لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تجزیه و تحلیل داده های شطرنجی جغرافیایی در پایتون
دانلود Geospatial Raster Data Analytics in Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
به دنبال یک نمای کلی جامع از تجزیه و تحلیل داده های شطرنجی در پایتون هستید؟ این دوره آموزشی مناسب برای دانشمندان داده و متخصصان زمین فضایی است، برای کمک به شما برای شروع استفاده از داده های برداری و ابزارهای مختلف در پایتون، مانند GeoPandas و Shapely. مربی میلان یانوسوف اصول اولیه را پوشش می دهد، از ایجاد داده های شطرنجی مصنوعی گرفته تا جمع آوری، تجسم، و اصلاح داده های شطرنجی موجود در دنیای واقعی. در طول مسیر، تجربه عملی عملی کاوش در داده های شطرنجی را هم از نظر آماری و هم از نظر بصری به دست آورید. در پایان این دوره، شما به مهارت های مورد نیاز برای نمونه برداری مجدد و بازپخش داده های شطرنجی، ترکیب داده های شطرنجی تک باند در داده های شطرنجی چند باند، انجام تجزیه و تحلیل های پیشرفته بر روی داده های شطرنجی چند باند و موارد دیگر مجهز خواهید شد.
سرفصل ها و درس ها
مقدمه
Introduction
چرا تجزیه و تحلیل شطرنجی؟
Why raster analytics?
1. زمینه داده های جغرافیایی
1. The Context of Geospatial Data
خلاصه ای کوتاه از داده های مکانی و تجزیه و تحلیل
Brief recap on geospatial data and analytics
مروری بر داده های شطرنجی
Overview of raster data
اکتساب داده
Data acquisition
2. مبانی داده های رستری
2. The Basics of Raster Data
تجسم داده های شطرنجی تک باند و چند باند
Visualizing single- and multi-band raster data
ایجاد داده های شطرنجی ساختگی
Creating dummy raster data
خواندن و مشخص کردن داده های شطرنجی
Reading and characterizing raster data
ارجاع مکانی و ذخیره داده های شطرنجی
Spatial referencing and saving raster data
3. کاوش داده های شطرنجی
3. Raster Data Exploration
دادههای شطرنجی دنیای واقعی را با دادههای برداری برش دهید
Clip real-world raster data with vector data
داده های شطرنجی دنیای واقعی را بخوانید و مشخص کنید
Read and characterize real-world raster data
آمار منطقه ای در مورد داده های شطرنجی
Zonal statistics on raster data
داده های شطرنجی دنیای واقعی را تجسم کنید
Visualize real-world raster data
4. تجزیه و تحلیل پیشرفته
4. Advanced Analysis
اعمال توابع ساده بر روی داده های شطرنجی: قسمت 1
Applying simple functions on raster data: Part 1
داده های شطرنجی چند باندی ایجاد کنید
Create multiband raster data
اعمال توابع ساده بر روی داده های شطرنجی: قسمت 3
Applying simple functions on raster data: Part 3
نمونه برداری مجدد از داده های شطرنجی
Resampling raster data
بازپخش داده های شطرنجی
Reprojecting raster data
اعمال توابع پیچیده بر روی داده های شطرنجی
Applying complex functions on raster data
داده های شطرنجی دنیای واقعی را آماده کنید
Prepare real-world raster data
اعمال توابع ساده بر روی داده های شطرنجی: قسمت 2
Applying simple functions on raster data: Part 2
داده های شطرنجی ارتفاع
Elevation raster data
5. ادامه سفر یادگیری تجزیه و تحلیل Raster
5. Continuing Your Raster Analytics Learning Journey
ادامه با داده های شطرنجی
Continuing on with raster data
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