- 14
- 33 540
Space Cognition
Russia
Приєднався 23 лют 2018
Добро пожаловать на наш UA-cam канал, посвященный обучению анлизу данных и дистанционному зондированию земли! Здесь вы найдете обучающие видео и лекции, которые помогут вам углубить свои знания в этой области.
Наш канал предназначен для всех, кто интересуется применением пространственной аналитики в исследованиях и сферах, таких как геология, экология, сельское и лесное хозяйство, география и многих других.
Мы расскажем о том, как писать код на JavaScript и Python, чтобы собирать и анализировать пространственные данные, и использовать геоинформационные системы для обработки и визуализации данных. Мы также поделимся с вами советами и рекомендациями по использованию этих технологий в реальных проектах.
Подписывайтесь на наш канал и следите за обновлениями!
Наш канал предназначен для всех, кто интересуется применением пространственной аналитики в исследованиях и сферах, таких как геология, экология, сельское и лесное хозяйство, география и многих других.
Мы расскажем о том, как писать код на JavaScript и Python, чтобы собирать и анализировать пространственные данные, и использовать геоинформационные системы для обработки и визуализации данных. Мы также поделимся с вами советами и рекомендациями по использованию этих технологий в реальных проектах.
Подписывайтесь на наш канал и следите за обновлениями!
Приглашение на курс "Лаборатория GeoPython:Секреты Планеты"
Привет, исследователи Земли! 🌍
Мы рады пригласить вас на наш новый курс "Лаборатория GeoPython:Секреты Планеты", посвященный анализу пространственных данных c Pytnon и Google Earth Engine!
Взломайте код Планеты: путешествие через спутниковые данные
Знаете ли Вы, что за нашей планетой непрерывно наблюдают из космоса тысячи спутников? Используя эти большие данные каждый из нас может раскрыть невидимые тайны Планеты. Чтобы без труда находить в этом архиве свежую информацию, мы научимся писать программный код на Python. Вы научитесь решать широкий круг задач - от поиска геоданных до создания моделей машинного обучения.
💡 В этом курсе вы научитесь:
Создавать ноутбуки в Google Colab
Разбираться в языке программирования Python
Основам работы с Google Earth Engine;
Обработке и анализу геопространственных данных;
Использовать спутниковые снимки для мониторинга окружающей среды;
Создавать модели машинного обучения для автоматизации задач обработки данных;
Работать с мощными инструментами для анализа изменений на поверхности Земли.
🎓 Кто может принять участие:
Курс предназначен для ГИС-специалистов, географов, аналитиков пространственных данных,
геологов, урбанистов, инженеров лесного и сельского хозяйства, картографов, специалистов ООПТ, изыскателей, экологов. А также для всех тех, кто хочет разгадать секреты нашей Планеты.
🕓 Длительность курса:
Курс состоит из 10 недель интенсивных занятий с опытными преподавателями и практическими заданиями.
📝 Регистрация:
Появились вопросы? регистрируйтесь на наш открытый вебинар, который пройдет 4 сентября. На вебинаре мы ответим на все вопросы по курсу и покажем некоторые задачи, которые будем разбирать на курсе.
Уже уверены, что курс вам подойдет? Тогда регистрируйтесь и бронируйте свое место заранее, количество мест ограничено! Все ссылки для регистрации доступны ниже.
🔗 Ссылки:
Регистрация на курс: space-cognition.com/#registration
Регистрация на открытый вебинар 4 сентября: space-cognition.com/#vebinar
Более подробная информация о курсе: space-cognition.com/
Присоединяйтесь к нам на курсе "Лаборатория GeoPython:Секреты Планеты" и откройте для себя новые горизонты! 🌐🚀
Мы рады пригласить вас на наш новый курс "Лаборатория GeoPython:Секреты Планеты", посвященный анализу пространственных данных c Pytnon и Google Earth Engine!
