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

نمایش نظرات

آموزش تجزیه و تحلیل داده های شطرنجی جغرافیایی در پایتون
جزییات دوره
2h 38m
22
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
109
- 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.