فلشکارتهای آموزشی از OSM تا هوش مصنوعی: ارزیابی جامع کیفیت مجموعهدادههای ساختمان باز برای نقشهبرداری نابرابریهای شهری
از OSM تا هوش مصنوعی: نقشه راهی برای عدالت شهری از OSM تا هوش مصنوعی: ارزیابی جامع کیفیت مجموعهدادههای ساختمان باز برای نقشهبرداری نابرابریهای شهری آیا میدانید چگونه دادههای مکانی میتوانند کلید...
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره از OSM تا هوش مصنوعی: ارزیابی جامع کیفیت مجموعهدادههای ساختمان باز برای نقشهبرداری نابرابریهای شهری
موضوع کلی: تحلیل و ارزیابی دادههای مکانی
موضوع میانی: ارزیابی کیفیت مجموعهدادههای ساختمان باز برای نقشهبرداری شهری
📋 سرفصلهای دوره
- 1. مقدمهای بر نابرابری شهری و نقش دادههای مکانی
- 2. چرا ارزیابی کیفیت دادهها حیاتی است؟
- 3. معرفی مقاله الهامبخش و اهداف دوره
- 4. مفاهیم کلیدی: دادههای باز، GIS و تحلیل شهری
- 5. ساختمانها به عنوان واحد تحلیل: اهمیت ردپای ساختمان (Building Footprint)
- 6. معرفی OpenStreetMap (OSM): قدرت دادههای جمعسپاری شده
- 7. معرفی مجموعه داده Microsoft Building Footprints
- 8. معرفی مجموعه داده Google Open Buildings
- 9. مقایسه اولیه سه مجموعه داده اصلی: OSM، مایکروسافت و گوگل
- 10. اخلاق داده در تحلیلهای شهری و نابرابری
- 11. مبانی سیستمهای اطلاعات مکانی (GIS)
- 12. انواع دادههای مکانی: وکتور و رستر
- 13. سیستمهای مختصات و تصویر (Projections)
- 14. ساختار دادههای ساختمانی: پلیگونها و تها
- 15. آشنایی با نرمافزارهای کلیدی: QGIS و پایتون (GeoPandas)
- 16. تاریخچه و روش تولید دادههای ساختمانی در OpenStreetMap
- 17. روش تولید دادههای مایکروسافت با استفاده از هوش مصنوعی
- 18. روش تولید دادههای گوگل با استفاده از یادگیری عمیق
- 19. ساختار داده و ویژگیها (Attributes) در OSM
- 20. ساختار داده و ویژگیها در مجموعه دادههای هوش مصنوعی
- 21. نقاط قوت و ضعف دادههای جمعسپاری شده (OSM)
- 22. نقاط قوت و ضعف دادههای تولید شده توسط هوش مصنوعی
- 23. راهنمای دسترسی و دانلود دادههای OpenStreetMap
- 24. راهنمای دسترسی و دانلود دادههای Microsoft و Google
- 25. فرمتهای رایج دادههای ساختمانی (Shapefile, GeoJSON, GeoPackage)
- 26. چالشهای کار با دادههای جهانی در مقیاس محلی
- 27. مطالعه موردی: تفاوتهای دادهای در یک منطقه شهری خاص
- 28. دادههای مرجع (Ground Truth): چیستی و ضرورت
- 29. روشهای ایجاد و گردآوری دادههای مرجع
- 30. چرا کیفیت داده مکانی اهمیت دارد؟ استاندارد ISO 19157
- 31. بعد اول کیفیت: کامل بودن (Completeness)
- 32. کامل بودن: خطای حذف (Omission Error)
- 33. کامل بودن: خطای افزودن (Commission Error)
- 34. بعد دوم کیفیت: دقت مکانی (Positional Accuracy)
- 35. معیارهای ارزیابی دقت مکانی: RMSE و انحراف معیار
- 36. بعد سوم کیفیت: دقت توصیفی (Attribute Accuracy)
- 37. بعد چهارم کیفیت: سازگاری منطقی (Logical Consistency)
- 38. بررسی همپوشانی و شکاف بین پلیگونهای ساختمان
- 39. بعد پنجم کیفیت: کیفیت زمانی (Temporal Quality)
- 40. اهمیت بهروز بودن دادهها در تحلیلهای شهری
- 41. انتخاب شهرهای مورد مطالعه: معیارها و چالشها
- 42. پیشپردازش دادهها: پاکسازی و یکسانسازی سیستم مختصات
- 43. برش (Clipping) دادهها به محدوده مطالعاتی
- 44. کارگاه عملی: آمادهسازی دادههای OSM برای تحلیل