Взломайте код Планеты: путешествие через спутниковые данные
Знаете ли Вы, что за нашей планетой непрерывно наблюдают из космоса тысячи спутников? Используя эти большие данные каждый из нас может раскрыть невидимые тайны Планеты. Чтобы без труда находить в этом архиве свежую информацию, мы научимся писать программный код на Python. Вы научитесь решать широкий круг задач - от поиска геоданных до создания моделей машинного обучения.
💡 В этом курсе вы научитесь:
Создавать ноутбуки в Google Colab
Разбираться в языке программирования Python
Основам работы с Google Earth Engine;
Обработке и анализу геопространственных данных;
Использовать спутниковые снимки для мониторинга окружающей среды;
Создавать модели машинного обучения для автоматизации задач обработки данных;
Работать с мощными инструментами для анализа изменений на поверхности Земли.
🎓 Кто может принять участие:
Курс предназначен для ГИС-специалистов, географов, аналитиков пространственных данных,
геологов, урбанистов, инженеров лесного и сельского хозяйства, картографов, специалистов ООПТ, изыскателей, экологов. А также для всех тех, кто хочет разгадать секреты нашей Планеты.
🕓 Длительность курса:
Курс состоит из 10 недель интенсивных занятий с опытными преподавателями и практическими заданиями.
📝 Регистрация:
Появились вопросы? регистрируйтесь на наш открытый вебинар, который пройдет 4 сентября. На вебинаре мы ответим на все вопросы по курсу и покажем некоторые задачи, которые будем разбирать на курсе.
Уже уверены, что курс вам подойдет? Тогда регистрируйтесь и бронируйте свое место заранее, количество мест ограничено! Все ссылки для регистрации доступны ниже.
🔗 Ссылки:
Регистрация на курс: space-cognition.com/#registration
Регистрация на открытый вебинар 4 сентября: space-cognition.com/#vebinar
Более подробная информация о курсе: space-cognition.com/
Присоединяйтесь к нам на курсе "Лаборатория GeoPython:Секреты Планеты" и откройте для себя новые горизонты! 🌐🚀
Переглядів: 46
Відео
Приглашение на курс Планета Земля: Анализ Данных 2.0
Переглядів 403Рік тому
Привет, исследователи Земли! 🌍 Мы рады пригласить вас на наш новый курс "Планета Земля: Анализ данных 2.0", посвященный анализу пространственных данных в Google Earth Engine! Присоединяетесь к нашей образовательной программе, чтобы научиться извлекать ценную информацию из огромного объема данных о нашей планете. У Вас будет уникальная возможность получить удостоверение о повышении квалификации ...
Как создать анимацию (таймлапс) из спутниковых снимков
Переглядів 402Рік тому
Нас часто спрашивают: "Как сделать таймлапс из спутниковых снимков?" или "Как создать видеоизображение из спутниковых снимков?" С помощью Google Earth Engine и готового кода-шаблона это можно сделать за пару минут. При этом можно делать анимацию из производных от спутниковых снимков, например, снимков содержащих значения каких-либо информативных индексов. В частоности, индекс NDVI. Этот индекс ...
Создай свое приложение и поделись тюльпанами на карте
Переглядів 150Рік тому
В этом видео мы расскажем как создать собственное приложение для просмотра снимков Sentinel-2 с помощью JavaScript и Google Earth Engine. Больше информации вы сможете найти на нашем курсе space-cognition.info/ Как вы знаете, в настоящее время активно развивается направление использования открытых платформ для работы с пространственными данными. Также все большее распространение получают облачны...
Добро пожаловать на курс
Переглядів 7063 роки тому
Приветственное видео Курс "Введение в анализ пространственных данных", МГУ им. М.В. Ломоносова, 2021. datamsu.com/
Google Earth Engine: Каталог данных и Code Editor
Переглядів 1,5 тис.4 роки тому
Обзор каталога данных и Code Editor в Google Earth Engine Курс "Введение в анализ пространственных данных", МГУ им. М.В. Ломоносова, 2021. datamsu.com/
Базовый синтаксис JavaScript для работы в Google Earth Engine 2020
Переглядів 7774 роки тому
Лекция №2: Обзор Google Earth Engine и базовый синтаксис Java Script. Курс "Введение в анализ пространственных данных", МГУ им. М.В. Ломоносова, 2020.
