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

نمایش نظرات

آموزش ضروری تجزیه و تحلیل داده های جغرافیایی
جزییات دوره
1h 57m
24
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
2,451
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Milan Janosov, Ph.D. Milan Janosov, Ph.D.

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.