سپنتا کتاب اکسپرس
کتاب از OSM تا هوش مصنوعی: ارزیابی جامع کیفیت مجموعه‌داده‌های ساختمان باز برای نقشه‌برداری نابرابری‌های شهری

کتاب از OSM تا هوش مصنوعی: ارزیابی جامع کیفیت مجموعه‌داده‌های ساختمان باز برای نقشه‌برداری نابرابری‌های شهری

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 از OSM تا هوش مصنوعی: ارزیابی جامع کیفیت مجموعه‌داده‌های ساختمان باز برای نقشه‌برداری نابرابری‌های شهری

موضوع کلی: تحلیل و ارزیابی داده‌های مکانی

موضوع میانی: ارزیابی کیفیت مجموعه‌داده‌های ساختمان باز برای نقشه‌برداری شهری

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر نابرابری شهری و نقش داده‌های مکانی
  • 2. چرا ارزیابی کیفیت داده‌ها حیاتی است؟
  • 3. معرفی مقاله الهام‌بخش و اهداف دوره
  • 4. مفاهیم کلیدی: داده‌های باز، GIS و تحلیل شهری
  • 5. ساختمان‌ها به عنوان واحد تحلیل: اهمیت ردپای ساختمان (Building Footprint)
  • 6. معرفی OpenStreetMap (OSM): قدرت داده‌های جمع‌سپاری شده
  • 7. معرفی مجموعه داده Microsoft Building Footprints
  • 8. معرفی مجموعه داده Google Open Buildings
  • 9. مقایسه اولیه سه مجموعه داده اصلی: OSM، مایکروسافت و گوگل
  • 10. اخلاق داده در تحلیل‌های شهری و نابرابری
  • 11. مبانی سیستم‌های اطلاعات مکانی (GIS)
  • 12. انواع داده‌های مکانی: وکتور و رستر
  • 13. سیستم‌های مختصات و تصویر (Projections)
  • 14. ساختار داده‌های ساختمانی: پلی‌گون‌ها و ت‌ها
  • 15. آشنایی با نرم‌افزارهای کلیدی: QGIS و پایتون (GeoPandas)
  • 16. تاریخچه و روش تولید داده‌های ساختمانی در OpenStreetMap
  • 17. روش تولید داده‌های مایکروسافت با استفاده از هوش مصنوعی
  • 18. روش تولید داده‌های گوگل با استفاده از یادگیری عمیق
  • 19. ساختار داده و ویژگی‌ها (Attributes) در OSM
  • 20. ساختار داده و ویژگی‌ها در مجموعه داده‌های هوش مصنوعی
  • 21. نقاط قوت و ضعف داده‌های جمع‌سپاری شده (OSM)
  • 22. نقاط قوت و ضعف داده‌های تولید شده توسط هوش مصنوعی
  • 23. راهنمای دسترسی و دانلود داده‌های OpenStreetMap
  • 24. راهنمای دسترسی و دانلود داده‌های Microsoft و Google
  • 25. فرمت‌های رایج داده‌های ساختمانی (Shapefile, GeoJSON, GeoPackage)
  • 26. چالش‌های کار با داده‌های جهانی در مقیاس محلی
  • 27. مطالعه موردی: تفاوت‌های داده‌ای در یک منطقه شهری خاص
  • 28. داده‌های مرجع (Ground Truth): چیستی و ضرورت
  • 29. روش‌های ایجاد و گردآوری داده‌های مرجع
  • 30. چرا کیفیت داده مکانی اهمیت دارد؟ استاندارد ISO 19157
  • 31. بعد اول کیفیت: کامل بودن (Completeness)
  • 32. کامل بودن: خطای حذف (Omission Error)
  • 33. کامل بودن: خطای افزودن (Commission Error)
  • 34. بعد دوم کیفیت: دقت مکانی (Positional Accuracy)
  • 35. معیارهای ارزیابی دقت مکانی: RMSE و انحراف معیار
  • 36. بعد سوم کیفیت: دقت توصیفی (Attribute Accuracy)
  • 37. بعد چهارم کیفیت: سازگاری منطقی (Logical Consistency)
  • 38. بررسی همپوشانی و شکاف بین پلی‌گون‌های ساختمان
  • 39. بعد پنجم کیفیت: کیفیت زمانی (Temporal Quality)
  • 40. اهمیت به‌روز بودن داده‌ها در تحلیل‌های شهری
  • 41. انتخاب شهرهای مورد مطالعه: معیارها و چالش‌ها
  • 42. پیش‌پردازش داده‌ها: پاک‌سازی و یکسان‌سازی سیستم مختصات
  • 43. برش (Clipping) داده‌ها به محدوده مطالعاتی
