آموزش یادگیری ماشین در سنجش از دور :نگاهی به خودکارسازی سیستم ها(درک و استفاده از یادگیری ماشین و یادگیری عمیق برای وظایف مکانی (GIS و سنجش از دور) در QGIS و ArcGIS)
چیزی که یاد خواهید گرفت
-
اصول یادگیری ماشین و یادگیری ماشین در GIS را به طور کامل درک کنید
-
محبوب ترین ابزارهای نرم افزاری متن باز GIS و سنجش از راه دور (QGIS، SCP، جعبه ابزار OTB) را بیاموزید.
-
نرم افزار GIS پیشرو در بازار ArcGIS (ArcMap) و ArcGIS Pro را بیاموزید
-
با یادگیری نظارتی و بدون نظارت و کاربردهای آنها در GIS آشنا شوید
-
طبقه بندی تصاویر یادگیری ماشینی را در QGIS و ArcGIS اعمال کنید
-
تقسیم بندی و تجزیه و تحلیل تصویر مبتنی بر شی را در QGIS و ArcGIS اجرا کنید
-
یادگیری و اعمال مدل رگرسیون برای وظایف GIS
-
پیشرفتهای اصلی در زمینه هوش مصنوعی، یادگیری عمیق و یادگیری ماشین را در GIS درک کنید
-
دو پروژه مستقل در زمینه یادگیری ماشینی و یادگیری عمیق را تکمیل کنید
-
اصول یادگیری عمیق را به عنوان بخشی از یادگیری ماشین درک کنید
-
استفاده از الگوریتم های یادگیری عمیق، مانند شبکه های عصبی کانولوشن، در GIS با ArcGIS Pro
الزامات
-
دانش اولیه دستکاری داده های مکانی (تصویر) یک مزیت خواهد بود اما الزامی نیست
-
این دوره با استفاده از نسخه QGIS رایانه شخصی ویندوز نشان داده خواهد شد. کاربران مک و لینوکس باید دستورالعمل ها را با سیستم عامل خود تطبیق دهند.
-
دسترسی به ArcGIS (نسخه Pro 2.5 و ArcMAp 10.6 یا بالاتر): نسخه آزمایشی رایگان موجود در وب سایت ESRI
شرح
این دوره به منظور تجهیز شما به دانش نظری و عملی یادگیری ماشین و یادگیری عمیق در QGIS و ArcGIS که برای تجزیه و تحلیل مکانی، یعنی سیستمهای اطلاعات جغرافیایی (GIS) و سنجش از دور استفاده میشود، طراحی شده است. در پایان دوره، شما احساس اطمینان خواهید کرد و کاملاً کاربردهای ماشین و یادگیری عمیق در فناوری سنجش از دور و GIS و نحوه استفاده از الگوریتمهای یادگیری عمیق ماشین و یادگیری عمیق برای کارهای مختلف سنجش از دور و GIS، مانند کاربری زمین و پوشش زمین را درک خواهید کرد. نقشه برداری (طبقه بندی) و تجزیه و تحلیل تصویر مبتنی بر شی (بخش بندی، تشخیص اشیا) و مدل سازی رگرسیون در نرم افزارهای QGIS و ArcGIS. این دوره همچنین شما را برای استفاده از GIS با ابزارهای متن باز و رایگان (QGIS) و یک نرم افزار پیشرو در بازار (ArcGIS) آماده می کند.
این دوره آموزشی طراحی شده است تا کاربرانی را که از QGIS و ArcGIS برای تجزیه و تحلیل دادههای جغرافیایی پایه/GIS/Remote Sensing استفاده میکنند، به انجام کارهای پیشرفتهتر تجزیه و تحلیل مکانی از جمله تجزیه و تحلیل تصویر مبتنی بر شی با استفاده از انواع دادههای مختلف و استفاده از یادگیری عمیق و وضعیت یادگیری ماشینی ببرد. الگوریتم های هنری علاوه بر اینکه شما را در QGIS برای تجزیه و تحلیل داده های مکانی مهارت می دهد، با یک جعبه ابزار پردازش قدرتمند دیگر – Orfeo Toolbox و با قابلیت های هیجان انگیز ArcMap و ArcGIS PRO آشنا خواهید شد!
در این دوره، شما قادر خواهید بود از الگوریتمهای یادگیری ماشینی مانند جنگل تصادفی، ماشینهای بردار پشتیبان، درختان تصمیم، شبکههای عصبی کانولوشنال (و غیره) برای سنجش از راه دور و وظایف مکانی استفاده کنید. شما همچنین یاد خواهید گرفت که چگونه مدل سازی رگرسیون را برای وظایف GIS در ArcGIS انجام دهید. علاوه بر آن، با تکمیل دو پروژه مستقل GIS با کاوش در قدرت یادگیری ماشین و تحلیل یادگیری عمیق در QGIS و ArcGIS، GIS و سنجش از دور را تمرین خواهید کرد.
