Zastosowania uczenia maszynowego dla danych teledetekcyjnych i geoprzestrzennych
Szkolenie "Zastosowania uczenia maszynowego dla danych teledetekcyjnych i geoprzestrzennych" obejmuje przykładowe techniki uczenia maszynowego i uczenia głębokiego do analizy danych geoprzestrzennych i teledetekcyjnych. Uczestnicy zdobędą praktyczną wiedzę z zakresu przetwarzania danych geoprzestrzennych, fotogrametrii, analizy obrazów satelitarnych oraz danych 3D. Szkolenie koncentruje się na przetwarzaniu, klasyfikacji, segmentacji i detekcji obiektów z wykorzystaniem klasycznych metod uczenia maszynowego oraz technik uczenia głębokiego.
2550 PLN+23% VAT (3136 PLN brutto / 1 os.)Czas trwania szkolenia:3 dni (24h)
Kod kursu:GEOAI/ADV
Zastosowania uczenia maszynowego dla danych teledetekcyjnych i geoprzestrzennych
Cele szkolenia
Zapoznanie się z podstawowymi pojęciami i typami danych geoprzestrzennych oraz teledetekcyjnych
Nabycie podstawowych umiejętności pracy z danymi geoprzestrzennymi i 3D w narzędziach takich jak QGIS i CloudCompare
Przetwarzanie i ekstrakcja cech z obrazów satelitarnych i danych rastrowych
Wykorzystanie klasycznych algorytmów uczenia maszynowego do klasyfikacji i segmentacji danych geoprzestrzennych
Zastosowanie głębokiego uczenia do klasyfikacji i segmentacji obrazów satelitarnych
Analiza czasowa i monitoring zmian w danych teledetekcyjnych oraz praca z danymi wielo- i hiperspektralnymi
Przetwarzanie i analiza chmur punktów oraz algorytmy uczenia maszynowego dla danych 3D
Wykorzystanie metod nienadzorowanego uczenia do analizy skupień i detekcji anomalii w danych geoprzestrzennych
Dla kogo?
Osoby z branży IT i AI, którzy chcą poszerzyć swoją wiedzę w zakresie analizy danych geoprzestrzennych i teledetekcji
Inżynierowie uczenia maszynowego zainteresowani aplikacją swoich umiejętności w kontekście danych geoprzestrzennych
Osoby pracujące w sektorze geoinformacji, które chcą dowiedzieć się, jak stosować uczenie maszynowe i głębokie uczenie do przetwarzania i analizy danych geoprzestrzennych
Zalety
Szkolenie "Zastosowania uczenia maszynowego dla danych teledetekcyjnych i geoprzestrzennych" oferuje kompleksowe wprowadzenie do analizy danych geoprzestrzennych, zarówno przy użyciu klasycznych metod uczenia maszynowego, jak i nowoczesnych technik głębokiego uczenia
Praktyczne ćwiczenia z narzędziami, takimi jak QGIS, CloudCompare, i Python, zapewniają uczestnikom możliwość bezpośredniego zastosowania zdobytej wiedzy
Uczestnicy szkolenia "Zastosowania uczenia maszynowego dla danych teledetekcyjnych i geoprzestrzennych" nauczą się analizować dane 3D, dane czasowe oraz obrazy wielospektralne i hiperspektralne
Szkolenie kładzie nacisk na rzeczywiste zastosowania, co pozwala na bezpośrednie przeniesienie zdobytych umiejętności do projektów zawodowych
Wymagania
Dobra znajomość programowania w Pythonie.
Podstawowa wiedza na temat klasycznego uczenia maszynowego i uczenia głębokiego
Ogólne zrozumienie danych geoprzestrzennych i teledetekcji będzie pomocne, ale nie jest wymagane
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Program
Wprowadzenie do danych geoprzestrzennych i teledetekcji
Podstawowe definicje
Typy danych rastrowych i wektorowych
Podstawowe formaty plików
Podstawy teledetekcji
Wstep do fotogrametrii
Źródła danych geoprzestrzennych i narzędzia do pracy z nimi
Przykładowe źródła danych
Podstawowa analiza danych przestrzennych w QGIS
Analiza danych 3D w CloudCompare
Przetwarzanie i ekstrakcja cech z danych geoprzestrzennych
Czyszczenie i przetwarzanie danych geoprzestrzennych
Ekstrakcja cech z obrazów satelitarnych
Klasyczne uczenie maszynowe na danych geoprzestrzenych i teledetekcyjnych
Klasyfikacja danych przestrzennych
Segmentacja danych rastrowych
Zastosowania metod do rzeczywistego zbioru danych
Deep learning dla danych teledetekcyjnych
Klasyfikacja obrazów satelitarnych z wykorzystaniem splotowych sieci neuronowych (CNN)
Techniki detekcji obiektów
Segmentacja semantyczna w obrazach geoprzestrzennych
Praktyczne przykłady
Inne metody analizy danych w teledetekcji
Analiza czasowa i monitoring zmian
Modelowanie szeregów czasowych
Analiza obrazów wielo- i hiperspektralnych
Uczenie maszynowe na danych 3D
Przetwarzanie chmur punktów
Algorytmy uczenia maszynowego dla danych 3D
Uczenie nienadzorowane dla danych geoprzestrzennych
Metody analizy skupień
Detekcja anomalii w danych geoprzestrzennych