Szkolenie dostępne na zamówienie

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)

Poziom zaawansowania:

Kod kursu:GEOAI/ADV

machine-learningaiqgis

Dostępne terminy

  • Termin
  • Trener
  • Cena
  • Zapis
  • Lokalizacja
Brak dostępnych terminów

Forma szkolenia

Interesuje Cię szkolenie stacjonarne?

Dostępne terminy

Interesują Cię inne terminy?

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

Pobierz program w PDF

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