Авторизация

Логин:
Пароль:
Восстановить пароль
Регистрация
image description
Возникли вопросы?

Тел: +7 (495) 662-99-79
E-mail: market@dataplus.ru

image description События

Предконференционный семинар "Искусственный Интеллект в ГИС" 2019

Искусственный Интеллект в ГИС

Предконференционный семинар

21 октября 2019, с 10 до 18, офис Esri CIS (Москва, ул. Смольная, 52 стр. 6).

Стоимость участия: 15 000 руб.

Формат: Практический семинар. Класс на ~15-20 человек. 2-3 часа теоретических материалов, 4-5 часов практических упражнений. 

Продолжительность: 6-8 часов.

Уровень подготовки: основы ГИС, базовый Python. Знание Jupyter Notebook необязательно, но желательно.

Оборудование: свой ноутбук (с зарядным устройством), мышь.

Содержание:

Открытие.

  1. Введение в ИИ, Машинное Обучение (Machine Learning), Глубокое Обучение (Deep Learning).
  2. Примеры машинного обучения (МО).
    1. Кригинг.
    2. Случайный лес (Random Forest).
  3. Основы Глубокого обучения (ГО).
    1. Когда использовать МО, а когда ГО?
    2. Искусственные нейронные сети.
      1. Перцептрон.
      2. Стохастический Градиентный Спуск и Обратное Распространение Ошибки.
      3. Программное Обеспечение 2.0.
      4. Шаг обучения, Функция Потерь.
      5. Минибатч, Эпоха, Чекпоинт.
      6. Гиперпараметры и их поиск.
      7. Разбиение исходных данных на Обучающую, Валидационную и Тестовую выборки.
      8. Переобучение / Недообучение.
      9. Расширенные архитектуры нейронных сетей:
        1. Конволюционные нейронные сети.
        2. Рекурентные нейронные сети.
        3. Генеративные нейронные сети.
        4. Обучение с подкреплением.
        5. Сети для работы с облаками точек.
      10. Классификация, Детектирование, Сегментация в растровых данных и облаках точек.
      11. Дообучение заранее обученной нейронной сети.
  4. ArcGIS и ГО.
    1. Подготовка данных. Инструмент Export Training Data for Deep Learning.
    2. Использование обученной модели. Инструменты Detect Object Using Deep Learning, Classify Pixels Using Deep Learning.
    3. Интеграция с фреймворками ГО.
    4. ArcGIS API for Python и нейронные сети готовые к обучению.
    5. Архитектура сети Single Shot Detector (SSD).
  5. Практическое занятие №1: поиск деревьев и зданий на аэрофотоснимке с помощью ArcGIS API for Python и ArcGIS Pro.
    1. Создание и экспорт данных для тренировки SSD.
    2. Обучения и оценка модели нейронной сети.
    3. Использование обученной модели для поиска и классификации объектов на аэрофотоснимке.
  6. Публикация обученной модели как сервиса в ArcGIS Enterprise и использование сервиса тонкими клиентами.
  7. Примеры использования ГО в ГИС.
    1. Детектирование поврежденных зданий и дорог после урагана.
    2. Автоматическое извлечение объектов из данных уличной (street-view) фотосъемки.
    3. Реконструкция трехмерный зданий из данных LiDAR.
    4. Детектирование объектов в облаках точек: здания, ЛЭП.
    5. Предсказание времени поездки по графу дорог.
    6. Оптимизация патрулирования.
  8. Архитектура UNet и семантическая сегментация.
  9. Практическое занятие №2: автоматическая классификация типов поверхности на спутниковых снимках с помощью ArcGIS API for Python и ArcGIS Pro.
    1. Создание и экспорт данных для тренировки UNet.
    2. Обучения и оценка модели нейронной сети.
    3. Использование обученной модели для классификации типов поверхности на спутниковом снимке.
  10. Вопрос/Ответ.
  11. Заключение.

Зарегистрироваться