- 45. کارگاه عملی: آمادهسازی دادههای مایکروسافت و گوگل
- 46. روششناسی ارزیابی کامل بودن: مقایسه با داده مرجع
- 47. محاسبه نرخ تشخیص صحیح (True Positive Rate)
- 48. محاسبه نرخ تشخیص اشتباه (False Positive Rate)
- 49. روششناسی ارزیابی دقت مکانی
- 50. محاسبه شاخص اشتراک مساحت (Intersection over Union - IoU)
- 51. تحلیل انطباق مکانی و همترازی ساختمانها
- 52. روششناسی ارزیابی دقت شکلی (Shape Accuracy)
- 53. مقایسه مساحت و محیط پلیگونها
- 54. کارگاه عملی: پیادهسازی ارزیابی کامل بودن در QGIS/Python
- 55. کارگاه عملی: پیادهسازی ارزیابی دقت مکانی و شکلی
- 56. تفسیر نتایج ارزیابی کیفیت: چه چیزی را به ما میگویند؟
- 57. مقایسه تطبیقی کیفیت دادهها بین شهرهای مختلف
- 58. تحلیل تأثیر ویژگیهای شهری (تراکم، بافت) بر کیفیت داده
- 59. ارتباط بین روش تولید داده و نوع خطاهای مشاهده شده
- 60. مقدمهای بر شاخصهای نابرابری شهری
- 61. چگونه دادههای ساختمانی میتوانند نابرابری را نشان دهند؟
- 62. شاخص اول: تراکم ساختمانی و الگوهای استقرار
- 63. شاخص دوم: اندازه و مساحت ساختمانها
- 64. شاخص سوم: دسترسی به فضای سبز و خدمات بر اساس توزیع ساختمانها
- 65. تحلیل الگوهای فضایی: تحلیل خوشهای و نقاط داغ (Hot Spot Analysis)
- 66. نقشهبرداری توزیع ساختمانهای شناسایی نشده (Omission)
- 67. ارتباط بین خطاهای داده و مناطق محروم شهری
- 68. کارگاه عملی: محاسبه شاخصهای نابرابری از دادههای ساختمانی
- 69. بصریسازی نتایج: تکنیکهای کارتوگرافی مؤثر برای نمایش نابرابری
- 70. مطالعه موردی اول: تحلیل نابرابری در یک کلانشهر توسعهیافته
- 71. مطالعه موردی دوم: تحلیل نابرابری در یک شهر در حال توسعه
- 72. مقایسه نتایج حاصل از مجموعه دادههای مختلف (OSM در برابر AI)
- 73. کدام مجموعه داده برای تحلیل نابرابری مناسبتر است؟
- 74. محدودیتهای استفاده از دادههای ردپای ساختمان (عدم وجود اطلاعات ارتفاع و کاربری)
- 75. نقش هوش مصنوعی و یادگیری عمیق در بهبود تولید دادهها
- 76. چالشهای تشخیص ساختمان در مناطق با تراکم بالا و بافت غیررسمی
- 77. تلفیق دادههای ساختمانی با دادههای اجتماعی-اقتصادی (سرشماری)
- 78. استفاده از تحلیلهای سهبعدی (3D) و دادههای ارتفاعی (LiDAR)
- 79. آینده دادههای باز شهری و نقش شهروندان (Citizen Science)
- 80. ملاحظات اخلاقی و حریم خصوصی در انتشار و تحلیل دادههای دقیق مکانی
- 81. چالشهای مقیاسپذیری: از تحلیل محلی تا ارزیابی جهانی
- 82. تأثیر سیاستهای داده باز بر تحقیقات شهری
- 83. ارزیابی کیفیت دادههای OSM بر اساس سابقه مشارکتکنندگان
- 84. تحلیل تأثیر زمان بر کیفیت دادهها (Temporal Analysis)
- 85. استفاده از یادگیری ماشین برای پیشبینی کیفیت داده در مناطق ناشناخته
- 86. استانداردسازی فرآیندهای ارزیابی کیفیت برای تکرارپذیری مطالعات
- 87. چالشهای معنایی: تعریف "ساختمان" در فرهنگها و شهرهای مختلف
- 88. ارزیابی تأثیر خطاهای داده بر نتایج مدلسازیهای شهری
- 89. جمعبندی یافتههای کلیدی دوره
- 90. چالشهای باز و مسیرهای تحقیقاتی آینده
- 91. پروژه نهایی: طراحی و اجرای یک مطالعه ارزیابی کیفیت برای شهر شما
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلشکارت؛ تجربهای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دورههای واجد شرایط.
