کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از Python: مقدمه‌ای بر داده‌های جغرافیایی با کاربردها و موارد استفاده

کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از Python، یکی از مهم‌ترین آثار جوس کورستانجه، نویسنده و دانشمند تحلیل داده، است که با ترکیب سه حوزه‌ی تخصصی، نگاهی جدید به داده‌های مکانی مطرح کرده است. او در این اثر می‌کوشد داده‌های جغرافیای را به زبان پایتون تعریف کند و سپس با ماشین لرنینگ به تحلیل داده با پایتون بپردازد.

درباره‌ی کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از Python

فرقی ندارد متخصص نقشه‌برداری باشید یا مانند جوس کورستانجه (Joos Korstanje) در رشته‌ی مهندسی محیط‌زیست فارغ‌التحصیل شده باشید. کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از (Python Machine Learning on Geographical Data Using Python)، مناسب تمام افرادی است که به هر روی با داده‌های جغرافیایی سروکار دارند و قصد دارند به بهترین روش از داده‌های خود استفاده کنند.

جوس کورستانجه در کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از Python می‌کوشد نظامی میان‌رشته‌ای را به مخاطب خود آموزش دهد. او که خود در رشته‌های محیط‌زیست و علوم داده فارغ‌التحصیل شده است، راهنمایی کاربردی را برای خوانندگان تدارک دیده تا بتوانند با رویکردی کاملاً علمی، داده‌های مکانی و جغرافیایی خود را آنالیز کنند.

نویسنده در کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از Python، می‌کوشد پس از آموزش مبانی پایتون، مباحث تخصصی‌تر را پله‌پله به مخاطب عرضه کند تا در نهایت امکان تبدیل داده‌های جغرافیایی به زبان پایتون و تحلیل آن‌ها با استفاده از ماشین لرنینگ برای مخاطبان فراهم شود.

تحلیل دیتای GIS با هوش مصنوعی

کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از Python با مبانی برنامه‌نویسی پایتون آغاز می‌شود و پس از مرور مفاهیم بنیادینی چون انواع داده، شرط‌ها، حلقه‌ها و ساختار داده به مفاهیم تخصصی داده‌های جغرافیایی GIS و سنجش از دور می‌پردازد. در ادامه انواع داده‌های برداری و رستری توضیح داده می‌شود و انواع روش‌های نمایش داده‌های مکانی توضیح داده می‌شود.

کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از Python در مرحله بعد به تمام کارهایی می‌پردازد که معمولا در GIS انجام می‌شوند؛ مواردی چون Clip، Intersect، Buffer، Merge، Join و... در این بخش مرور می‌شوند و پس از آن مهم‌ترین بخش کتاب یعنی استفاده از ماشین لرنینگ برای پاسخ به پرسش‌های جغرافیایی قرار گرفته است.

این اثر با ترجمه امیر ستاری راد و سید رضا موسوی به فارسی برگردانده شده و توسط انتشارات آتی‌نگر در اختیار علاقه‌مندان قرار گرفته است. با خرید کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از زبان برنامه‌نویسی Python: مقدمه‌ای بر داده‌های جغرافیایی با کاربردها و موارد استفاده، راهنمایی کاربردی برای آنالیز و تحلیل داده‌های جغرافیایی در اختیار خواهید داشت.

کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از Python برای شما مناسب است اگر

• دانشجو یا محقق علوم داده هستید، یا با داده‌های جغرافیایی سر و کار دارید.
• قصد دارید با استفاده از پایتون و ماشین لرنینگ داده‌های جغرافیایی خود را آنالیز کنید.

در بخشی از کتاب یادگیری ماشین روی داده‌های جغرافیایی با استفاده از Python: مقدمه‌ای بر داده‌های جغرافیایی با کاربردها و موارد استفاده می‌خوانیم

در فصل قبل، مقدمه‌ای بر سیستم‌های مختصات ارائه شد. همچنین نمونه‌ای از نحوه استفاده از مختصات دکارتی و قطبی برای شناسایی نقاط در یک فضای اقلیدسی مسطح و دوبعدی را مشاهده کردید و گفته شد که سناریوی دنیای واقعی بسیار پیچیده‌تر است.

زمانی که نقشه‌ای را تهیه می‌کنید، موارد (اشیا، تصاویر و غیره) را نشان می‌دهید که روی زمین قرار دارند. زمین به قوانینی که در مثال اقلیدسی نشان داده شد اهمیتی نمی‌دهد زیرا مانند یک بیضی است: مانند یک توپی که کاملاً گرد نیست. این امر محاسبات نقشه‌سازی و سیستم‌های مختصات را بسیار پیچیده‌تر از چیزی می‌کند که در ریاضیات دوران دبیرستان به ما آموخته می‌شد. برای روشن‌تر شدن مسئله، به مثالی از ناوبری هواپیما می‌پردازیم. مسیرهای پرواز هواپیماها مثال خوبی برای شرح این مشکل هستند چرا که عموماً مسافت‌های طولانی را پوشش می‌دهند. میزان انحنای زمین هنگام اندازه‌گیری یک خیابان اهمیت چندانی ندارد اما هنگام حرکت بر فراز قاره‌ها می‌تواند تأثیر بسزایی داشته باشد. تصور کنید که با استفاده از این طرح اولیه از جغرافیای جهان، می‌خواهید از پاریس به نیویورک بروید. احتمالاً به‌خوبی از ساختار نقشه جهان روی یک تصویر دوبعدی آگاه هستید.