Note :

Il n'y a actuellement aucun avis de lecteur. La note est basée sur 2 votes.
Machine Learning on Geographical Data Using Python: Introduction into Geodata with Applications and Use Cases
Ce livre présente les bases des systèmes d'information géographique (SIG), de l'analyse géospatiale et de l'apprentissage automatique sur les données spatiales en Python. Ce livre commence par une introduction aux géodonnées et couvre des sujets tels que les SIG et les outils courants, les formats standard de données géographiques et une vue d'ensemble des outils Python pour les géodonnées. Les spécificités et les difficultés que l'on peut rencontrer lors de l'utilisation de données géographiques sont abordées : des systèmes de coordonnées et des projections cartographiques aux différents formats et types de géodonnées tels que les points, les lignes, les polygones et les rasters. Les opérations analytiques généralement appliquées aux géodonnées sont expliquées, telles que l'écrêtage, l'intersection, la mise en mémoire tampon, la fusion, la dissolution et l'effacement, avec des implémentations en Python. Des cas d'utilisation et des exemples sont inclus. Le livre se concentre également sur l'application d'approches d'apprentissage automatique plus avancées aux données géographiques et présente l'interpolation, la classification, la régression et le clustering à l'aide d'exemples et de cas d'utilisation. Ce livre est votre ressource de référence pour l'apprentissage automatique sur les géodonnées. Il présente les bases du travail avec les données spatiales et les applications avancées. Les exemples sont présentés à l'aide de code (accessible sur github.com/Apress/machine-learning-geographic-data-python) et facilitent l'apprentissage par l'application.
Ce que vous apprendrez
⬤ Comprendre les concepts fondamentaux du travail avec les géodonnées.
⬤ Travailler avec plusieurs types de données géographiques et formats de fichiers en Python.
⬤ Créer des cartes en Python.
⬤ Appliquer l'apprentissage automatique aux données géographiques.
A qui s'adresse ce livre ?
Les lecteurs ayant une connaissance de base de l'apprentissage automatique et souhaitant étendre leurs compétences à l'analyse et à l'apprentissage automatique des données spatiales tout en restant dans un environnement Python commun de science des données.