Решение практической задачи анализа данных в Python
Переглядів 15 тис.6 років тому
Видеолекция курса "Введение в анализ геоданных" Содержание: 00:00 - Введение 00:41 - Используемые библиотеки 01:14 - Загружаем данные 02:41 - EDA (Exploratory Data Analysis): Знакомство с данными 04:49 - EDA: Быстрая описательная статистика 05:31 - EDA: Оценка полноты (сбалансированности) выборки 09:17 - EDA: Проверка выборки на уникальные значения 11:52 - EDA : Отображаем данные в плане ...
Машинное обучение c Google Earth Engine
Переглядів 1,9 тис.6 років тому
Видеолекция курса "Введение в анализ геоданных" Материалы курса: github.com/keyonix/course_geodata
Расчет индекса NDVI в Google Earth Engine
Переглядів 2,7 тис.6 років тому
Видеолекция курса "Введение в анализ геоданных" Материалы курса: github.com/keyonix/course_geodata
Объект ImageCollection и данные Sentinel в Google Earth Engine
Переглядів 1,7 тис.6 років тому
Видеолекция курса "Введение в анализ геоданных" Материалы курса: github.com/keyonix/course_geo...
Объект Image и данные Landsat в Google Earth Engine
Переглядів 2,8 тис.6 років тому
Видеолекция курса "Введение в анализ геоданных" Материалы курса: github.com/keyonix/course_geodata
Базовый синтаксис JavaScript для работы в Google Earth Engine
Переглядів 1,1 тис.6 років тому
Видеолекция курса "Введение в анализ геоданных" Материалы курса: github.com/keyonix/course_geodata
Обзор платформы Google Earth Engine
Переглядів 4,1 тис.6 років тому
Видеолекция курса "Введение в анализ геоданных" Материалы курса: github.com/keyonix/course_geodata
Добрый день! Планируется ли новый поток курса по Google Earth Engine? Заранее спасибо
Добрый день! В этом году очный курс пока не планируется.
Спасибо!
Понять не могу, почему у меня функции ее не работают
И что всё это значит?
Лиза, классно рассказываешь!
Костя, спасибо!
С нетерпением ждём следующей части.
Очень интересно ! Спасибо!
Здраствуйте, хотел бы начать с того что я не являюсь специалистом в сфере программирования, но меня очень интересуют данный вопрос по высокоточным геологическим исследованиям а именно геопространственное моделирование (каких либо данных)., изучал данную тему месяца два пришел к тому что не хватает знании. Скрипт который написал был собран по крупицам из разных статей, В итоге получилось это; 1) Задаю область интереса, 2) загружаю данные снимков (Sentinel, ALOS DSM), задаю им каналы которые нужны. 3) Узнал что лучший вариант для применения классификатора это проанализировать каждые данные снимков по отдельности а потом только их объединить и применить классификатор, и здесь возникают сложности с классификатором (создание выборки, обучение в классе, сбор обучающих данных итд итп)., как человеку который впервые взялся за это все кажется слишком сложным а еще сложнее когда нет нужной информации, надеюсь на вашу помощь. Заранее благодарю.
Здравствуйте! Лучше всео будет сделать безоблачный композит из снимков использовав один из методов понижения коллекции снимков. И уже к полученному единичному иображению применять алгоритмы классификации. Например, можно почитать про то здесь openmrv.org/web/guest/w/modules/mrv/modules_1/image-mosaic-composite-creation-for-landsat-and-sentinel-2-in-google-earth-engine
@@space_cognition Благодарю за ваш ответ! Ещё хотел узнать нет ли у вас платных курсов с обратной связью?
