بالاترین کیفیت
دوره جامع کار با داده ها مکانی با زبان برنامه نویسی R، شامل تصاویر ماهواره ای، داده های وکتوری همانند Shapefile و مدل های رقومی ارتفاعی، حاصل چندین سال تجربه مدرس در حوزه سنجش از دور و سیستم اطلاعات جغرافیایی و همچنین کار با انواع زبان های برنامه نویسی می باشد. بی شک جامع ترین و پرمحتوا ترین دوره از لحاظ مطالب آموزشی بوده به نحوی که تمامی مواردی که یک متخصص سنجش از دور و سیستم اطلاعات جغرافیایی نیاز دارد در این محصول که بیش از 35 ساعت می باشد، گنجانده شده است.
این دوره به صورت مقدماتی تا پیشرفته تهیه شده است تا مخاطبان بدون نیاز به هیچ پیش نیازی از این دوره استفاده کنند. در این محصول از تصاویر بیش از 10 ماهواره مختلف با انواع مختلف فرمت ها و همچنین از ده ها شیپ فایل مختلف بومی استفاده شده است. تمامی مطالبی که در بخش سرفصل ها یاد شده است کاملا به صورت تئوری و عملی ایجاد شده است تا مخاطبان علاوه بر یادگیری عملی، از لحاظ تئوریکی نیز بر مطالب مسلط شوند.
کیفیت ضبط صدای این آموزش به صورت استودیو ای بوده به نحوی که مخاطب بتواند بیشترین بهره را از آموزش برده باشد.
دلیل استفاده از برنامه نویسی R برای این دوره این می باشد که این زبان بهترین زبان برای کار با داده های مکانی بوده به صورتی که در بازار کار بیشترین تقاضا را دارا می باشد. از نکات بارز این دوره آشنا کردن مخاطب با بازار کار و همچنین نیاز بازار کار می باشد که در تهیه این دوره بسیار دخیل بوده و سعی شده تا بر اساس نیاز بازار کار ایجاد شود.
سرفصل ها به صورت اصولی طراحی شده است تا همواره حس یادگیری را بر مخاطب داشته باشد.
تیزر معرفی دوره:
یکی از فیلم های همین دوره:
در این ویدئو 📺 مدرس دوره، هادی امامی توضیح می دهد که چرا زبان R یکی از محبوب ترین زبان های برنامه نویسی در علوم مکانی 🌏 است؟
مدرس این دوره کیست؟
- هادی امامی
- کارشناس سنجش از دور و پردازش تصاویر ماهواره ای
- دارنده مدرک کارشناسی ارشد سنجش از دور از دانشگاه شهید بهشتی
- دارنده مدرک علوم کامپبوتر از دانشگاه هاروارد آمریکا
- نخستین مدرس تخصصی کاربرد زبان برنامه نویسی پایتون در سنجش از دور
- طراح و مدرس بیش از 20 آموزش تخصصی سنجش از دور
- دارنده چندین مقاله معتبر در زمینه سنجش از دور و سیستم اطلاعات جغرافیایی
سرفصل های آموزشی:
👈 بخش اول : آشنایی با زبان برنامه نویسی R
🚩 فصل اول: مقدمه
-
- Data Analysis یا تحلیل داده چیست؟
- بازار کار حیطه سنجش از دور و سیستم اطلاعات جغرافیایی
- برنامه نویسی حوزه سنجش از دور و سیستم اطلاعات جغرافیایی
- زبان برنامه نویسی R چیست؟
- مزایا و معایب زبان R
- بازار کار و کاربردهای زبان برنامه نویسی R
🚩 فصل دوم: R & RStudio
-
- نصب R & RStudio
- کار با محیط R & RStudio
- کار با انواع پکیج ها در RStudio
🚩 فصل سوم: انواع Data Type ها در R
🚩 فصل چهارم: Data Structure یا ساختار داده ها در R
🚩 فصل پنجم: ساختارهای شرطی در R
🚩 فصل ششم: Input Output ها در R
👈 بخش دوم : پردازش تصاویر ماهواره ای
🚩 فصل هفتم: مقدمه ای بر داده های رستری در R
-
- رستر و وکتور
- پردازش داده های Landsat در R
- پردازش داده های MODIS در R
- پردازش داده های Sentinel 2 در R
- پردازش داده های GeoEye در R
