Gis和遥感中的机器学习:5门课程合1

了解并应用机器学习和深度学习来完成QGIS和ArcGIS中的地理空间任务(GIS和遥感)

你会学到什么
充分理解机器学习和GIS中的机器学习的基础知识
了解最流行的开源GIS和遥感软件工具(QGIS、SCP、OTB工具箱)
了解市场领先的GIS软件ArcGIS (ArcMap)和ArcGIS Pro
了解监督学习和非监督学习及其在GIS中的应用
机器学习影像分类在QGIS和ArcGIS中的应用
在QGIS和ArcGIS中运行分割和基于对象的影像分析
学习并应用GIS任务的回归建模
了解应用于GIS的人工智能、深度学习和机器学习领域的主要发展
完成两个关于机器学习和深度学习的独立项目
理解作为机器学习一部分的深度学习的基础知识
使用ArcGIS Pro在GIS中应用深度学习算法，如卷积神经网络

MP4 |视频:h264，1280×720 |音频:AAC，44.1 KHz
语言：英语+中英文字幕（云桥网络 机译）|大小解压后:6.21 GB 含课程文件 |时长:8小时13分钟

云桥网络 平台huo取 课程

要求
操作空间(图像)数据的基本知识将是一个优势，但不是必须的
本课程将使用QGIS版本的Windows PC进行演示。Mac和Linux用户必须根据他们的操作系统调整指令。
访问ArcGIS(专业版2.5和ArcMAp 10.6或更高版本):可在ESRI网站上免费试用

描述
本课程旨在让您掌握应用于地理空间分析(即地理信息系统(GIS)和遥感)的QGIS和ArcGIS中机器学习和深度学习的理论和实践知识。本课程结束时，您将有信心并完全理解机器和深度学习在遥感和GIS技术中的应用，以及如何将机器和深度学习算法用于各种遥感和GIS任务，如土地利用和土地覆盖制图(分类)和基于对象的图像分析(分割、对象检测)以及QGIS和ArcGIS软件中的回归建模。Machine Learning In Gis And Remote Sensing: 5 Courses In 1

本课程还将帮助您做好准备，通过开源免费工具(QGIS)和市场领先的软件(ArcGIS)使用GIS。本课程旨在引导使用QGIS和ArcGIS进行基本地理空间数据/GIS/遥感分析的用户执行更高级的地理空间分析任务，包括使用各种不同数据进行基于对象的图像分析，以及应用深度学习和机器学习最新算法。除了使您精通用于空间数据分析的QGIS之外，还将向您介绍另一个强大的处理工具箱Orfeo工具箱，以及ArcMap和ArcGIS PRO令人兴奋的功能！

在本课程中，您将能够将随机森林、支持向量机、决策树、卷积神经网络(以及其他)等机器学习算法应用于遥感和地理空间任务。您还将了解如何在ArcGIS中为GIS任务进行回归建模。除此之外，您将通过探索机器学习和深度学习分析在QGIS和ArcGIS中的强大功能，完成两个独立的GIS项目，从而练习GIS和遥感。

本课程不同于其他培训资源。每个讲座都试图以一种可演示的、易于理解的方式提高您的GIS和遥感技能，并为您提供切实可行的解决方案。您将能够开始为您的项目分析空间数据，并获得未来雇主对您先进的GIS和遥感技术以及尖端地理空间方法知识的赞赏。该课程非常适合专业人士，如地理学家、程序员、社会科学家、地质学家、GIS和遥感专家，以及所有其他需要在其领域使用地图并希望了解更多有关GIS中的机器学习的专家。课程的一个重要部分是实践练习。您将获得一些精确的说明和数据集，以便使用QGIS和ArcGIS软件工具基于机器学习算法创建地图。

目录：
第一部分:导言

第一讲简介

第2讲地理信息系统(GIS)简介

第三讲遥感概论

第四讲地理信息系统和遥感的应用

第2部分:本课程中使用的软件:QGIS、ArcGIS 10.6和ArcGIS Pro

第5讲QGIS版本信息

第6讲QGIS的安装

第7讲QGIS的半自动分类插件

第8讲为QGIS引入插件

第三部分:GIS和遥感中的机器学习:理论背景

第9讲简介:机器学习

第10讲GIS和遥感中的机器学习:理论背景

第11讲GIS和遥感中的监督和非监督学习(分类)

第12讲实验:QGIS中的图像数据采集

第十三讲图像分类的常用算法

第14讲基于EO浏览器的云土地覆盖分类

第15讲回归分析

第16讲GIS中的预测和用于大数据分析的深度学习

第4部分:ArcGIS中的无人监督学习

第17讲ArcGIS中影像分类的机器学习概述

第18讲ArcGIS软件

第19讲ArcGIS中的无监督LULC影像分析

第5部分:QGIS中的无人指导学习

第20讲为QGIS安装OTB插件

第21讲QGIS中的无监督(K-means)图像分析

第6部分:ArcGIS中用于LULC分类的监督机器学习

第22讲LULC监督分类的阶段

第23讲实验:在ArcMap 10.6中创建训练数据

第24讲实验:ArcGIS中支持向量机的监督影像分类

第7节:QGIS中的监督机器学习

第25讲实验:基于最大似然算法的监督学习

第26讲为QGIS中的LULC制图创建训练数据

第27讲实验:使用最小距离分类算法的LULC

第28讲QGIS中地图的精度评估

第29讲实验:验证数据创建

第30讲实验室:QGIS中LULC地图的精度评估

QGIS中Sentinel-2影像的随机森林监督分类

第32讲随机森林和决策树分类器结果的比较

第8节:GIS中的图像分割

第33讲地理信息系统和遥感分析的图像分割原理

第34讲实验:下载图像数据用于分割分析

第35讲Lad:在ArcGIS中执行图像分割

第36讲实验:QGIS中卫星图像分割

第9节:ArcGIS中使用机器学习算法进行基于对象的影像分类

第37讲基于对象的图像分类(OBIA)与基于像素的图像分类

第38讲在ArcGIS中为基于对象的影像分类创建训练数据

第39讲ArcGIS中基于对象的影像分类(OBIA)

第10部分:GIS中的回归建模

第40讲回归模型:理论

第41讲GIS中的OSL建模

第42讲ArcGIS中的OSL建模

第11部分:ArcGIS Pro深度学习入门

第43讲ArcGIS Pro中的深度学习

第44讲神经网络导论

第45讲ArcGIS Pro中的深度学习:概述

第46讲ArcGIS Pro深度学习入门

第12部分:实践:ArcGIS Pro中的深度学习

第47讲本节使用的软件:ArcGIS Pro

第48讲卷积(或深度)神经网络(CNN)的训练数据创建

第49讲实验:ArcGIS Pro中深度学习的图像准备

第50讲实验:ArcGIS PRO 2.5中神经网络的训练数据创建

第51讲实验:为ArcGIS安装深度学习框架

第52讲ArcGIS PRO中的深度学习(CNN)模型定义

第53讲实验:ArcGIS PRO中的深度学习(CNN)模型定义

第54讲将深度学习模型应用于对象检测或图像分类

第55讲实验:在ArcGIS Pro中使用CNN(深度学习模型)检测图像对象

第56讲小结

第13节:让它成为现实:实现你自己的机器学习项目

第57讲项目QGIS中陆地卫星数据分类的监督学习

第58讲项目ArcGIS Pro中的深度学习

第59讲奖金

该课程非常适合专业人士，如地理学家、程序员、社会科学家、地质学家以及所有其他需要在其领域中使用地图并希望了解更多地理空间(GIS和遥感)分析的专家。