MAPress
کتاب از OSM تا هوش مصنوعی: ارزیابی جامع کیفیت مجموعه‌داده‌های ساختمان باز برای نقشه‌برداری نابرابری‌های شهری

کتاب از OSM تا هوش مصنوعی: ارزیابی جامع کیفیت مجموعه‌داده‌های ساختمان باز برای نقشه‌برداری نابرابری‌های شهری

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
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...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان 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 (100 موضوع)

  • 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
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 حل مشکلات پیچیده شهری باشند؟ آیا می‌خواهید قدرت تحلیل داده‌های OpenStreetMap (OSM) و مجموعه‌داده‌های تولید شده توسط هوش مصنوعی را برای درک و مقابله با نابرابری‌های شهری به دست آورید؟

دوره جامع "از OSM تا هوش مصنوعی" به شما این امکان را می‌دهد تا با تکیه بر دانش روز دنیا و الهام از مقالات علمی معتبر مانند مقاله "Evaluating the Quality of Open Building Datasets for Mapping Urban Inequality: A Comparative Analysis Across 5 Cities"، مهارت‌های لازم برای ارزیابی و استفاده بهینه از داده‌های مکانی را کسب کنید. این مقاله به بررسی کیفیت داده‌های ساختمان باز تولید شده توسط گوگل و مایکروسافت در مقایسه با داده‌های OSM در شهرهای مختلف جهان می‌پردازد و نشان می‌دهد که کیفیت داده‌ها تا چه حد می‌تواند بر درک ما از نابرابری‌های شهری تاثیر بگذارد. ما در این دوره، دقیقا همین رویکرد را در مقیاسی جامع‌تر و با تمرکز بر نیازهای متخصصین ایرانی دنبال می‌کنیم.

درباره دوره

این دوره، یک سفر آموزشی کامل و کاربردی است که شما را از مفاهیم پایه داده‌های مکانی و OpenStreetMap (OSM) به دنیای پیشرفته تحلیل داده‌ها با استفاده از هوش مصنوعی می‌برد. ما در این دوره، نه تنها به شما آموزش می‌دهیم که چگونه داده‌های OSM را جمع‌آوری، ویرایش و تحلیل کنید، بلکه شما را با روش‌های ارزیابی کیفیت داده‌ها، شناسایی خطاها و سوگیری‌ها و استفاده از داده‌های با کیفیت برای نقشه‌برداری و تحلیل نابرابری‌های شهری آشنا می‌کنیم. دوره بر پایه مثال های عملی و مطالعات موردی استوار است تا شما بتوانید به سرعت مهارت های خود را به کار ببندید.

موضوعات کلیدی

  • مقدمه‌ای بر داده‌های مکانی و GIS
  • آشنایی با OpenStreetMap (OSM): جمع‌آوری، ویرایش و تحلیل داده‌ها
  • ارزیابی کیفیت داده‌های مکانی: صحت، دقت، کامل بودن و سازگاری
  • مجموعه‌داده‌های ساختمان باز: بررسی و مقایسه منابع مختلف (گوگل، مایکروسافت و غیره)
  • تحلیل نابرابری‌های شهری با استفاده از داده‌های مکانی
  • استفاده از هوش مصنوعی برای بهبود کیفیت و تحلیل داده‌های مکانی
  • مطالعات موردی: بررسی نمونه‌های واقعی از پروژه‌های نقشه‌برداری شهری
  • روش‌های مقابله با سوگیری‌ها و خطاها در داده‌های مکانی
  • اخلاق در استفاده از داده‌های مکانی: حفظ حریم خصوصی و امنیت اطلاعات
  • آینده داده‌های مکانی و نقش آن در توسعه پایدار شهری

مخاطبان دوره

این دوره برای افراد زیر مناسب است:

  • متخصصان GIS و نقشه‌برداری
  • شهرسازان و معماران
  • پژوهشگران و دانشجویان حوزه مطالعات شهری
  • تحلیلگران داده و دانشمندان داده
  • فعالان اجتماعی و سازمان‌های مردم‌نهاد فعال در زمینه عدالت اجتماعی
  • هر فردی که علاقه‌مند به استفاده از داده‌های مکانی برای حل مشکلات شهری است.