🚩 فصل هشتم: تصحیحات رادیومتریکی و اتمسفری در R
-
- تئوری تصحیحات رادیومتریکی و اتمسفری
- کار با داده های ابرداده
- نحوه فراخوانی داده ها بر اساس فایل های متادیتا
- تبدیل DN به Radiance
- تبدیل DN به Top of Atmosphere
- تبدیل DN به Reflectance
🚩 فصل نهم: بارزسازی تصاویر یا Image Contrast Enhancement
-
- بارزسازی با الگوریتم Linear Contrast Stretch
- بارزسازی با الگوریتم Minimum Maximum Linear
- بارزسازی با الگوریتم Percentage linear Contrast
- بارزسازی با الگوریتم Nonlinear Contrast
- بارزسازی با الگوریتم Histogram Equalization
- بارزسازی با الگوریتم Square root contrast
- بارزسازی با الگوریتم Logarithmic Contrast
- بارزسازی با الگوریتم Gaussian Stretching
🚩 فصل دهم: Image Subset ها
-
- برش طیفی تصاویر ماهواره ای
- برش مکانی تصاویر ماهواره ای
- برش تصاویر با استفاده از shapefile
- برش تصاویر با استفاده از Extent
- برش تصاویر با استفاده از Raster
- برش تصاویر با استفاده از Cell Numbers
- برش خارجی تصاویر ماهواره ای
🚩 فصل یازدهم: اطلاعات آماری تصاویر ماهواره ای یا Raster Statistics
-
- کار با هیستوگرام تصاویر ماهواره ای
- مقایسه طیفی انواع باندها
- کار با انواع پلات ها
- Density Plot
- Violin Plot
- استخراج مقادیر پیکسل ها از تصاویر ماهواره ای
- Zonal Statistics
- محاسبات آماری باندها
- محاسبات آماری پیکسل ها
🚩 فصل دوازدهم: نمونه برداری مجدد یا Resampling
-
- Spatial Upsampling
- Spatial Downsampling
- Bilinear Interpolation
- Nearest Neighbor Interpolation
- Radiometric Resampling
- Spatial Aggregation
- Spatial Aggregation with Mode – Min – Max Algorithm
🚩 فصل سیزدهم: فیلترهای مکانی Spatial Filters
-
- مقدمه و تئوری فیلترها
- فیلترهای پایین گذر
- Mean Filter
- Median Filter
- Mode Filter
- Gaussian Filter
- فیلترهای بالا گذر
- Edge Enhancement filter
- Linear Edge Filter
- Prewit Filter
- Sobel Filter
- Laplacian Filter
- Diagonal Filter
- Customized Filter
🚩 فصل چهاردهم: تبدیلات یا Transforms
-
- مقدمه ای بر شاخص های طیفی
- محاسبه بیش از 40 نوع شاخص برای انواع کاربردها
- Raster Algebra
- آشنایی با روش های آستانه گذاری
- Density Slicing
- محاسبه شاخص Tasseled Cap
- تجزیه تحلیل مولفه های اصلی (PCA)
- مقدمه ای بر شاخص های طیفی
🚩 فصل پانزدهم: ادغام تصاویر یا Image Fusion
-
- Brovey Method
- PCA Method
- HIS Method
🚩 فصل شانزدهم : طبقه بندی بدون نظارت
-
- تئوری روش های طبقه بندی بدون نظارت
- روش K-means
- روش CLARA
- روش RF
🚩 فصل هفدهم: کار با داده های رقومی ارتفاع (DEM)
-
- مقدمه و نمایش داده های ارتفاعی
- نمایش سه بعدی داده های ارتفاعی 3D
- محاسبه Slope یا شیب
- محاسبه Aspect یا جهت شیب
- محاسبه Curvature و انواع آن
- محاسبه Hillshades
- محاسبه Roughness
- محاسبه جهت جریان یا Flow Direction
- محاسسبه شاخص های ارتفاعی
- Topographic Position Index (TPI)
- Terrain Ruggedness Index (TRI )
👈 بخش سوم: یادگیری ماشین در علوم مکانی
🚩 فصل هجدهم: طبقه بندی با نظارت
-
- مقدمه جامع طبقه بندی نظارت شده
- نمونه برداری داده نعلیمی
