دوره آموزشی یادگیری جامع تحلیل دادههای جغرافیایی
1 ساعت 49 دقیقهپیشرفته2024-09-04
مدرسین

Milan Janosov, Ph.D.
جزئیات دوره
مقدار دادههای مکانی – اطلاعاتی که به مختصات جغرافیایی پیوست شدهاند – به شکل شگفتانگیزی زیاد است و دامنه آن از لاگهای GPS که تلفنهای همراه جمعآوری میکنند تا نقشههای آنلاین و اپلیکیشنهای ناوبری گسترش مییابد و حتی شامل تصاویر ثبتشده توسط ماهوارههایی میشود که به دور زمین میچرخند. این دادهها بخش مهمی از زندگی دیجیتال مدرن را تشکیل میدهند و به ما کمک میکنند تا جهان اطراف خود را بهتر بشناسیم، مسیریابی کنیم و تحلیلهای دقیقتری انجام دهیم. این دوره آموزشی به هدف برقراری ارتباط بین این دادههای گسترده و کاربردهای روزمره طراحی شده است و یک دیدگاه جامع از صنعت دادههای جغرافیایی ارائه میدهد. با مربی این دوره، میلان یانوشوف، همراه شوید و در یک تجربه عملی، به بررسی، بصریسازی و تحلیل دادههای مکانی با استفاده از چندین ابزار علم داده مبتنی بر پایتون بپردازید.
اهداف یادگیری
آشنایی با مفاهیم اصلی: در این بخش، شما با مفاهیم کلیدی در علم دادههای مکانی آشنا میشوید. از اصول پایه گرفته تا تفاوتهای بین انواع مختلف ابزارها، منابع داده و موارد استفاده در این حوزه.
شناخت ابزارها و منابع داده: شما با ابزارهایی مانند Shapely، GeoPandas، و Matplotlib که از ابزارهای کلیدی در پردازش و تحلیل دادههای مکانی هستند آشنا خواهید شد. همچنین، منابع باز مانند OpenStreetMap که یکی از محبوبترین منابع دادههای مکانی است نیز معرفی میشود.
کاربرد عملی ابزارها: شما یاد میگیرید چگونه اطلاعات هندسی را به اشیاء پایتون تبدیل کنید و با استفاده از این ابزارها، تجزیه و تحلیلهای ساده و همچنین وظایف بصریسازی دادهها را انجام دهید.
استفاده از دادههای واقعی: دوره همچنین شما را با دادههای واقعی و منابع معتبر آشنا میکند تا بتوانید تمرینهای عملی و پروژههای واقعی را به پایان برسانید.
تمرینات پیشرفته: در پایان، با یک تمرین پیچیدهتر روبرو خواهید شد که از ابزارهایی که در طول دوره آموختهاید، استفاده میکند و دانش شما را در یک پروژه کامل میسنجد.
این دوره برای کسانی که علاقهمند به کسب مهارتهای پیشرفته در زمینه علم دادههای جغرافیایی هستند، به ویژه برای افرادی که به دنبال تجزیه و تحلیل دادههای مکانی و ارائه راهحلهای مبتنی بر داده برای مسائل دنیای واقعی میباشند، بسیار مناسب است.
اهداف یادگیری
آشنایی با مفاهیم اصلی: در این بخش، شما با مفاهیم کلیدی در علم دادههای مکانی آشنا میشوید. از اصول پایه گرفته تا تفاوتهای بین انواع مختلف ابزارها، منابع داده و موارد استفاده در این حوزه.
شناخت ابزارها و منابع داده: شما با ابزارهایی مانند Shapely، GeoPandas، و Matplotlib که از ابزارهای کلیدی در پردازش و تحلیل دادههای مکانی هستند آشنا خواهید شد. همچنین، منابع باز مانند OpenStreetMap که یکی از محبوبترین منابع دادههای مکانی است نیز معرفی میشود.
کاربرد عملی ابزارها: شما یاد میگیرید چگونه اطلاعات هندسی را به اشیاء پایتون تبدیل کنید و با استفاده از این ابزارها، تجزیه و تحلیلهای ساده و همچنین وظایف بصریسازی دادهها را انجام دهید.
استفاده از دادههای واقعی: دوره همچنین شما را با دادههای واقعی و منابع معتبر آشنا میکند تا بتوانید تمرینهای عملی و پروژههای واقعی را به پایان برسانید.
تمرینات پیشرفته: در پایان، با یک تمرین پیچیدهتر روبرو خواهید شد که از ابزارهایی که در طول دوره آموختهاید، استفاده میکند و دانش شما را در یک پروژه کامل میسنجد.
این دوره برای کسانی که علاقهمند به کسب مهارتهای پیشرفته در زمینه علم دادههای جغرافیایی هستند، به ویژه برای افرادی که به دنبال تجزیه و تحلیل دادههای مکانی و ارائه راهحلهای مبتنی بر داده برای مسائل دنیای واقعی میباشند، بسیار مناسب است.
مهارت ها
GISPythonEssential TrainingAECProgramming LanguagesData ScienceOpen SourceSoftware Development
سرفصل ها
0. مقدمه
- 01 - تجزیهوتحلیل دادههای مکانی
- 02 - آنچه باید بدانید
1. مبانی نظری
- 03 - دادههای جغرافیایی چیست
- 04 - هوش مکانی چیست
- 05 - منابع دادههای جغرافیایی
- 06 - موارد استفاده از دادههای جغرافیایی
2. هندسهها و GeoDataFrames
- 07 - اصول اولیه GeoPandas
- 08 - ورود به GeoPandas
- 09 - هندسه چیست
- 10 - هندسههای پایه
- 11 - عملیات هندسه
3. GeoPandas Deep Dive
- 12 - اولین GeoDataFrame خود را از ابتدا ایجاد کنید
- 13 - توابع و محاسبات ساده
- 14 - تجسم دادههای مصنوعی با GeoPandas
- 15 - تجسم دادههای نمونه با GeoPandas
- 16 - پیشبینی نقشه
4. تجزیهوتحلیل دادههای مکانی اکتشافی
- 17 - دادههای مکانی باز در مورد شهر نیویورک به دست آورید
- 18 - مرزهای اداری محلههای نیویورک را کاوش کنید
- 19 - مجموعه دادههای فضایی را ترکیب و مقایسه کنید
- 20 - با استفاده از اطلاعات جمعیت، مرزهای اداری را غنی کنید
- 21 - محاسبه آمار محلی
- 22 - تبدیل دادههای جدولی به مکانی
- 23 - ارزیابی سرسبزی شهری
نتیجه گیری
- 24 - ادامه با علم دادههای جغرافیایی
دوره های مرتبط
- دوره آموزشی تحلیل پیشرفته دادههای مکانی در پایتون
- دوره آموزشی یادگیری ماشین و آمار فضایی در پایتون
- دوره آموزشی نوشتن اسکریپت پایتون با استفاده از ArcGIS API برای پایتون
- دوره آموزشی تحلیل دادههای پهپاد با Drone2Map و ArcGIS Online
- دوره آموزشی مبانی سیستمهای اطلاعات جغرافیایی (GIS)
- دوره آموزشی دوره آموزشی تجزیه و تحلیل داده های شطرنجی جغرافیایی در پایتون
- دوره آموزشی پروژه عملی PostgreSQL: علم داده فضایی
- دوره آموزشی تحلیل پیشرفته QGIS با استفاده از هوش مصنوعی و یادگیری ماشین