本课程旨在为您提供用于地理空间分析（即地理信息系统 (GIS) 和遥感）的 QGIS 和 ArcGIS 中的机器学习和深度学习的理论和实践知识。
在课程结束时，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，例如土地利用和土地覆盖QGIS 和 ArcGIS 软件中的映射（分类）和基于对象的图像分析（分割、对象检测）和回归建模。
本课程还将让您为使用具有开源和免费工具 (QGIS) 和市场领先软件 (ArcGIS) 的 GIS 做好准备。本课程旨在让使用 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，并应用深度学习和机器学习最先进的算法。
最后更新 11/2021
MP4 | 视频：h264, 1280×720 | 音频：AAC，44.1 KHz
语言：英语 | 大小：6.05 GB | 时长：8h 13m
你会学到什么
- 全面了解机器学习和GIS中机器学习的基础知识
- 学习最流行的开源 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
- 了解监督和非监督学习及其在 GIS 中的应用
- 在 QGIS 和 ArcGIS 中应用机器学习图像分类
- 在 QGIS 和 ArcGIS 中运行分割和基于对象的图像分析
- 为 GIS 任务学习和应用回归建模
- 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
- 了解作为机器学习一部分的深度学习基础知识
- 通过 ArcGIS Pro 在 GIS 中应用深度学习算法，例如卷积神经网络
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
- 该课程将使用 Windows PC 的 QGIS 版本进行演示。Mac 和 Linux 用户必须根据他们的操作系统调整说明。
- 访问 ArcGIS（Pro 版本 2.5 和 ArcMAp 10.6 或更高版本）：可在 ESRI 网站上免费试用
描述
除了让您精通 QGIS 进行空间数据分析外，还将向您介绍另一个强大的处理工具箱——Orfeo Toolbox，以及 ArcMap 和 ArcGIS PRO 令人兴奋的功能！在课程中，您将能够应用此类机器学习用于遥感和地理空间任务的随机森林、支持向量机、决策树、卷积神经网络（及其他）算法。
您还将学习如何在 ArcGIS 中为 GIS 任务进行回归建模。最重要的是，您将通过在 QGIS 和 ArcGIS 中探索机器学习和深度学习分析的力量，完成两个独立的 GIS 项目来练习 GIS 和遥感。本课程不同于其他培训资源。每堂课都力求以可演示且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，并凭借您先进的 GIS 和遥感技能以及对尖端地理空间方法的知识获得未来雇主的赞赏。
本课程非常适合地理学家、程序员、社会科学家、地质学家、GIS 和遥感专家等专业人士，以及所有其他需要在其领域使用地图并希望了解更多关于 GIS 中机器学习的专家。一个重要部分当然是实践练习。您将获得一些精确的说明和数据集，以使用 QGIS 和 ArcGIS 软件工具基于机器学习算法创建地图。
概述
第 1 节：简介
第一讲 简介
第2讲地理信息系统（GIS）简介
第 3 讲 遥感概论
第 4 讲 GIS 和遥感的应用
第 2 部分：本课程使用的软件：QGIS 和 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 QGIS 的安装插件
第 3 节：GIS 和遥感中的机器学习：理论背景
第 9 讲 介绍：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讲实验室：QGIS中的图像数据采集
第13讲 图像分类常用算法
Lecture 14 使用 EO 浏览器在云端进行土地覆盖分类
第15讲回归分析
第 16 讲 GIS 中的预测和大数据分析的深度学习
第 4 节：ArcGIS 中的无监督学习
第 17 讲 ArcGIS 中用于图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 图像分析
第 5 节：QGIS 中的无监督学习
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 节：ArcGIS 中 LULC 分类的监督机器学习
第 22 讲 LULC 监督分类的阶段
第 23 课实验室：在 ArcMap 10.6 中创建训练数据
第 24 讲实验室：ArcGIS 中支持向量机的监督图像分类
第 7 节：QGIS 中的监督机器学习
第25讲实验室：基于最大似然算法的监督学习
第 26 课为 QGIS 中的 LULC 映射创建训练数据
第 27 讲 实验室：LULC 与最小距离分类算法的使用
第28讲 QGIS中地图的精度评估
第 29 课实验室：验证数据创建
第30讲实验室：QGIS中LULC地图的准确性评估
第 31 讲 QGIS 中 Sentinel-2 图像的随机森林监督分类
第32讲随机森林和决策树分类器resilts的比较
第 8 节：GIS 中的图像分割
第 33 讲 GIS 和遥感分析的图像分割原理
第 34 课实验室：下载图像数据进行分割分析
第 35 课小伙子：在 ArcGIS 中执行图像分割
第36讲实验室：QGIS中卫星图像的分割
第 9 节：ArcGIS 中使用机器学习算法进行基于对象的图像分类
第37讲基于对象的图像分类（OBIA）VS基于像素的图像分类
第 38 课在 ArcGIS 中为基于对象的图像分类创建训练数据
第 39 讲 ArcGIS 中基于对象的图像分类 (OBIA)
第 10 节：GIS 中的回归建模
第40讲回归模型：理论
第 41 课 GIS 中的 OSL 建模
第 42 讲 ArcGIS 中的 OSL 建模
第 11 节：ArcGIS Pro 中的深度学习入门
第 43 课 ArcGIS Pro 中的深度学习
第44课神经网络简介
第 45 课 ArcGIS Pro 中的深度学习：概述
第 46 讲 ArcGIS Pro 中的深度学习入门
第 12 节：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 课实验室：ArcGIS Pro 中深度学习的图像准备
第 50 讲实验室：ArcGIS PRO 2.5 中神经网络的训练数据创建
第 51 讲实验室：为 ArcGIS 安装深度学习框架
第 52 课 ArcGIS PRO 中的深度学习 (CNN) 模型定义
第 53 讲实验室：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 讲实验室：在 ArcGIS Pro 中使用 CNN（深度学习模型）检测图像对象
第56课小结
第 13 节：实现：实现您自己的机器学习项目
第57讲项目1：QGIS中Landsat数据分类的监督学习
第 58 讲 项目 2：ArcGIS Pro 中的深度学习
第59课奖金
该课程非常适合地理学家、程序员、社会科学家、地质学家和所有其他需要在其领域使用地图并希望了解更多有关地理空间（GIS 和遥感）分析的专家。