- کار با محیط Google Earth Engine برای نمونه برداری داده ها
- طبقه بندی با الگوریتم Maximum Likelihood
🚩 فصل نوزدهم: روش Logistic Regression
-
- کار با داده های CSV
- طبقه بندی با استفاده از روش Logistic Regression
- صحت سنجش و اعتبار سنجی داده ها
🚩 فصل بیستم: روش SVM
-
- تعلیم مدل جهت آموزش
- جداسازی داده ها به صورت Test و Train
- طبقه بندی با استفاده از روش Support Vector Machine
- اعتبار سنجی طبقه بندی
🚩 فصل بیست و یکم: روش Random Forest
-
- تعلیم مدل جهت آموزش
- جداسازی داده ها به صورت Test و Train
- یافتن بهترین باندها برای طبقه بندی
- محاسبه بهترین درخت طبقه بند کننده
- طبقه بندی با استفاده از روشRandom Forest
- ارتباط بین کلاس ها و باندها
- نمودار تطبیق باندها با کلاس ها
- اعتبار سنجی روش جنگل تصادفی
👈 بخش چهارم : کاربا داده های وکتوری
🚩 فصل بیست و دوم : داده های وکتوری Shapefile
-
- مقدمات داده های وکتوری
- توضیح انواع فرمت های یک shapefile
- نمایش متادیتای شیپفایل ها و نمایش shapefile
- نمایش انواع شیپفایل ها بر روی هم
- کار با جداول اطلاعات توصیفی در R
- نمایش شیپفایل بر اساس اطلاعات توصیفی
- Symbologhy و Labels شیپفایل ها
- تبدیل جداول به شیپفایل
- خروجی گرفتن از شیپفایل
🚩 فصل بیست و سوم: ابزارهای Geoprocessing
-
- کار با Metadata شیپفایل ها
- Join Attribute
- Crop by Extent
- Buffer
- Union
- Intersect
- Erase
🚩 فصل بیست و چهارم : تولید نقشه های موضوعی. Layout
-
- تولید نقشه موضوعی با Spplot
- ایجاد نقشه جمعیت
- ایجاد نقشه کاربری اراضی
- ایجاد نقشه ناحیه بندی
- ایجاد نقشه محلات
- کار با انواع Color Palette ها
- ایجاد راهنما بر روی نقشه ها
- رسم جهت شمال و مقیاس بر روی نقشه ها
- ایجاد نقشه Heat Map
- ایجاد نقشه Topographic Map
- ایجاد نقشه بارش
- Layout گیری نقشه ها
توضیحات آموزش:
این آموزش به صورت جامع طراحی شده است و کاربردی نیست که از آن در این دوره یاد نشده باشد. در این دوره انواع مختلف پروژه ها طراحی و ایجاد شده است تا بتواند سهم عمده ای از مطالب در علوم مکانی را پوشش دهد.
در این محصول آموزشی از انواع مختلف تصاویر ماهواره ای استفاده شده است. از تصاویری همچون، مودیس، لندست، ژئوآی، اسپات، سنتینل2، و همچنین از مدل های رقومی ارتفاعی مختلف استفاده شده است. همچنین از انواع مختلف شیپ فایل ها برای کار با داده های وکتوری نیز استفاده شده است.
در این محصول، از زبان برنامه نویسی R و همچنین محیط توسعه RStudio استفاده شده است. یکی از محبوب ترین زبان های برنامه نویسی در سطح جهان که در زمینه علوم مکانی حرف اول را می زند. قدرت این زبان از استفاده شرکت های مطرح دنیا از این زبان گویا است.
به طوری که شرکت های مطرحی همچون گوگل، فیسبوک، توئیتر، فورد، ماکروسافت از این زبان استفاده می نمایند همچنین بهترین زبان در حوزه هوش مصنوعی و یادگیری ماشین بر اساس آمار گیت هاب می باشد. همچنین این زبان به عنوان زبان آمار نیز شناخته می شود و در زمینه آمار و اطلاعات نیز بهترین گزینه برنامه نویسی، زبان R می باشد.
از این رو این زبان در زمینه سنجش از دور و سیستم اطلاعات جغرافیایی نیز بسیار پرکاربرد است.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.