Машинное обучение для работы с геоданными
ML-технологии для гео-специалистов на понятном языке
-
Старт курса: 21 октября -
Получите продвинутые навыки ГИС-аналитика -
Научитесь решать геопространственные задачи с помощью машинного обучения в Python -
Освоите навыки построения и обучения современных ML-моделей
Кажется, вы нашли что-то интересное
Присоединяйтесь к рассылке! Мы отправляем письма всего раз в две недели и делимся только самым-самым полезным. А за подписку пришлем PDF-туториал по созданию мозаичных карт
Набор закрыт
Оставьте свой e-mail, и мы направим вам приглашение, когда определим даты следующего набора
Вам подойдет курс, если
- Вы знаете базовый синтаксис Python
- Математика вас не пугает
- Хотите понимать разницу между моделями машинного обучения
- Хотите уметь подбирать и обучать модель под свои задачи
После успешного прохождения курса вы получите удостоверение о повышении квалификации
Прохождение образовательного курса также дает вам возможность получить налоговый вычет (считайте, скидка 13%). Подробнее о нем читайте по ссылке
Удостоверение выдается только при наличии у вас диплома о высшем или среднем профессиональном образовании. Если вы еще учитесь, то удостоверение будет выдано после того, как вы получите диплом.
Прохождение образовательного курса также дает вам возможность получить налоговый вычет (считайте, скидка 13%). Подробнее о нем читайте по ссылке
Удостоверение выдается только при наличии у вас диплома о высшем или среднем профессиональном образовании. Если вы еще учитесь, то удостоверение будет выдано после того, как вы получите диплом.
Что изменится после курса?
- Сможете правильно сформулировать задачу и выбрать подходящую модель. Когда стоит задача детектировать дороги на снимках или предсказать заболачивания участка, машинное обучение — одно из самых эффективных решений. Но в ML существует огромное количество инструментов, с которыми нужно уметь правильно работать, а иногда ML и вовсе неуместно применять. Именно разумному применению ML в различных задачах и посвящен курс
- Получите практические навыки программирования для решения прикладных задач. Мы не будем погружаться в математические доказательства, большие выводы, теоремы и строгие формулировки. Изучаем самую важную теорию и смотрим ее прикладное использование на реальных задачах. Например, узнаем, что иногда для классификации подстилающей поверхности на спутниковом снимке достаточно применить алгоритм кластеризации
- Научитесь обучать модели машинного обучения и применять их в конкретных задачах на языке программирования Python
- Добавите к знакомым библиотекам новые: pytorch, xgboost, sklearn, catboost. В любом Data Science проекте будет фигурировать хотя бы одна из них
Проверка знаний
Проверьте свои знания Python на двух задачках от нашего эксперта.
Если у вас получилось решить задачки, смело записывайтесь на этот курс.
Если нет, то рекомендуем сначала пройти пройти открытые материалы «Введение в Python: основы синтаксиса» и дополнительно познакомиться с библиотеками numpy и matplotlib
Если у вас получилось решить задачки, смело записывайтесь на этот курс.
Если нет, то рекомендуем сначала пройти пройти открытые материалы «Введение в Python: основы синтаксиса» и дополнительно познакомиться с библиотеками numpy и matplotlib
Ок, зачем мне вообще изучать машинное обучение?
Машинное обучение (Machine Learning) нужно изучать, чтобы анализировать большие объемы пространственных данных и находить скрытые закономерности, которые сложно выявить вручную. ML появляется в решениях, когда нужно обнаружить, предсказать, выделить или сегментировать что угодно.
Машинное обучение помогает улучшить точность прогнозов, например:
Освоив машинное обучение, гео-специалист сможет эффективнее работать с разными пространственными данными, например:
Машинное обучение помогает улучшить точность прогнозов, например:
- при моделировании изменений климата
- при мониторинге природных катастроф
- при прогнозировании движения транспорта
Освоив машинное обучение, гео-специалист сможет эффективнее работать с разными пространственными данными, например:
- с данными дистанционного зондирования: автоматически классифицировать типы ландшафта или детектировать оползни;
- с временными рядами: предсказывать температуру воздуха, влажность и другие параметры;
- и с табличными данными: прогнозировать урожайность поля или вероятность пожара.
Эти навыки действительно требуются в работе геоспециалиста?
Да! Хоть эти навыки еще не являются стандартом в нашей области, машинное обучение используется повсеместно. Например, его применяют для предсказания вероятности наводнений, засух, изменения землепользования.
Специалисты ГИС все чаще работают с ДЗЗ (спутниковыми и беспилотными снимками), и использование методов машинного обучения позволяет автоматизировать процесс, например, классификации ландшафтов, оценки лесных массивов, мониторинга состояния сельскохозяйственных угодий, детектирования зданий, озер и многого другого.
Специалисты ГИС все чаще работают с ДЗЗ (спутниковыми и беспилотными снимками), и использование методов машинного обучения позволяет автоматизировать процесс, например, классификации ландшафтов, оценки лесных массивов, мониторинга состояния сельскохозяйственных угодий, детектирования зданий, озер и многого другого.