این دوره با سایر منابع آموزشی متفاوت است. هر سخنرانی به دنبال افزایش مهارت های GIS و سنجش از دور شما به شیوه ای قابل اثبات و آسان است و راه حل های عملی قابل اجرا را در اختیار شما قرار می دهد. شما میتوانید با مهارتهای پیشرفته GIS و سنجش از دور و دانش خود در مورد روشهای مکانی پیشرفته، تجزیه و تحلیل دادههای مکانی را برای پروژههای خود شروع کنید و از کارفرمایان آینده خود قدردانی کنید.
این دوره برای حرفه ای ها مانند جغرافیدانان، برنامه نویسان، دانشمندان علوم اجتماعی، زمین شناسان، کارشناسان GIS و سنجش از دور، و همه کارشناسان دیگری که نیاز به استفاده از نقشه ها در زمینه خود دارند و مایلند در مورد یادگیری ماشین در GIS بیشتر بیاموزند، ایده آل است.
یکی از بخش های مهم دوره، تمرینات عملی است. دستورالعمل ها و مجموعه داده های دقیقی برای ایجاد نقشه ها بر اساس الگوریتم های یادگیری ماشین با استفاده از ابزارهای نرم افزاری QGIS و ArcGIS به شما داده می شود.
این دوره برای چه کسانی است:
- این دوره برای حرفه ای ها مانند جغرافیدانان، برنامه نویسان، دانشمندان علوم اجتماعی، زمین شناسان و همه کارشناسان دیگری که نیاز به استفاده از نقشه ها در زمینه خود دارند و مایلند در مورد تجزیه و تحلیل جغرافیایی (GIS & Remote Sensing) اطلاعات بیشتری کسب کنند، ایده آل است.
سرفصل دوره آموزش یادگیری ماشین و سنجش از دور:
مقدمه ای بر سنجش از دور
کاربردهای GIS و سنجش از دور
نصب QGIS
پلاگین طبقه بندی نیمه خودکار برای QGIS
نصب پلاگین برای QGIS
مقدمه: یادگیری ماشینی
یادگیری نظارت شده و بدون نظارت (طبقه بندی) در GIS و سنجش از دور
آزمایشگاه: جمع آوری داده های تصویری در QGIS
الگوریتم های رایج طبقه بندی تصاویر
طبقه بندی پوشش زمین در ابر با استفاده از مرورگر EO
تجزیه و تحلیل رگرسیون
پیش بینی در GIS و یادگیری عمیق برای تجزیه و تحلیل داده های بزرگ
نرم افزار ArcGIS
تجزیه و تحلیل تصویر LULC بدون نظارت در ArcGIS
نصب پلاگین OTB برای QGIS
تجزیه و تحلیل تصویر بدون نظارت (K-means) در QGIS
مراحل طبقه بندی تحت نظارت LULC
آزمایشگاه: طبقهبندی تصاویر تحت نظارت با ماشینهای بردار پشتیبانی در ArcGIS
آزمایشگاه: یادگیری تحت نظارت بر اساس الگوریتم حداکثر احتمال
ایجاد داده های آموزشی برای نقشه برداری LULC در QGIS
آزمایشگاه: LULC با استفاده از الگوریتم طبقه بندی حداقل فاصله
ارزیابی دقت نقشه در QGIS
آزمایشگاه: ایجاد داده های اعتبار سنجی
آزمایشگاه: ارزیابی دقت نقشه LULC در QGIS
طبقه بندی تصادفی جنگل نظارت شده تصویر Sentinel-2 در QGIS
مقایسه جنگلهای تصادفی و درختان تصمیمگیر طبقهبندیکننده
آزمایشگاه: دانلود داده های تصویر برای تجزیه و تحلیل بخش بندی
Lad: انجام بخش بندی تصویر در ArcGIS
آزمایشگاه: تقسیم بندی تصاویر ماهواره ای در QGIS
طبقهبندی تصویر مبتنی بر شی (OBIA) در مقابل طبقهبندی تصویر مبتنی بر پیکسل
ایجاد داده های آموزشی برای طبقه بندی تصاویر مبتنی بر شی در ArcGIS
طبقه بندی تصویر مبتنی بر شی (OBIA) در ArcGIS
مدل رگرسیون: نظریه
مدلسازی OSL در GIS
مدلسازی OSL در ArcGIS
مدرس دوره :
دکتر سعید جوی زاده
09382252774
31 نظرات