چرا این دوره را بگذرانیم؟

با گذراندن این دوره، شما:

  • مهارت‌های لازم برای ارزیابی و تحلیل داده‌های مکانی را به دست می‌آورید.
  • می‌توانید از داده‌های OSM و سایر مجموعه‌داده‌های ساختمان باز برای نقشه‌برداری و تحلیل نابرابری‌های شهری استفاده کنید.
  • با روش‌های استفاده از هوش مصنوعی برای بهبود کیفیت و تحلیل داده‌های مکانی آشنا می‌شوید.
  • می‌توانید در پروژه‌های نقشه‌برداری شهری و تحلیل داده‌ها مشارکت کنید.
  • فرصت‌های شغلی جدیدی در حوزه GIS، شهرسازی و تحلیل داده به دست می‌آورید.
  • درک عمیق‌تری از چالش‌های شهری و راه‌حل‌های مبتنی بر داده پیدا می‌کنید.
  • به جامعه متخصصان داده مکانی می‌پیوندید و از تجربیات دیگران بهره‌مند می‌شوید.
  • توانایی ارائه راهکارهای عملی و موثر برای بهبود شرایط زندگی در شهرها را کسب می‌کنید.
  • با اخلاق در استفاده از داده‌های مکانی و حفظ حریم خصوصی افراد آشنا می‌شوید.
  • برای آینده‌ای پایدارتر و عادلانه‌تر در شهرها گام برمی‌دارید.

سرفصل‌های دوره

دوره "از OSM تا هوش مصنوعی" شامل 100 سرفصل جامع و کاربردی است که شما را از سطح مقدماتی به سطح پیشرفته می‌رساند. برخی از سرفصل‌های کلیدی عبارتند از:

  • مبانی GIS و داده‌های مکانی: سیستم‌های تصویر، انواع داده‌ها، مختصات جغرافیایی
  • آشنایی با OpenStreetMap (OSM): ساختار داده، ویرایشگرها، APIها
  • جمع‌آوری داده‌های OSM: روش‌های مختلف، ابزارها، نکات کلیدی
  • ویرایش داده‌های OSM: بررسی خطاها، افزودن اطلاعات جدید، اصلاح هندسه
  • تحلیل داده‌های OSM: پرس‌وجوها، آمار توصیفی، نقشه‌سازی
  • ارزیابی کیفیت داده‌های مکانی: شاخص‌ها، روش‌های اندازه‌گیری، ابزارها
  • مجموعه‌داده‌های ساختمان باز: بررسی منابع مختلف (گوگل، مایکروسافت و غیره)
  • مقایسه مجموعه‌داده‌های ساختمان باز با OSM: نقاط قوت و ضعف، همپوشانی، تفاوت‌ها
  • تحلیل نابرابری‌های شهری با استفاده از داده‌های مکانی: مسکن، دسترسی به خدمات، آلودگی
  • استفاده از هوش مصنوعی برای بهبود کیفیت داده‌های مکانی: پاکسازی داده، تشخیص خطا، تکمیل داده
  • استفاده از هوش مصنوعی برای تحلیل داده‌های مکانی: خوشه‌بندی، طبقه‌بندی، پیش‌بینی
  • مطالعات موردی: بررسی نمونه‌های واقعی از پروژه‌های نقشه‌برداری شهری در ایران و جهان
  • روش‌های مقابله با سوگیری‌ها و خطاها در داده‌های مکانی: وزن‌دهی، نمونه‌برداری، تحلیل حساسیت
  • اخلاق در استفاده از داده‌های مکانی: حفظ حریم خصوصی، امنیت اطلاعات، رضایت‌مندی
  • آینده داده‌های مکانی و نقش آن در توسعه پایدار شهری: شهر هوشمند، اینترنت اشیا، واقعیت افزوده
  • و بسیاری سرفصل‌های کاربردی دیگر...

همین امروز ثبت‌نام کنید و به جمع متخصصان داده‌های مکانی بپیوندید!

ثبت‌نام در دوره

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.