لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ضروری تجزیه و تحلیل داده های جغرافیایی
Geospatial Data Analytics Essential Training
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
مقدار دادههای مکانی - اطلاعات برچسبگذاری شده با مختصات جغرافیایی - بسیار زیاد است، از سیاهههای GPS که تلفنهای همراه میبرند تا نقشههای آنلاین و برنامههای ناوبری و حتی تا تصاویر ثبتشده توسط ماهوارههایی که به دور زمین میچرخند. هدف این دوره، اتصال این نوع گسترده از داده ها به تمرین روزانه با ارائه یک نمای کلی از صنعت داده های مکانی است. برای تجربه عملی و عملی کاوش، تجسم و تجزیه و تحلیل داده های مکانی با استفاده از چندین ابزار علم داده مبتنی بر پایتون، به مربی میلان یانوسوف بپیوندید.
سرفصل ها و درس ها
مقدمه
Introduction
تجزیه و تحلیل داده های مکانی
Analyzing geospatial data
آنچه شما باید بدانید
What you should know
1. مبانی نظری
1. Theoretical Foundations
داده های جغرافیایی چیست؟
What is geospatial data?
هوش مکان چیست؟
What is location intelligence?
موارد استفاده از داده های مکانی
Geospatial data use cases
منابع داده های جغرافیایی
Geospatial data sources
2. هندسه ها و GeoDataFrames
2. Geometries and GeoDataFrames
عملیات هندسه
Geometry operations
هندسه چیست؟
What are geometries?
هندسه های اساسی
Basic geometries
اصول اولیه GeoPandas
The basics of GeoPandas
ورود به GeoPandas
Onboarding to GeoPandas
3. GeoPandas Deep Dive
3. GeoPandas Deep Dive
توابع و محاسبات ساده
Simple functions and computations
تجسم داده های مصنوعی با GeoPandas
Visualizing synthetic data with GeoPandas
پیش بینی های نقشه
Map projections
ایجاد اولین GeoDataFrame خود از ابتدا
Creating your first GeoDataFrame from scratch
تجسم داده های نمونه با GeoPandas
Visualizing sample data with GeoPandas
4. تجزیه و تحلیل داده های مکانی اکتشافی
4. Explorative Spatial Data Analysis
با استفاده از اطلاعات جمعیت، مرزهای اداری را غنی کنید
Enrich administrative boundaries using population information
مجموعه داده های فضایی را ترکیب و مقایسه کنید
Combine and compare spatial datasets
ارزیابی سرسبزی شهری
Urban greenery assessment
محاسبه آمار محلی
Computing local statistics
داده های فضایی باز در مورد شهر نیویورک را به دست آورید
Acquire open geospatial data about New York City
تبدیل داده های جدولی به مکانی
Turning tabular data into geospatial
مرزهای اداری محله های نیویورک را کاوش کنید
Explore the administrative boundaries of the NYC neighborhoods
نتیجه گیری
Conclusion
ادامه با علم داده های جغرافیایی
Continuing on with geospatial data science
میلان یانوسوف دانشمند داده، نویسنده و بنیانگذار مشاوره داده های جغرافیایی است.
با پیشینه فیزیک و بیوفیزیک، میلان در سال 2020 مدرک دکترای خود را در علوم شبکه و داده گرفت. او در دانشگاه Eötvös Loránd و دانشگاه اروپای مرکزی در بوداپست، در آزمایشگاه Barabási در بوستون، و آزمایشگاه Bell در کمبریج مطالعه و تحقیق کرد. . او نویسنده ضرورت های علم داده های جغرافیایی: 101 نکته و ترفند عملی پایتون است و کار او در تحقیقات علوم اجتماعی طبیعت، GQ، آموزش عالی تایمز، نیو ساینتیست، نیویورک ارائه شده است. Times، TechXplore، The Economic Times، Futurismو موارد دیگر.
نمایش نظرات