ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Applied Geospatial Data Science with Python: Leverage geospatial data analysis and modeling to find unique solutions to environmental problems

دانلود کتاب کاربرد علم داده های جغرافیایی با پایتون: از تحلیل و مدل سازی داده های مکانی برای یافتن راه حل های منحصر به فرد برای مشکلات زیست محیطی استفاده کنید.

Applied Geospatial Data Science with Python: Leverage geospatial data analysis and modeling to find unique solutions to environmental problems

مشخصات کتاب

Applied Geospatial Data Science with Python: Leverage geospatial data analysis and modeling to find unique solutions to environmental problems

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 9781803238128, 1803238127 
ناشر: Packt Publishing 
سال نشر:  
تعداد صفحات: 308 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 22 Mb 

قیمت کتاب (تومان) : 37,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Applied Geospatial Data Science with Python: Leverage geospatial data analysis and modeling to find unique solutions to environmental problems به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب کاربرد علم داده های جغرافیایی با پایتون: از تحلیل و مدل سازی داده های مکانی برای یافتن راه حل های منحصر به فرد برای مشکلات زیست محیطی استفاده کنید. نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب کاربرد علم داده های جغرافیایی با پایتون: از تحلیل و مدل سازی داده های مکانی برای یافتن راه حل های منحصر به فرد برای مشکلات زیست محیطی استفاده کنید.



به طور هوشمند نقاط داده را به هم متصل کنید و درک عمیق تری از مشکلات زیست محیطی از طریق مطالعات موردی علم داده های جغرافیایی که در پایتون نوشته شده است به دست آورید

این کتاب شامل تصاویر رنگی از مفاهیم مهم

ویژگی های کلیدی

  • یادگیری نحوه ادغام داده های مکانی و تفکر فضایی در داده های سنتی گردش کار علمی
  • یک دیدگاه فضایی ایجاد کنید و یاد بگیرید که از دام های رایج در طول مسیر اجتناب کنید
  • به دست آوردن تخصص از طریق مطالعات موردی عملی قابل اجرا در صنایع مختلف با نمونه‌های کد قابل بازتولید و گسترش

شرح کتاب

دانشمندان داده، زمانی که داده‌های بی‌شماری ارائه می‌شوند، اغلب می‌توانند نحوه ارائه تحلیل‌های جغرافیایی را به شیوه‌ای معنادار به گونه‌ای که برای همه معنادار باشد، از دست می‌دهند. استفاده از پایتون برای تجسم داده ها به ذینفعان در نقش های فنی کمتر کمک می کند تا مشکل را درک کنند و به دنبال راه حل باشند. هدف این کتاب کمک به دانشمندان داده و متخصصان GIS برای یادگیری و پیاده‌سازی گردش‌های کاری علم داده‌های جغرافیایی با استفاده از پایتون است.

در طول این کتاب، شما کتابخانه‌های زمین فضایی متعددی را با پایتون کشف خواهید کرد. که می‌توانید گردش‌های کاری علم داده‌های مکانی را به صورت سرتاسر توسعه دهید. شما یاد خواهید گرفت که چگونه داده های مکانی را به طور موثر بخوانید، پردازش کنید و دستکاری کنید. با در دست داشتن داده ها، برای درک بهتر و بیان داستان داده های خود از طریق برنامه های نقشه برداری ایستا و پویا، به سمت ایجاد تجسم داده های مکانی خواهید رفت. با پیشرفت در کتاب، متوجه خواهید شد که در حال توسعه مدل‌های هوش مصنوعی و ML جغرافیایی با تمرکز بر خوشه‌بندی، رگرسیون و بهینه‌سازی هستید. موارد استفاده را می‌توان به‌عنوان بلوک‌های ساختمانی برای کارهای پیشرفته‌تر در صنایع مختلف مورد استفاده قرار داد.

در پایان کتاب، می‌توانید با داده‌های تصادفی مقابله کنید. همبستگی های معنی دار را پیدا کنید و مدل های داده های جغرافیایی بسازید.

