سپنتا کتاب اکسپرس
کتاب نقشه برداری فقر شهری با یادگیری عمیق از تصاویر ماهواره ای: یک رویکرد چندبعدی

کتاب نقشه برداری فقر شهری با یادگیری عمیق از تصاویر ماهواره ای: یک رویکرد چندبعدی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب نقشه برداری فقر شهری با یادگیری عمیق از تصاویر ماهواره ای: یک رویکرد چندبعدی

موضوع کلی: سنجش از دور و هوش مصنوعی در توسعه پایدار

موضوع میانی: فقر شهری و تصویربرداری ماهواره‌ای

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر سنجش از دور و هوش مصنوعی در توسعه پایدار
  • 2. مفهوم فقر شهری و چالش‌های اندازه‌گیری آن
  • 3. نقش فناوری‌ها در پایش اهداف توسعه پایدار (SDGs)
  • 4. چرا سنجش از دور و هوش مصنوعی برای فقر شهری؟
  • 5. مروری بر مقاله الهام بخش: چارچوب کلی و اهمیت آن
  • 6. تعریف فقر چندبعدی و ابعاد مختلف آن
  • 7. شاخص‌های سنتی فقر: محدودیت‌ها و نقاط قوت
  • 8. ابعاد فقر شهری: مسکن، زیرساخت، بهداشت، آموزش
  • 9. شاخص‌های اجتماعی-اقتصادی در بستر شهری
  • 10. شناسایی مناطق آسیب‌پذیر شهری با رویکردهای سنتی
  • 11. مبانی سنجش از دور: مفاهیم اولیه و طیف الکترومغناطیس
  • 12. اصول تصویربرداری ماهواره‌ای و انواع سنجنده‌ها
  • 13. تفکیک مکانی، طیفی، رادیومتریکی و زمانی در تصاویر ماهواره‌ای
  • 14. منابع داده‌های ماهواره‌ای: پلتفرم‌ها و آرشیوها
  • 15. پردازش اولیه تصاویر ماهواره‌ای: تصحیحات رادیومتریکی و هندسی
  • 16. معرفی نرم‌افزارهای پردازش تصاویر سنجش از دور
  • 17. شاخص‌های طیفی و کاربرد آن‌ها در محیط شهری (NDVI, NDBI)
  • 18. تحلیل بافت و الگوهای مکانی در تصاویر شهری
  • 19. طبقه‌بندی کاربری اراضی و پوشش زمین در شهرها
  • 20. تحلیل تغییرات شهری با تصاویر ماهواره‌ای
  • 21. تصاویر اپتیکی با تفکیک مکانی بالا (VHR): WorldView, Pleiades, GeoEye
  • 22. تصاویر اپتیکی با تفکیک مکانی متوسط (HR): Sentinel-2, Landsat
  • 23. کاربرد تصاویر شب تاب (Nighttime Lights) در تخمین فعالیت اقتصادی
  • 24. تصاویر رادار با روزنه مصنوعی (SAR): Sentinel-1 و کاربردهای آن
  • 25. ترکیب تصاویر رادار و اپتیکی در محیط‌های شهری
  • 26. داده‌های LiDAR و مدل‌های ارتفاعی رقومی (DEM)
  • 27. داده‌های مکانی OpenStreetMap و نقش آن‌ها
  • 28. تصاویر هوایی و پهپادی به عنوان داده مکمل
  • 29. دسترسی و دانلود داده‌های ماهواره‌ای (Google Earth Engine, Copernicus Hub)
  • 30. انتخاب بهترین مجموعه داده برای پروژه‌های فقر شهری
  • 31. مبانی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
  • 32. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 33. رگرسیون و طبقه‌بندی: الگوریتم‌های پایه
  • 34. معیارهای ارزیابی مدل‌های یادگیری ماشین
  • 35. مقدمه‌ای بر شبکه‌های عصبی مصنوعی (ANNs)
  • 36. فعال‌سازها و توابع زیان در شبکه‌های عصبی
  • 37. بهینه‌سازی و گرادیان کاهشی
  • 38. مشکل بیش‌برازش (Overfitting) و روش‌های مقابله با آن
  • 39. معرفی فریم‌ورک‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 40. راه اندازی محیط توسعه برای یادگیری عمیق
  • 41. شبکه‌های عصبی پیچشی (CNNs): اصول و معماری
  • 42. لایه‌های پیچشی، Pooling و Fully Connected
  • 43. شبکه‌های پیش‌ساخته (Pre-trained Models): ImageNet و انتقال یادگیری
  • 44. معماری‌های معروف CNN: VGG, ResNet, Inception
  • 45. شبکه‌های U-Net برای تقسیم‌بندی معنایی تصاویر
  • 46. شبکه‌های تولیدی خصمانه (GANs) و کاربردهای آن‌ها
  • 47. مدل‌های خودرمزگذار (Autoencoders) برای یادگیری ویژگی
