های آموزشی Training data requirements for classification and training data selection

• آزمایشگاه: آماده‌سازی داده‌های آموزشی در R - قسمت ۱ Lab: Prepare training data in R - part 1

• آزمایشگاه: آماده‌سازی داده‌های آموزشی در R - قسمت ۲ Lab: Prepare training data in R - part 2

• رسم امضاهای طیفی در R Plotting spectral signatures in R

طبقه‌بندی تصویر کاربری/پوشش زمین با استفاده از الگوریتم‌های یادگیری ماشین در R Land Use/Land Cover Image Classification using Machine Learning algorithms in R

• طبقه‌بندی تصویر در R با جنگل تصادفی در R Image Classification in R with Random Forest in R

• تجسم نقشه: ایجاد تصویر طبقه‌بندی‌شده بر اساس مدل جنگل تصادفی در R Map visualization: Creating classified image based on Random Forest model in R

• تجسم نقشه: ایجاد یک تصویر طبقه‌بندی‌شده بر اساس مدل RF در QGIS Map visualization: Create a classified image based on RF model in QGIS

• طبقه‌بندی تصویر در R با ماشین‌های بردار پشتیبان (SVM) در R Image Classification in R with Support Vector Machines (SVM) in R

• ارزیابی دقت طبقه‌بندی تصویر Accuracy assessment of image classification

• آزمایشگاه: ارزیابی دقت (اعتبارسنجی) طبقه‌بندی در R Lab: Accuracy Assessment (validation) of classification in R

• وظیفه مستقل: ارزیابی دقت برای طبقه‌بندی مبتنی بر SVM Independent Task: Accuracy assessment for SVM-based classification

• آزمایشگاه: ایجاد یک نقشه LULC از نتیجه طبقه‌بندی تصویر نهایی خود در QGIS Lab: Creating a LULC map of your final image classification result in QGIS

• پروژه نقشه Map project

• جایزه BONUS