آموزش تجسم پیشرفته داده‌های مکانی با پایتون - آخرین آپدیت

دانلود Advanced Spatial Data Visualization in Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

در دنیای پیشرفته تجسم داده‌های مکانی با استفاده از پایتون گام بردارید. در این دوره با حضور میلان یانوسوف، مؤسس Geospatial Data Consulting، تجربه عملی در ایجاد نقشه‌های تعاملی، سه بعدی و زمانی را کسب کنید تا داستان‌های مکانی خود را به شکلی زنده به نمایش بگذارید.

میلان تکنیک‌های تجسم برداری (Vector) و رستری (Raster) را به صورت عملی آموزش می‌دهد و نشان می‌دهد که چگونه با استفاده از Matplotlib و Datashader، چارچوبی کامل برای داده‌های شهری و داده‌های مکانی در مقیاس بزرگ بسازید. همچنین یاد می‌گیرید که چگونه با Plotly و Folium نقشه‌های تعاملی ایجاد کنید و با استفاده از Matplotlib، Plotly و pydeck، تکنیک‌های نقشه‌برداری سه بعدی را برای نمایش هندسه‌های مکانی پیاده‌سازی نمایید. در نهایت، با انواع تجسم‌های زمانی شامل حالت‌های استاتیک، متحرک و تعاملی برای نقشه‌برداری از مجموعه‌داده‌های زمانی-مکانی آشنا خواهید شد.

این دوره پیشرفته که برای دانشمندان داده و متخصصان حوزه Geospatial طراحی شده است، بر کاربردهای واقعی و استراتژی‌های عملی برای ارزیابی و انتخاب بهترین تکنیک‌های تجسم بر اساس نوع داده و نیاز کاربر تمرکز دارد.


سرفصل ها و درس ها

مقدمه Introduction

  • معرفی دوره Course introdution

1. مرور تکنیک‌های بنیادین 1. Recap of Foundational Techniques

  • تجسم داده‌های برداری با Matplotlib Vector data visualizations with Matplotlib

  • تجسم‌های دقیق رستری: نقشه‌برداری زمین Detailed raster visualizations: Terrain mapping

2. تجسم مکانی در مقیاس‌های مختلف 2. Spatial Visualization at different scales

  • جمع‌آوری داده‌های شهری Urban data acquisition

  • استفاده از Datashader برای تجسم مجموعه‌داده‌های مکانی بزرگ Using Datashader for visualizing large geospatial datasets

  • تجسم دقیق داده‌های شهری Detailed urban data visualization

3. تجسم‌های تعاملی 3. Interactive Visualizations

  • ایجاد نقشه‌های تعاملی با Plotly Creating interactive maps with Plotly

  • ایجاد نقشه‌های تعاملی با Folium Creating interactive maps with Folium

4. تجسم سه بعدی 4. 3D Visualization

  • آشنایی با pydeck: ساخت نقشه‌های سه بعدی تعاملی Introduction to pydeck: Building interactive 3D maps

  • تجسم سه بعدی با Matplotlib 3D visualization with Matplotlib

  • تجسم سه بعدی با Plotly 3D visualization with Plotly

5. تجسم تغییرات زمانی 5. Visualizing Temporal Changes

  • تجسم زمانی با برچسب‌های زمانی استاتیک Temporal visualization with static timestamps

  • نقشه‌های تفاضلی متحرک Animated difference maps

  • اسلایدر زمانی تعاملی Interactive time slider

  • نقشه‌های متحرک جمعیت Animated population maps

جمع‌بندی Conclusion

  • گام‌های بعدی و منابع تکمیلی Next steps and additional resources

نمایش نظرات

آموزش تجسم پیشرفته داده‌های مکانی با پایتون
جزییات دوره
1h 39m
16
(آخرین آپدیت)
6,264
- 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.