  • 44. کارگاه عملی: آماده‌سازی داده‌های OSM برای تحلیل
  • 45. کارگاه عملی: آماده‌سازی داده‌های مایکروسافت و گوگل
  • 46. روش‌شناسی ارزیابی کامل بودن: مقایسه با داده مرجع
  • 47. محاسبه نرخ تشخیص صحیح (True Positive Rate)
  • 48. محاسبه نرخ تشخیص اشتباه (False Positive Rate)
  • 49. روش‌شناسی ارزیابی دقت مکانی
  • 50. محاسبه شاخص اشتراک مساحت (Intersection over Union - IoU)
  • 51. تحلیل انطباق مکانی و هم‌ترازی ساختمان‌ها
  • 52. روش‌شناسی ارزیابی دقت شکلی (Shape Accuracy)
  • 53. مقایسه مساحت و محیط پلی‌گون‌ها
  • 54. کارگاه عملی: پیاده‌سازی ارزیابی کامل بودن در QGIS/Python
  • 55. کارگاه عملی: پیاده‌سازی ارزیابی دقت مکانی و شکلی
  • 56. تفسیر نتایج ارزیابی کیفیت: چه چیزی را به ما می‌گویند؟
  • 57. مقایسه تطبیقی کیفیت داده‌ها بین شهرهای مختلف
  • 58. تحلیل تأثیر ویژگی‌های شهری (تراکم، بافت) بر کیفیت داده
  • 59. ارتباط بین روش تولید داده و نوع خطاهای مشاهده شده
  • 60. مقدمه‌ای بر شاخص‌های نابرابری شهری
  • 61. چگونه داده‌های ساختمانی می‌توانند نابرابری را نشان دهند؟
  • 62. شاخص اول: تراکم ساختمانی و الگوهای استقرار
  • 63. شاخص دوم: اندازه و مساحت ساختمان‌ها
  • 64. شاخص سوم: دسترسی به فضای سبز و خدمات بر اساس توزیع ساختمان‌ها
  • 65. تحلیل الگوهای فضایی: تحلیل خوشه‌ای و نقاط داغ (Hot Spot Analysis)
  • 66. نقشه‌برداری توزیع ساختمان‌های شناسایی نشده (Omission)
  • 67. ارتباط بین خطاهای داده و مناطق محروم شهری
  • 68. کارگاه عملی: محاسبه شاخص‌های نابرابری از داده‌های ساختمانی
  • 69. بصری‌سازی نتایج: تکنیک‌های کارتوگرافی مؤثر برای نمایش نابرابری
  • 70. مطالعه موردی اول: تحلیل نابرابری در یک کلان‌شهر توسعه‌یافته
  • 71. مطالعه موردی دوم: تحلیل نابرابری در یک شهر در حال توسعه
  • 72. مقایسه نتایج حاصل از مجموعه داده‌های مختلف (OSM در برابر AI)
  • 73. کدام مجموعه داده برای تحلیل نابرابری مناسب‌تر است؟
  • 74. محدودیت‌های استفاده از داده‌های ردپای ساختمان (عدم وجود اطلاعات ارتفاع و کاربری)
  • 75. نقش هوش مصنوعی و یادگیری عمیق در بهبود تولید داده‌ها
  • 76. چالش‌های تشخیص ساختمان در مناطق با تراکم بالا و بافت غیررسمی
  • 77. تلفیق داده‌های ساختمانی با داده‌های اجتماعی-اقتصادی (سرشماری)
  • 78. استفاده از تحلیل‌های سه‌بعدی (3D) و داده‌های ارتفاعی (LiDAR)
  • 79. آینده داده‌های باز شهری و نقش شهروندان (Citizen Science)
  • 80. ملاحظات اخلاقی و حریم خصوصی در انتشار و تحلیل داده‌های دقیق مکانی
  • 81. چالش‌های مقیاس‌پذیری: از تحلیل محلی تا ارزیابی جهانی
  • 82. تأثیر سیاست‌های داده باز بر تحقیقات شهری
  • 83. ارزیابی کیفیت داده‌های OSM بر اساس سابقه مشارکت‌کنندگان
  • 84. تحلیل تأثیر زمان بر کیفیت داده‌ها (Temporal Analysis)
  • 85. استفاده از یادگیری ماشین برای پیش‌بینی کیفیت داده در مناطق ناشناخته
  • 86. استانداردسازی فرآیندهای ارزیابی کیفیت برای تکرارپذیری مطالعات
  • 87. چالش‌های معنایی: تعریف "ساختمان" در فرهنگ‌ها و شهرهای مختلف
  • 88. ارزیابی تأثیر خطاهای داده بر نتایج مدل‌سازی‌های شهری
  • 89. جمع‌بندی یافته‌های کلیدی دوره
  • 90. چالش‌های باز و مسیرهای تحقیقاتی آینده
  • 91. پروژه نهایی: طراحی و اجرای یک مطالعه ارزیابی کیفیت برای شهر شما

📚 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.