×
ribbon

پایتون مکانی: تحلیل داده‌های مکانی و مکانیابی

مدرس:

یوسف اسماعیلی

از داده‌های خام تا تحلیل مکانی و مکانیابی نیروگاه خورشیدی

محبوب کاربران
گواهی‌نامه
4.8 (16)
10 دیدگاه
145دانشجو
14ساعت
سرفصل‌ها
متوسط سطح دوره
بروزرسانیمهر ۱۴۰۵
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

اجرای یک پروژه واقعی تحلیل مکانی از آماده‌سازی داده‌ها تا تولید نتیجه نهایی

طراحی و اجرای یک مدل مکانیابی برای شناسایی مناطق مناسب احداث نیروگاه خورشیدی

ترکیب و تحلیل چندین لایه مکانی برای تصمیم‌گیری و ارزیابی میزان تناسب مناطق

تبدیل نتایج تحلیل مکانی به یک نقشه تعاملی و اپلیکیشن تحت وب

این دوره شامل:

13 ساعت ویدئو

16 سؤال سنجش و یادگیری

14 فایل ضمیمه قابل دانلود

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

11 فصل65 جلسه13 ساعت ویدیو
نصب و مرور مبانی پایتون
  نصب پایتون و آماده‌سازی محیط کدزنی
28:24
  متغیرها
10:52
  لیست
11:39
  حلقه
12:52
  دیکشنری
08:22
  تابع
13:01
  مقایسه لیست و نامپای
05:07
  نامپای
12:50
  کار با فایل‌ها (Pathlib)
08:30
  کدنویسی ماژولار
07:09
  کوییز فصل اول
04:00
ورود به دنیای داده‌های مکانی
  دانلود داده‌های برداری با QGIS
09:30
  دانلود داده‌های برداری با پایتون (بخش اول)
18:28
  دانلود داده‌های برداری با پایتون (بخش دوم)
13:14
  ساخت اکانت گوگل ارث انجین
10:29
  دانلود داده‌های رستری از گوگل ارث انجین توسط پایتون
34:53
  آشنایی با داده‌ی رستری
17:13
  آشنایی با داده‌ی برداری
07:36
کار با داده‌های برداری (Vector)
  آشنایی با داده برداری
07:45
  شروع کار با کتابخانه Shapely
12:21
  کوییز داد‌ه‌های برداری
01:00
  شروع کار با کتابخانه OSMnx
08:10
  شروع کار با کتابخانه Geopandas
16:18
  نقشه تعاملی
07:20
شناخت داده‌های رستری، مختصات و سیستم‌های مرجع
  فراخوانی داده رستری
05:55
  افاین
14:04
  سیستم مختصات
13:29
  کوییز داد‌های رستری
01:00
  رسم نمودار داده رستری
17:12
  ذخیره داده رستری
08:17
استخراج اطلاعات از تصاویر ماهواره‌ای
  انتخاب باند تصویر رستری
06:42
  شاخص NDVI و NDWI
12:33
  رسم هیستوگرام و ماسک منطقه براساس مقادیر شاخص‌ها
10:16
  کوییز شاخص‌ها
01:00
  ذخیره داده
05:20
تحلیل زمین و ویژگی‌های توپوگرافی
  فرخوانی داده تبدیل رزولوشن
11:59
  شیب
05:05
  جهت شیب
08:32
  رسم نمودار شیب، جهت شیب و هیستوگرام
14:18
  کوییز شیب و جهت شیب
01:00
  ماسک نقشه تناسب و ذخیره داده‌ها
09:09
  محاسبه سایه
08:35
تحلیل دسترسی و پردازش داده‌های مکانی
  فرخوانی داده و تحلیل Dissolve
14:23
  محاسبه طول راه‌ها براساس نوع آن
07:52
  ادغام مکانی (Spatial Join)
11:53
  تحلیل بافر
11:24
  تبدیل داده برداری به رستری و ذخیره آن
12:06
  مینی پروژه
28:15
  کوییز تحلیل‌های مکانی
02:00
هم‌ترازی و آماده‌سازی لایه‌ها
  فراخوانی داده‌ها
09:14
  خطای عدم تطابق
06:16
  هم‌ترازی داده‌ها (بخش اول)
16:46
  هم‌ترازی داده‌ها (بخش دوم)
12:45
  هم‌ترازی داده‌ها (بخش سوم)
07:39
  برش داده رستری با استفاده از داده برداری
12:58
  رسم نمودار و ذخیره داده
11:23
  کوییز بخش همترازی داده‌ها
02:00
ساخت مدل مکانیابی نیروگاه خورشیدی
  فراخوانی داده
06:39
  نرمال‌سازی داده‌ها
18:21
  محاسبه امتیاز تناسب منطقه
12:31
  رسم نمودار و ذخیره داده
13:02
  کوییز بخش مکانیابی
02:00
ساخت نقشه تعاملی
  فراخوانی داده و رسم اولین نقشه با Folium
23:42
  اضافه کردن داده برداری به نقشه
11:52
  اضافه کردن لژاندر و ذخیره نقشه
10:18
  کوییز نقشه تعاملی
02:00