Программа
Три недели, по два занятия в неделю
Первое занятие
У нас появится понимание типов и примеров задач, которые решает машинное обучение (Machine Learning — ML), и вы научитесь классифицировать геопространственную задачу как один из типов задач машинного обучения
Вместе мы пройдем общую идею ML, разницу обучения с учителем и без учителя, классификации, регрессию, кластеризацию. Узнаем, что такое понижение размерности, признаки, целевые переменные и какие бывают ошибки
Вместе мы пройдем общую идею ML, разницу обучения с учителем и без учителя, классификации, регрессию, кластеризацию. Узнаем, что такое понижение размерности, признаки, целевые переменные и какие бывают ошибки
Второе занятие
Узнаем типы данных, с которыми работает ML, и основные принципы их предобработки
Изучим категориальные, десятичные и целочисленные переменные, табличные данные. Узнаем, что такое нормализация и стандартизация данных, пропуски, one-hot encoding. Научимся выделять обучающую и тестовую выборки и делать кросс-валидацию
Изучим категориальные, десятичные и целочисленные переменные, табличные данные. Узнаем, что такое нормализация и стандартизация данных, пропуски, one-hot encoding. Научимся выделять обучающую и тестовую выборки и делать кросс-валидацию
Третье занятие
На третьем вебинаре узнаем, в чем отличие между k-Means и DBSCAN. Поймем, зачем нужно понижение размерности, и что оно из себя представляет
Посмотрим на примеры задач, метрики расстояния и алгоритмы k-Means, DBScan, PCA
Посмотрим на примеры задач, метрики расстояния и алгоритмы k-Means, DBScan, PCA
Четвертое занятие
Изучим, что такое линейная и логистическая регрессия, узнаем основные метрики для решения задач регрессии и классификации
Разберем линейную и логистическую регрессию, узнаем потери классификации и регрессии, что такое оптимизация, градиентный спуск и метрики производительности (R2, F1, точность, полнота)
Разберем линейную и логистическую регрессию, узнаем потери классификации и регрессии, что такое оптимизация, градиентный спуск и метрики производительности (R2, F1, точность, полнота)
Пятое занятие
Узнаем, что такое искусственная нейронная сеть (ИНС) и как реализовать ее в pytorch
Разберем, что такое нейроны, перцептрон, функции активации, оптимизацию, градиентный спуск, обратное распространение ошибки и само обучение
Разберем, что такое нейроны, перцептрон, функции активации, оптимизацию, градиентный спуск, обратное распространение ошибки и само обучение
Шестое занятие
На последнем вебинаре поймем основную идею модели дерева решения (регрессионного дерева), узнаем отличия между случайным лесом и бустингом
Изучим деревья классификации, деревья регрессии, энтропию, критерий Джини, случайный лес, бэггинг, бустинг
Изучим деревья классификации, деревья регрессии, энтропию, критерий Джини, случайный лес, бэггинг, бустинг
Пример практической задачи с курса:
В одной из домашних работ вам потребуется адаптировать нейронную сеть, которую мы построили к задаче классификации с использованием библиотеки pytorch.
В этот раз возьмем классный датасет с Kaggle Satellite Image Classification. Оригинальный датасет содержит четыре класса:
- cloudy (облачность)
- desert (пустыня)
- green_area (зеленая территория)
- water (вода)
Оценить качество вашей модели необходимо с помощью метрики Accuracy (отношение числа корректных предсказаний к числу всех предсказаниям).
К 5-6 занятию курса вы уже сможете делать самостоятельно такие задачи.
В этот раз возьмем классный датасет с Kaggle Satellite Image Classification. Оригинальный датасет содержит четыре класса:
- cloudy (облачность)
- desert (пустыня)
- green_area (зеленая территория)
- water (вода)
Оценить качество вашей модели необходимо с помощью метрики Accuracy (отношение числа корректных предсказаний к числу всех предсказаниям).
К 5-6 занятию курса вы уже сможете делать самостоятельно такие задачи.
Как проходят занятия?
Объем
3 недели, 12 часов: 6 онлайн-семинаров по 1,5 часа на платформе Контур.Толк
Группа
до 15 человек
Формат
живые онлайн-семинары с экспертом, домашними заданиями и маленькими тестами
Время
занятия по понедельникам и средам в 17:00 по МСК
Обратная связь
чат с экспертом, проверка домашних заданий
Расписание следующего запуска
Старт занятий 21 октября
Расписание: 21, 26, 28 октября, 2, 9 и 11 ноября,
понедельник и среда, в 17:00 МСК
Расписание: 21, 26, 28 октября, 2, 9 и 11 ноября,
понедельник и среда, в 17:00 МСК
Чтобы получить удостоверение о повышении квалификации, нужно:
- пройти небольшое промежуточное тестирование в середине курса
- пройти итоговое тестирование в конце курса
Машинное обучение для работы с геоданными
р.
р.