مرور فاصلهدار
آمار یادگیری
گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را بهصورت مرحلهای دنبال کنید، فلشکارتها را مرور کنید، دانش خود را با پرسشها و آزمونها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصلهدار هوشمند
با مرور زماندار، کارتهای تازه و کارتهای سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخها به زمانبندی مرورهای بعدی کمک میکند تا تمرین متناسبتری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلشکارتها، فعالیتهای مرور، عملکرد آزمونها و آمار یادگیری را بررسی کنید و تصویر روشنتری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحلهبهمرحله
فصلها و بخشهای آموزشی را به ترتیب دنبال کنید، مطالب دیدهنشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموختهها
با نکتههای آموزشی، پرسش و پاسخ، کوییزها و آزمونهای پایان فصل، دانستههای خود را تمرین کنید و بخشهایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارتهای تازه و موعد مرور کارتها آماده میکند. شما پاسخ را ارزیابی میکنید و برنامه مرور با توجه به آن تنظیم میشود.
دوباره
برای کارتهایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخهایی که با دشواری به یاد آمدهاند.
خوب
برای پاسخهایی که بهدرستی به یاد آوردهاید.
آسان
برای کارتهایی که پاسخ آنها را بهآسانی میدانید.
برنامه مرور بر اساس ارزیابی شما تنظیم میشود؛ مرور منظم میتواند به تثبیت آموختهها کمک کند، اما بهتنهایی تضمینکننده تسلط کامل نیست.
محتوا را به شیوههای مختلف تمرین کنید
ساختار دورهها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکتههای ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکتههای رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه میشود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، میتوانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دورههای در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمانهای کوتاه
تبلت و لپتاپ
برای مطالعه و مرور راحتتر
حساب کاربری شخصی
برای دسترسی به دورههای مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دورههایی که امکان دریافت گواهی برای آنها فعال است، میتوانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلشکارتهای فعال دوره.
✓ قبولی در آزمونهای پایان فصل، در صورت وجود آزمون برای فصلها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخههای فارسی و انگلیسی گواهی در دسترس قرار میگیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر میشود. این گواهی، گواهی پایان دوره آموزشی است و بهخودیخود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدمبهقدم دانش و مهارتهایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه
یادگیری هوشمند، قدمبهقدم
با محیط سامانه آموزشی آشنا شوید و نمونههایی از فضای یادگیری، فلشکارتها و ابزارهای مرور و تمرین را مشاهده کنید.
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگتر کلیک کنید
یادگیری فراتر از مطالعه معمولی
با فلشکارتهای آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.
تگها:
Artificial Intelligence
Building Data
Data Evaluation
data quality
geoinformatics
GIS
Machine Learning
Open Building Datasets
OpenStreetMap
OSM
spatial data analysis
Urban Inequality
Urban Mapping
داده های مکانی
کیفیت داده
نابرابری شهری
نقشه برداری شهری
هوش مصنوعی
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.