  • 48. شبکه‌های مبتنی بر ترانسفورمر (Transformers) در بینایی ماشین
  • 49. شبکه‌های سیامی (Siamese Networks) برای مقایسه تصاویر
  • 50. انتخاب معماری مناسب برای استخراج ویژگی‌های فقر
  • 51. پیش‌پردازش تصاویر ماهواره‌ای برای یادگیری عمیق
  • 52. نرمال‌سازی و استانداردسازی داده‌های تصویری
  • 53. افزایش داده (Data Augmentation) برای مقابله با کمبود داده
  • 54. استخراج ویژگی‌های هندسی و بافتی از تصاویر
  • 55. استخراج ویژگی‌های طیفی و شاخص‌های محیطی
  • 56. استخراج اطلاعات از مدل‌های ارتفاعی رقومی (DEM)
  • 57. تحلیل الگوهای مکانی و تراکم ساختمان‌ها
  • 58. استخراج شبکه راه‌ها و زیرساخت‌های حمل و نقل
  • 59. شناسایی فضای سبز و آبی در محیط شهری
  • 60. ترکیب ویژگی‌های مختلف برای ایجاد یک بردار ویژگی جامع
  • 61. اهمیت داده‌های زمینی (Ground Truth) در آموزش مدل‌ها
  • 62. جمع‌آوری داده‌های پیمایشی خانوار و سرشماری
  • 63. داده‌های جمعیت‌شناختی و اجتماعی-اقتصادی
  • 64. روش‌های برچسب‌گذاری (Labeling) تصاویر برای فقر شهری
  • 65. چالش‌ها و محدودیت‌های داده‌های زمینی در مناطق محروم
  • 66. یادگیری انتقالی (Transfer Learning) در نقشه‌برداری فقر
  • 67. یادگیری چندوجهی (Multi-modal Learning) با داده‌های مختلف
  • 68. ادغام تصاویر اپتیکی، رادار و شب تاب
  • 69. استفاده از مدل‌های خودنظارتی (Self-supervised Learning)
  • 70. یادگیری تقویتی مکانی (Spatial Reinforcement Learning)
  • 71. شبکه‌های گراف عصبی (GNNs) برای تحلیل روابط مکانی
  • 72. یادگیری نیمه‌نظارتی (Semi-supervised Learning) با داده‌های محدود
  • 73. دسته‌بندی خوشه‌ای (Clustering) برای شناسایی مناطق همگن
  • 74. تخمین تراکم جمعیت و سطح معیشت با یادگیری عمیق
  • 75. پیش‌بینی شاخص‌های توسعه انسانی از تصاویر ماهواره‌ای
  • 76. تقسیم‌بندی داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون
  • 77. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 78. معیارهای ارزیابی مدل‌های رگرسیون (MAE, RMSE, R-squared)
  • 79. معیارهای ارزیابی مدل‌های طبقه‌بندی (دقت، فراخوانی، F1-score)
  • 80. Cross-Validation و روش‌های اعتبارسنجی قوی
  • 81. اهمیت قابلیت تفسیرپذیری در مدل‌های فقر
  • 82. روش‌های تفسیر مدل: LIME, SHAP, Grad-CAM
  • 83. شناسایی ویژگی‌های مهم در پیش‌بینی فقر
  • 84. بصری‌سازی نقاط تمرکز مدل بر روی تصاویر
  • 85. درک دلایل تصمیم‌گیری مدل‌های یادگیری عمیق
  • 86. مطالعه موردی: نقشه‌برداری فقر در آفریقا با تصاویر ماهواره‌ای
  • 87. مطالعه موردی: تحلیل مناطق زاغه‌نشین در هند
  • 88. کاربرد در برنامه‌ریزی شهری و توسعه زیرساخت‌ها
  • 89. پایش بحران‌ها و بلایای طبیعی در مناطق فقیرنشین
  • 90. ارزیابی اثربخشی برنامه‌های کاهش فقر
  • 91. ملاحظات اخلاقی در استفاده از هوش مصنوعی برای فقر
  • 92. حریم خصوصی و امنیت داده‌ها در جمع‌آوری اطلاعات
  • 93. خطر سوگیری (Bias) در داده‌ها و مدل‌های هوش مصنوعی
  • 94. نقش دولت‌ها و سازمان‌های بین‌المللی در استفاده مسئولانه
  • 95. چارچوب‌های سیاستی برای بهره‌برداری از نتایج نقشه برداری فقر
  • 96. چالش‌های داده‌ای: دسترسی، کیفیت و کمبود داده‌های زمینی
  • 97. چالش‌های مدل‌سازی: قابلیت تعمیم و پایداری مدل‌ها
  • 98. ترکیب هوش مصنوعی با سیستم‌های اطلاعات مکانی (GIS)
  • 99. روندهای نوظهور در یادگیری عمیق و سنجش از دور
  • 100. آینده نقشه برداری فقر شهری و نقش دانشجو در آن

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.