لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش تحلیل پیشرفته دادههای مکانمند (Geospatial) با پایتون
- آخرین آپدیت
دانلود Advanced Geospatial Data Analytics in Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در این دوره، میلان یانوسوف، متخصص شناختهشده جهانی، به بررسی علم دادههای مکانمند پیشرفته با استفاده از پایتون میپردازد و شما را به ابزارهایی مجهز میکند تا مشکلات دنیای واقعی را در بخشهای مختلف حل کنید. بیاموزید که چگونه دادههای جغرافیایی را دستکاری، مدلسازی و بصریسازی کنید. با پیچیدگیهای ایندکسگذاری مکانی (Spatial Indexing) آشنا شوید و یاد بگیرید چگونه از ژئوکدینگ برای تبدیل آدرسهای متنی به مختصات مکانی استفاده کنید. در مهارتهای پیچیدهتر غرق شوید و درک خود را از دادههای زمانی-مکانی (Spatio-temporal) افزایش دهید تا بتوانید تغییرات را در طول زمان ردیابی کنید. از طریق مثالها و تمرینهای عملی، از جمله یک پلتفرم قدرتمند برای ساخت خط لولههای تحلیلی مکانمند موثر، تجربه کسب کنید. پس از اتمام این دوره، شما پایهای محکم و تخصص ارتقایافتهای در علم دادههای مکانمند مبتنی بر پایتون خواهید داشت و آماده خواهید بود تا مدلها و تحلیلهای مکانی پیشرفته را در هر محیط حرفهای یا پژوهشی اجرا کنید.
سرفصل ها و درس ها
مقدمه
Introduction
مهارتهای اصلی پوشش داده شده
Core skills covered
زمین در کد: گردش کارهای پیشرفته مکانمند در پایتون
Earth in code: Advanced geospatial workflows in Python
1. تبدیل بین فرمتها و رزولوشنهای دادههای مکانی
1. Converting between Spatial Data Formats and Resolutions
توصیف دادهها: دادههای برداری (Vector)
Data description: Vector data
تبدیل دادههای رستری به شبکه برداری
Turning the raster data into a vector grid
کاهش نمونهبرداری رستری (Downsampling)
Raster downsampling
توصیف دادهها: دادههای رستری (Raster)
Data description: Raster data
رستری کردن دادههای برداری
Rasterizing vector data
آمار منطقهای (Zonal Statistics): مبانی
Zonal statistics: The basics
مرور کلی فصل اول
Chapter 1 overview
2. ایندکسگذاری مکانی
2. Spatial Indexing
نگاشت نقاط داده ارتفاعی نقشه به ششضلعیها
Map elevation data points into hexagons
مقدمهای بر ایندکسگذاری مکانی
Introduction to spatial indexing
کار عملی با H3
Getting hands-on with H3
بصریسازی شبکههای H3
Visualizing H3 grids
مرور کلی فصل دوم
Chapter 2 overview
3. تحلیل دادههای زمانی-مکانی
3. Analyzing Temporal Spatial Data
تشخیص تغییرات در دادههای رستری
Change detection on raster data
مرور کلی دادههای زمانی-مکانی
Overview of spatio-temporal data
خواندن و بصریسازی دادههای NetCDF
Read and visualize NetCDF data
گردآوری دادهها
Data acquisition
بصریسازی تغییرات زمانی در دادههای مکانی
Visualize the temporal changes in spatial data
پیشپردازش دادهها
Data preprocessing
مرور کلی فصل سوم
Chapter 3 overview
NetCDF: یک فرمت فایل پیشرفته
NetCDF: An advanced file format
4. ژئوکدینگ و تصویرسازیهای پیشرفته نقشه
4. Geocoding and Advanced Map Projections
تصویرسازیهای پیشرفته نقشه با استفاده از Pyproj
Advanced map projections using Pyproj
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