Тип обучения
Тип обучения
Курс
Формат обучения
Формат обучения
Записанные лекции
Зач. единицы
Зач. единицы
2
Сертификат
Сертификат
1 800 ₽ для получения

Стоимость курса

30 ₽
нет рассрочки

Основная задача курса – познакомить слушателей со спецификой обработки пространственных данных с помощью языка программирования Python. В рамках курса не ставится задача научить слушателей программированию. Это является задачей преподавателей именно в области программирования. В настоящем же курсе будут показаны основные приемы работы с пространственными данными: векторными слоями, космическими снимками атрибутивными таблицами. Также внимание уделяется тем технологиям, которые могут быть полезны для «добычи» данных, созданию дополнительных иллюстративных материалов, организации работы группы специалистов. Лекции сопровождаются разбором программного кода, который решает прикладную задачу по теме лекции. Также по итогам некоторых разделов слушателям предлагается выполнить практические работы, чтобы получить минимальную практику написания кода на языке Python.

В заключительной части курса слушателям предлагается выполнить проектную работу – написать код, решающий поставленную задачу.

Очевидно, что в рамках лекций сделано большое количество допущений по части терминологии как языка программирования Python, так и геоинформатики. Это сделано автором сознательно, чтобы упростить понимание материала для слушателей.  Автор надеется, что для слушателей это станет если не началом пути в программировании, то как минимум даст возможность упростить рутинные производственные задачи!

Что вы получите после обучения

Приобретаемые навыки
1
Геопространственные данные
3
Географические данные
4
Растровые данные
5
Автоматизированное создание карт и схем на основе векторных данных

Вас будут обучать

Кандидат географических наук

Должность: доцент кафедры картографии и геоинформатики географического факультета МГУ имени М.В.Ломоносова

Образовательная организация

В настоящее время Московский университет является одним из ведущих центров отечественного просвещения, науки и культуры. Повышение уровня кадров высшей квалификации, поиск научной истины, ориентация на гуманистические идеалы добра, справедливости, свободы — в этом видится сегодня следование лучшим университетским традициям. МГУ является крупнейшим классическим университетом Российской Федерации, особо ценным объектом культурного наследия народов России. Он осуществляет подготовку студентов на 39 факультетах по 128 направлениям и специальностям, аспирантов и докторантов на 28 факультетах по 18 отраслям наук и 168 научным специальностям, которые охватывают практически весь спектр современного университетского образования. В настоящее время в МГУ обучается более 40 тысяч студентов, аспирантов, докторантов, а также специалистов в системе повышения квалификации. Кроме того, около 10 тысяч школьников занимаются при МГУ. Научная работа и преподавание ведутся в музеях, на учебно-научных базах практики, в экспедициях, на научно-исследовательских судах, в центрах повышения квалификации.

Новый элемент системы российского образования — открытые онлайн-курсы — cможет перезачесть любой университет. Мы делаем это реальной практикой, расширяя границы образования для каждого студента. Полный набор курсов от ведущих университетов. Мы ведём системную работу по созданию курсов для базовой части всех направлений подготовки, обеспечивая удобное и выгодное для любого университета встраивание курса в свои образовательные программы
«Открытое образование» – это образовательная платформа, предлагающая массовые онлайн-курсы ведущих российских вузов, которые объединили свои усилия, чтобы предоставить возможность каждому получить качественное высшее образование.

Любой пользователь может совершенно бесплатно и в любое время проходить курсы от ведущих университетов России, а студенты российских вузов смогут засчитать результаты обучения в своем университете.

Программа курса

1. Введение. Постановка проблемы и обоснование необходимости автоматизации задач
2. Основы Python и географические данные
3. Работа с табличными данными на примере статистических данных
4. Автоматизированное создание карт и схем на  основе векторных данных
5. Растровые данные на примере обработки космических снимков и данных реанализов
6. Взаимодействие с веб-сайтами для получения и загрузки данных
7. Технология Git как способ организации взаимодействия специалистов при работе над проектом
8. Основы оптимизации кода для создания автономного решения
9. Заключение. Направления для дальнейшего развития и углубления навыков
10. Постановка задания для разработки кода

Рейтинг курса

4.2
рейтинг
0
0
0
0
0

Может быть интересно

обновлено 17.11.2024 05:20
Геопространственные данные в Python

Геопространственные данные в Python

Оставить отзыв
Поделиться курсом с друзьями