@@corytaylor8730 Сейчас как раз готовим такой курс. Предварительно будем запускать его в апреле. Тут можно ознакомиться с черновиком лендинга, он пока в разработке spacecognitioncourse.tilda.ws/ точная информация и ссылка на полый лендинг курса будет здесь на канале чере две недели t.me/space_cognition, также разместим на ютубе пригласительное видео.
@@space_cognition Круто! Буду ждать с нетерпением.
это всё круто конечно, но чего это в итоге дало (результат) ?
Кажется ютуб решил, что мне стоит начать учить питон. Отличная попытка ютуб, отличное начало для человека, который знает из питона - как выглядит логотип питона.
Ну как, перешел на темную сторону? Ютуб добился цели?
@@amidl ахах, хуже. Пол года в тестировании 🤣
Ой вэй. Вот это материал! Слов не хватит описать мою благодарность!
Молодец
Здравствуйте, хочу уточнить. Могу я полноценно пройти курс используя только видео которые доступны на Вашем сайте? Я не имею доступа к лекциям которые проходят на платформе Zoom, они обязательны для прохождения курса?
Добрый день. Да, используя видео и задания с инструкциями в pdf из курса
Немножечко продакшна, голос пободрее, и можно уже потихонечку мини курсы выкладывать на канале (а там уже можно и свой сайт делать с разными полноценными курсами на продажу). У тебя правда хорошо получается, если есть силы и желание, попробуй, это может сработать
Благодарю) Как раз недавно запустил небольшую платформу с новым специализированным курсом datamsu.com/
не контент а контентище как любитель панд (и страдалец матплота) заявляю, шо это супер полезный урок (на реальных данных, что очень важно) спасиба
Сложность английского языка спокойно изменяется в правом верхнем углу Гугл Хрома. В иконке «перевод»
как узнать какой процент зеленых зон в городе
В пределах граница города (можно взять готовый полигон из административного деления субъектов) рассчитать средний NDVI за произвольный летний период. Далее посчитать площадь "зеленых" пикселей (например при пороге NDVI>=0.7) и разделить это значение на площадь города. Получится искомое значение.
@@space_cognition Здравствуйте! Т.е. можно посчитать глобальный NDVI, затем получить границы многих городов России из (не понял из какого) модуля и затем вот уже посчитать среднее значение для каждого такого города, я правильно Вас понимаю? Просто мне нужно рассчитать площадь зеленых зон в городах - миллионниках и хотелось бы рутинную работу сделать проще и быстрее)
@@РустамЯгфаров-м1х Добрый день! Можно взять готовый набор с глобальными индексами NDVI, введите в каталоге данных ил поиске NDVI и вам сразу будут предложены необходимые наборы данных.
Добрый день, подскажите как можно рассчитать минимальное, среднее и максимальное значение NDVI в Google Earth Engine?
На сколько я понял, задача посчитать статистики по каналу 'NDVI' по какому-то полигону(полигонам) или точке (точкам). Для этого используйте метод image.select('NDVI').reduceRegions или image.select('NDVI').reduceRegions соответственно с параметрами reducer: ee.Reducer.mean() reducer: ee.Reducer.min() reducer: ee.Reducer.max() для расчета каждой статистики отдельно.
@@space_cognition так и сделал, спасибо работает
Продолжение будет?)
подскажите обычную фотографию полей с коптера можно разложить на спектральные составляющие для дальнейшего анализа или нужно специальную камеру использовать
Да, можно разложить на три канала RGB
для расчета индексов нужен канал NIR, в стандартных камерах его нет. Поэтому да, нужны специализированные камеры.
@@space_cognition спасибо
подскажите а чтоза IDE ,вы используете ?
JupyterLab
@@space_cognition Здравствуйте, очень познавательные курсы. В чем плюс именно JupyterLab по сравнению с теми же самыми PyCharm или Spyder?
@@alexandersleptsov918 В последовательной интерпретации отделных блоков (строк) кода в notebook. В PyCharm можно тоже использовать notebook, но в платной версии.