آنچه یاد خواهید گرفت

  • درک اصول مورد نیاز برای کار با داده‌های مکانی
  • انتقال از داده‌های جدولی به داده‌های دارای قابلیت جغرافیایی در گردش‌های کاری شما
  • یک نمونه کار مقدماتی از کارهای علم داده های مکانی با استفاده از پایتون ایجاد کنید
  • با مطالعات موردی مهارت های عملی به دست آورید مرتبط با صنایع مختلف
  • بهترین شیوه‌های تمرکز بر داده‌های مکانی را برای ایجاد تغییر مثبت در محیط خود کشف کنید</ li>
  • کاوش در حل موارد استفاده، مانند فروشنده دوره گرد و مشکلات مسیریابی وسیله نقلیه

این کتاب کیست for

اگر دانشمند داده ای هستید که به دنبال گنجاندن تفکر جغرافیایی در گردش کار خود هستید یا یک متخصص GIS که به دنبال ترکیب روش های علم داده در روش شماست، این کتاب برای شما مناسب است. برای تجزیه و تحلیل داده ها و/یا علم داده باید دانش پایه ای از Python داشته باشید.

فهرست محتوا

  1. معرفی سیستم های اطلاعات جغرافیایی و علم داده های مکانی
  2. داده های جغرافیایی چیست و از کجا می توانم آن را پیدا کنم؟
  3. کار با سیستم های مختصات جغرافیایی و پیش بینی شده
  4. کاوش در علم داده های جغرافیایی بسته‌ها
  5. تجسم داده‌های اکتشافی
  6. آزمایش فرضیه و فضایی تصادفی
  7. مهندسی ویژگی های فضایی
  8. خوشه بندی فضایی و منطقه بندی
  9. توسعه مدل‌های رگرسیون فضایی
  10. توسعه راه‌حل‌هایی برای فضایی مسائل بهینه سازی
  11. موضوعات پیشرفته در علم داده های مکانی

توضیحاتی درمورد کتاب به خارجی

Intelligently connect data points and gain a deeper understanding of environmental problems through hands-on Geospatial Data Science case studies written in Python

The book includes colored images of important concepts

Key Features

  • Learn how to integrate spatial data and spatial thinking into traditional data science workflows
  • Develop a spatial perspective and learn to avoid common pitfalls along the way
  • Gain expertise through practical case studies applicable in a variety of industries with code samples that can be reproduced and expanded

Book Description

Data scientists, when presented with a myriad of data, can often lose sight of how to present geospatial analyses in a meaningful way so that it makes sense to everyone. Using Python to visualize data helps stakeholders in less technical roles to understand the problem and seek solutions. The goal of this book is to help data scientists and GIS professionals learn and implement geospatial data science workflows using Python.

Throughout this book, you'll uncover numerous geospatial Python libraries with which you can develop end-to-end spatial data science workflows. You'll learn how to read, process, and manipulate spatial data effectively. With data in hand, you'll move on to crafting spatial data visualizations to better understand and tell the story of your data through static and dynamic mapping applications. As you progress through the book, you'll find yourself developing geospatial AI and ML models focused on clustering, regression, and optimization. The use cases can be leveraged as building blocks for more advanced work in a variety of industries.

By the end of the book, you'll be able to tackle random data, find meaningful correlations, and make geospatial data models.

What you will learn

  • Understand the fundamentals needed to work with geospatial data
  • Transition from tabular to geo-enabled data in your workflows
  • Develop an introductory portfolio of spatial data science work using Python
  • Gain hands-on skills with case studies relevant to different industries
  • Discover best practices focusing on geospatial data to bring a positive change in your environment
  • Explore solving use cases, such as traveling salesperson and vehicle routing problems

Who this book is for

This book is for you if you are a data scientist seeking to incorporate geospatial thinking into your workflows or a GIS professional seeking to incorporate data science methods into yours. You'll need to have a foundational knowledge of Python for data analysis and/or data science.

Table of Contents

  1. Introducing Geographic Information Systems and Geospatial Data Science
  2. What Is Geospatial Data and Where Can I Find It?
  3. Working with Geographic and Projected Coordinate Systems
  4. Exploring Geospatial Data Science Packages
  5. Exploratory Data Visualization
  6. Hypothesis Testing and Spatial Randomness
  7. Spatial Feature Engineering
  8. Spatial Clustering and Regionalization
  9. Developing Spatial Regression Models
  10. Developing Solutions for Spatial Optimization Problems
  11. Advanced Topics in Spatial Data Science




نظرات کاربران