دوره اسکریپت‌نویسی و اتوماسیون پردازش داده‌های مکانی با پایتون همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اسکریپت‌نویسی و اتوماسیون پردازش داده‌های مکانی با پایتون

موضوع کلی: علوم جغرافیایی و اطلاعات مکانی

موضوع میانی: برنامه‌نویسی و اتوماسیون در GIS

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش داده‌های مکانی
• 2. مبانی پایتون برای GIS
• 3. نصب و پیکربندی محیط توسعه پایتون
• 4. کار با انواع داده‌های مکانی در پایتون
• 5. خواندن و نوشتن فایل‌های Shapefile
• 6. خواندن و نوشتن فایل‌های GeoJSON
• 7. کار با کتابخانه Geopandas
• 8. دستکاری داده‌های برداری مکانی
• 9. انتخاب و فیلتر کردن داده‌های مکانی
• 10. محاسبه ویژگی‌های هندسی
• 11. عملیات توپولوژیکی در Geopandas
• 12. اتصال به پایگاه داده‌های مکانی
• 13. استفاده از PostgreSQL/PostGIS با پایتون
• 14. پرس‌وجو و استخراج داده‌ها از پایگاه داده مکانی
• 15. مقدمه‌ای بر نقشه‌برداری وب
• 16. ساخت نقشه‌های تعاملی با Folium
• 17. سفارشی‌سازی نقشه‌ها در Folium
• 18. کار با Tile Providers در Folium
• 19. اتوماسیون پردازش داده‌های مکانی با اسکریپت
• 20. نوشتن اسکریپت‌های پایتون برای پردازش دسته‌ای
• 21. مدیریت خطاها و لاگ‌برداری در اسکریپت‌ها
• 22. کار با APIهای GIS
• 23. دریافت داده‌های مکانی از APIهای آنلاین
• 24. تبدیل داده‌ها بین فرمت‌های مختلف
• 25. مقدمه‌ای بر پردازش تصاویر ماهواره‌ای
• 26. خواندن و نوشتن فایل‌های Raster
• 27. تحلیل تصاویر ماهواره‌ای با پایتون
• 28. محاسبه شاخص‌های گیاهی
• 29. دسته‌بندی تصاویر ماهواره‌ای
• 30. مقدمه‌ای بر تحلیل شبکه‌های حمل و نقل
• 31. مدل‌سازی شبکه‌های حمل و نقل با پایتون
• 32. محاسبه کوتاه‌ترین مسیر
• 33. تحلیل دسترسی‌پذیری
• 34. مقدمه‌ای بر تحلیل فضایی آماری
• 35. محاسبه شاخص‌های فضایی
• 36. آزمون‌های آماری فضایی
• 37. مقدمه‌ای بر یادگیری ماشین در GIS
• 38. خوشه‌بندی داده‌های مکانی
• 39. پیش‌بینی داده‌های مکانی
• 40. تشخیص الگوهای مکانی
• 41. مقدمه‌ای بر پردازش داده‌های LiDAR
• 42. خواندن و نوشتن فایل‌های LiDAR
• 43. تبدیل داده‌های LiDAR به مدل‌های رقومی
• 44. استخراج ویژگی‌های از LiDAR
• 45. مقدمه‌ای بر Web GIS
• 46. استفاده از GeoServer
• 47. استفاده از MapServer
• 48. مقدمه‌ای بر Docker و GIS
• 49. استفاده از Docker برای مدیریت محیط‌های GIS
• 50. ساخت تصاویر Docker برای پردازش داده‌های مکانی
• 51. کار با Git و GitHub برای مدیریت کد
• 52. بهترین شیوه‌ها برای نوشتن کد پایتون GIS
• 53. مستندسازی کد پایتون GIS
• 54. آزمایش واحد کد پایتون GIS
• 55. بهینه‌سازی کد پایتون GIS برای عملکرد
• 56. کار با کتابخانه Rasterio
• 57. مقدمه‌ای بر پردازش داده‌های ابری مکانی
• 58. استفاده از Amazon Web Services (AWS) برای GIS
• 59. استفاده از Google Cloud Platform (GCP) برای GIS
• 60. استفاده از Microsoft Azure برای GIS
• 61. کار با کتابخانه Shapely
• 62. مقدمه‌ای بر Geopy
• 63. Geocoding و Reverse Geocoding با پایتون
• 64. محاسبه فاصله و جهت با پایتون
• 65. کار با کتابخانه Pyproj
• 66. تبدیل سیستم‌های مختصات با پایتون
• 67. مقدمه‌ای بر OpenStreetMap (OSM)
• 68. دریافت داده‌های OSM با پایتون
• 69. ویرایش داده‌های OSM با پایتون
• 70. ساخت ابزارهای GIS سفارشی با پایتون
• 71. کار با کتابخانه PyQt برای ساخت رابط کاربری
• 72. استفاده از کتابخانه Tkinter برای ساخت رابط کاربری
• 73. مقدمه‌ای بر پردازش داده‌های حسگر از راه دور
• 74. کار با داده‌های GPS
• 75. کار با داده‌های IMU
• 76. مقدمه‌ای بر پردازش داده‌های مکانی سه بعدی
• 77. کار با کتابخانه PDAL
• 78. مدل‌سازی صحنه‌های سه بعدی با پایتون
• 79. کار با کتابخانه VTK
• 80. مقدمه‌ای بر پردازش داده‌های مکانی بزرگ
• 81. استفاده از Dask برای پردازش داده‌های مکانی
• 82. استفاده از Spark برای پردازش داده‌های مکانی
• 83. کار با کتابخانه GeoSpark
• 84. مقدمه‌ای بر اتوماسیون گزارش‌گیری GIS
• 85. ساخت گزارش‌های مکانی خودکار با پایتون
• 86. مقدمه‌ای بر توسعه پلاگین برای نرم‌افزارهای GIS
• 87. توسعه پلاگین برای QGIS با پایتون
• 88. توسعه پلاگین برای ArcGIS با پایتون
• 89. مقدمه‌ای بر تحلیل الگوهای مکانی-زمانی
• 90. کار با سری‌های زمانی مکانی
• 91. تحلیل تغییرات مکانی در طول زمان
• 92. مقدمه‌ای بر مدل‌سازی انتشار آلودگی
• 93. پیش‌بینی انتشار آلودگی با پایتون
• 94. مقدمه‌ای بر تحلیل خطر بلایای طبیعی
• 95. ارزیابی خطر بلایای طبیعی با پایتون
• 96. مقدمه‌ای بر برنامه‌ریزی شهری با GIS
• 97. تحلیل داده‌های جمعیتی و کاربری اراضی
• 98. مقدمه‌ای بر کشاورزی دقیق با GIS
• 99. تحلیل داده‌های محصول و خاک
• 100. مقدمه‌ای بر مدیریت منابع آب با GIS