پیش‌نیاز‌ها

برای شرکت در این دوره، آشنایی مقدماتی با Python و مفاهیم پایه برنامه‌نویسی مانند متغیرها، شرط‌ها، حلقه‌ها و توابع کافی است. آشنایی قبلی با GIS، سنجش‌ازدور و داده‌های مکانی مزیت محسوب می‌شود، اما الزامی نیست. مفاهیم موردنیاز در طول دوره و هم‌زمان با پیشرفت پروژه توضیح داده می‌شوند. در ابتدای دوره نیز مباحث ضروری Python و NumPy مرور می‌شوند تا دانشجو برای ورود به تحلیل داده‌های مکانی آماده شود.

توضیحات دوره

اگر با داده‌های مکانی کار می‌کنید و می‌خواهید تحلیل‌های مکانی را با Python خودتان طراحی و اجرا کنید، دوره پایتون مکانی برای شماست.

در این دوره، به‌جای یادگیری جداگانه ابزارها و دستورات، یک پروژه واقعی را از ابتدا تا انتها اجرا می‌کنید: شناسایی مناطق مناسب برای نصب پنل‌های خورشیدی در صحرای تابرناس در آلمریا، اسپانیا.

در طول پروژه با داده‌های ارتفاعی، تصاویر ماهواره‌ای، راه‌ها و شبکه برق کار می‌کنید و یاد می‌گیرید چگونه داده‌های رستری و وکتوری را آماده و تحلیل کنید، سیستم‌های مختصات را مدیریت کنید، ویژگی‌هایی مانند شیب، جهت شیب و پوشش گیاهی را استخراج کنید و لایه‌های مختلف مکانی را با یکدیگر ترکیب کنید.

در ادامه، با استفاده از یک مدل امتیازدهی مکانی، عوامل مختلف را ترکیب کرده و نقشه‌ای تولید می‌کنید که میزان مناسب بودن هر منطقه برای احداث نیروگاه خورشیدی را نشان می‌دهد. در نهایت نیز نتیجه تحلیل را به یک نقشه تعاملی و یک اپلیکیشن تحت وب تبدیل می‌کنید.

روش تدریس

دوره کاملاً پروژه‌محور و مرحله‌به‌مرحله طراحی شده است. هر مفهوم زمانی آموزش داده می‌شود که در مسیر پروژه به آن نیاز دارید؛ بنابراین به‌جای حفظ کردن دستورات، کاربرد واقعی آن‌ها را در یک مسئله مکانی می‌بینید. همچنین در طول دوره با خطاها و چالش‌های رایج در پردازش داده‌های مکانی آشنا می‌شوید و پروژه را به‌صورت ماژولار و قابل‌توسعه سازمان‌دهی می‌کنید.

دستاورد شما در پایان دوره

در پایان، می‌توانید یک پروژه واقعی تحلیل مکانی را از داده‌های خام تا مدل‌سازی، نقشه تعاملی و اپلیکیشن نهایی پیش ببرید و از Python برای حل مسائل واقعی در حوزه مکانی استفاده کنید. این دوره تلاش می‌کند به شما فقط ابزار یاد ندهد؛ بلکه نشان دهد چطور یک مسئله مکانی را به یک فرایند تحلیلی قابل اجرا تبدیل کنید.

دیدگاه کاربران

4.8

بر اساس امتیاز 16 دانشجو

1
2
3
4
5

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه

ضمانت بازگشت وجه

کیفیت این آموزش توسط مکتب‌خونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر می‌توانید درخواست بازگشت وجه کنید.

مهلت درخواستتا ۱۵ روز پس از خرید دوره
میزان مشاهدهکمتر از ۲۰ درصد یا ۵ جلسه از دوره
یوسف اسماعیلی
یوسف اسماعیلی، پژوهشگر و مدرس حوزه GIS، تحلیل داده‌های مکانی و کاربردهای هوش مصنوعی در مسائل مکانی
1دوره
145دانشجو
16نظر و امتیاز

یوسف اسماعیلی، پژوهشگر و مدرس حوزه سیستم‌های اطلاعات مکانی (GIS) است و در زمینه‌های تحلیل داده‌های مکانی-زمانی، تحلیل حرکت و کاربرد هوش مصنوعی در مسائل جغرافیایی فعالیت می‌کند.

او دارای پیشینه مهندسی نقشه‌برداری است و در سال‌های اخیر در پروژه‌های پژوهشی و کاربردی مرتبط با GIS، تحلیل داده و هوش مصنوعی فعالیت داشته است. بخشی از فعالیت‌های او نیز به پژوهش و توسعه روش‌های داده‌محور برای تحلیل و حل مسائل مکانی اختصاص دارد.

 

poster

پایتون مکانی: تحلیل داده‌های مکانی و مکانیابی

145دانشجو
4.8(16)

دوره‌های مشابه