На этом курсе вы научитесь правильно определять задачу обучения и ее тип, подбирать и реализовывать подходящий алгоритм машинного обучения для работы с пространственными данными по вашей конкретной задаче. Вы изучите регрессию, кластеризацию и деревья решений, а также научитесь использовать библиотеки PyTorch и Scikit-learn для обучения и применения созданных моделей машинного обучения. Эти навыки можно будет применять для таких задач, как детектирование пожаров, водных объектов, классификации растительности или предсказания климатических изменений.
В стоимость курса входит: все живые онлайн-семинары, проверка домашних заданий и обратная связь.
Всего шесть онлайн-вебинаров с экспертом. Все встречи записываются, записи доступны в течение года с начала занятий.
Курс начинается 21 октября
Занятия по понедельникам и средам:
21, 26, 28 октября, 2, 9 и 11 ноября в 17:00 МСК
Продолжительность курса: 3 недели + 1 неделя на сдачу заданий и итогового теста
Материалы доступны год с момента открытия курса
В случае успешного завершения курса вы получите удостоверение о повышении квалификации установленного образца
Для физических лиц есть возможность получить налоговый вычет 13%
По окончании курса вас пригласят вступить в клуб выпускников Картетики — это закрытый чат, где специалисты обсуждают карьеру, вакансии, технические вопросы, а команда Картетики проводит различные активности и публикует ранний доступ к курсам (новым, недоступным широкой публике)
Внеплановые запуски
Хотите организовать группу от компании? Оставьте заявку на странице «Компаниям», и мы проведем для вас внеплановый набор (для групп от 5 человек).
В стоимость курса входит: все живые онлайн-семинары, проверка домашних заданий и обратная связь.
Всего шесть онлайн-вебинаров с экспертом. Все встречи записываются, записи доступны в течение года с начала занятий.
Курс начинается 21 октября
Занятия по понедельникам и средам:
21, 26, 28 октября, 2, 9 и 11 ноября в 17:00 МСК
Продолжительность курса: 3 недели + 1 неделя на сдачу заданий и итогового теста
Материалы доступны год с момента открытия курса
В случае успешного завершения курса вы получите удостоверение о повышении квалификации установленного образца
Для физических лиц есть возможность получить налоговый вычет 13%
По окончании курса вас пригласят вступить в клуб выпускников Картетики — это закрытый чат, где специалисты обсуждают карьеру, вакансии, технические вопросы, а команда Картетики проводит различные активности и публикует ранний доступ к курсам (новым, недоступным широкой публике)
Внеплановые запуски
Хотите организовать группу от компании? Оставьте заявку на странице «Компаниям», и мы проведем для вас внеплановый набор (для групп от 5 человек).
Набор закрыт
Оставьте свой e-mail, и мы направим вам приглашение, когда определим даты следующего набора
Курс может оплатить ваш работодатель или вы сами через компанию или ИП
Оставьте вашу электронную почту для связи
Полные условия курса
После оплаты курса мы с вами свяжемся, чтобы собрать все необходимые документы. С полным списком документов и процессами «до» и «после» обучения можете ознакомиться в нашей памятке.
После того, как мы соберем все необходимые документы и подпишем с вами договор, можно начинать обучение.
С самого начала курса вам также доступен чат с преподавателем, чтобы обращаться с любыми вопросами по курсу.
У вас будут домашние задания, которые будет проверять преподаватель.
Чтобы получить сертификат о повышении квалификации, нужно:
В случае, если вы не сможете выполнить условия, вы получите справку о том, что курс прослушан. Понимаем, бывают разные ситуации, и мы готовы их обсуждать, если что-то случится.
После того, как мы соберем все необходимые документы и подпишем с вами договор, можно начинать обучение.
С самого начала курса вам также доступен чат с преподавателем, чтобы обращаться с любыми вопросами по курсу.
У вас будут домашние задания, которые будет проверять преподаватель.
Чтобы получить сертификат о повышении квалификации, нужно:
- пройти небольшое тестирование в середине курса и ответить верно на 8 из 10 вопросов
- пройти итоговое тестирование в конце курса и ответить верно на 16 из 20 вопросов.
В случае, если вы не сможете выполнить условия, вы получите справку о том, что курс прослушан. Понимаем, бывают разные ситуации, и мы готовы их обсуждать, если что-то случится.
А что если есть конкретная задача?
Так бывает, что вы ищете ответ на конкретный вопрос или решение одной задачи, а находите целый курс.
Если вы считаете, что в курсе много информации, которую вы и так знаете или она не кажется нужной, то зовем вас записаться на индивидуальную консультацию.
Под ваш вопрос мы подберем специалиста, и вы с ним разберете вашу задачку за один или несколько часов, в зависимости от сложности и вашего желания.
Если вы считаете, что в курсе много информации, которую вы и так знаете или она не кажется нужной, то зовем вас записаться на индивидуальную консультацию.
Под ваш вопрос мы подберем специалиста, и вы с ним разберете вашу задачку за один или несколько часов, в зависимости от сложности и вашего желания.
Остались вопросы?