Szkolenie: Zastosowania uczenia maszynowego dla danych teledetekcyjnych i geoprzestrzennych
Szkolenie z uczenia maszynowego dla danych teledetekcyjnych i geoprzestrzennych uczy analizy, przetwarzania, klasyfikacji i segmentacji danych 2D i 3D, wykorzystując klasyczne algorytmy oraz deep learning w praktycznych zastosowaniach GIS i teledetekcji
- Trenerzy praktycy
- Kameralne grupy
Czas trwania szkolenia:3 dni (24h)
Kod kursu:GEOAI/ADV
Dostępne terminy szkolenia
Termin:
Trener:
Cena:
3350 PLN netto
Lokalizacja:
ZdalneZastosowania uczenia maszynowego dla danych teledetekcyjnych i geoprzestrzennych
Cele szkolenia
Szkolenie przygotowuje do samodzielnej analizy i przetwarzania danych geoprzestrzennych oraz teledetekcyjnych z wykorzystaniem narzędzi GIS i Python
Szkolenie uczy stosowania klasycznych i głębokich metod uczenia maszynowego do klasyfikacji, segmentacji i detekcji obiektów na obrazach satelitarnych oraz danych 3D
Szkolenie rozwija umiejętność pracy z danymi wielospektralnymi, hiperspektralnymi oraz analizowania zmian czasowych w danych teledetekcyjnych
Szkolenie pokazuje, jak wykorzystywać metody nienadzorowane do analizy skupień i detekcji anomalii w danych geoprzestrzennych
Dla kogo?
Specjaliści IT i AI z doświadczeniem w programowaniu, chcący rozwijać kompetencje w analizie danych geoprzestrzennych
Inżynierowie uczenia maszynowego zainteresowani zastosowaniem ML i deep learningu w teledetekcji i GIS
Pracownicy sektora geoinformacji realizujący zadania związane z analizą i przetwarzaniem danych przestrzennych
Efekty kształcenia
Uczestnik analizuje i przetwarza dane geoprzestrzenne oraz teledetekcyjne w środowisku Python i GIS
Uczestnik stosuje klasyczne i głębokie algorytmy uczenia maszynowego do danych przestrzennych
Uczestnik segmentuje i klasyfikuje obrazy satelitarne oraz dane 3D
Uczestnik wykorzystuje narzędzia QGIS i CloudCompare do pracy z danymi przestrzennymi
Uczestnik monitoruje zmiany i analizuje dane czasowe oraz wielospektralne
Uczestnik identyfikuje skupienia i wykrywa anomalie w danych geoprzestrzennych
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 szkolenia
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
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
