Ưu đãi trong tuần: Nhập mã UD50 giảm 50k cho đơn từ 300k!
Trang chủ
Menu

Geospatial APIs For Data Science Applications In Python

Ứng Dụng API Địa Không Gian Cho Khoa Học Dữ Liệu Bằng Python

Ứng Dụng API Địa Không Gian Cho Khoa Học Dữ Liệu Bằng Python

Khoa Học Dữ Liệu Với Google Earth Engine (GEE) và Foursquare Sử Dụng API Trong Python

4.6
(209 đánh giá)
4,010 học viên
Giảng viên
Minerva Singh
Phụ đề Việt chất lượng cao Phụ đề tiếng Anh Bán chạy Đánh giá cao
50.000đ 349.000đ -86%
✓ Xem giỏ hàng và thanh toán
Bao gồm phụ đề tiếng Việt, tiếng Anh
6.0 giờ video
76 bài giảng
Truy cập vĩnh viễn
Học trên mọi thiết bị
Cập nhật: 30/05/2026

Bạn sẽ học được gì

Hướng dẫn làm việc với notebook Jupyter trực tuyến
Nắm vững kiến thức nền tảng về sử dụng API địa không gian với Python
Áp dụng các phương pháp khoa học dữ liệu vào dữ liệu địa không gian
Triển khai API Google Earth Engine (GEE) trong hệ sinh thái Python
Sử dụng bộ dữ liệu của GEE để trực quan hóa và phân tích địa không gian

Yêu cầu

Đã có hiểu biết cơ bản về khái niệm địa không gian
Đã có kiến thức về lập trình Python
Mong muốn sử dụng API địa không gian cho các ứng dụng khoa học dữ liệu

Đối tượng phù hợp

Sinh viên ngành lâm nghiệp, môi trường, địa lý và khoa học môi trường
Người quan tâm đến việc lấy dữ liệu địa không gian qua API
Người muốn thực hiện phân tích dữ liệu địa không gian
Người quan tâm đến việc áp dụng kỹ thuật máy học vào dữ liệu địa không gian

Nội dung khóa học

9 phần • 76 bài giảng
1 Khóa học này nói về điều gì?
2 Dữ liệu và Mã nguồn
3 Cài đặt Python
4 Google CoLab là gì?
5 Google Colab và GPU
6 Các gói thư viện trong Google Colab
7 Giới thiệu Khái niệm Cơ bản về Dữ liệu Không gian
1 API là gì
2 Tàu điện ngầm Singapore (MRT)
3 Mã hóa địa lý cơ bản
4 Mã hóa địa lý cho một DataFrame chứa các thành phố
5 Giới thiệu về API Foursquare
6 Bắt đầu với API Foursquare
7 Lấy thông tin về các địa điểm và chi tiết xung quanh một vị trí cụ thể
8 Trực quan hóa các địa điểm từ Foursquare
9 Truy xuất địa điểm dựa trên tọa độ Vĩ độ/Kinh độ
10 Truy xuất các địa điểm tương ứng với các khu vực lân cận của Mumbai
1 Truy cập Dữ liệu Open Street
2 Lấy Dữ liệu từ Ngân hàng Thế giới
1 GEE là gì?
2 Đăng ký GEE
3 Các bộ dữ liệu trong GEE
1 Truy cập API GEE trong Python
2 Giới thiệu về Geemap
3 Bắt đầu khám phá Bộ sưu tập Đối tượng (Feature Collections)
4 Lọc và trực quan hóa Shapefile
5 Xác định quốc gia lớn nhất
6 Lọc dựa trên thuộc tính số
7 Nhóm Bộ sưu tập Đối tượng theo Thuộc tính
8 Tạo Hộp giới hạn GeoJSON
9 Cắt ảnh theo phạm vi Shapefile
10 Tải dữ liệu bên ngoài lên GEE
1 Truy cập Bộ sưu tập Ảnh trong Google Colab
2 Xem ảnh cạnh nhau
3 Tính toán Địa hình
4 Cắt Bộ sưu tập Ảnh theo phạm vi Shapefile
5 Cải thiện ảnh đã cắt của bạn
6 Trực quan hóa Chuỗi Thời gian
7 Dữ liệu Đa phổ là gì?
8 Sử dụng Dữ liệu Đa phổ: Trường hợp Tonle Sap
9 Lập bản đồ Lũ lụt
10 Tại sao chúng ta cần Dữ liệu Radar
11 Lấy Dữ liệu Sentinel-1 từ GEE
12 Trực quan hóa Dữ liệu Sentinel-1
13 Lấy Dữ liệu Chuỗi Thời gian Landsat từ GEE
1 Pandas là gì?
2 Nguyên tắc Trực quan hóa Dữ liệu
3 Một số nguyên lý lý thuyết đằng sau Trực quan hóa Dữ liệu
4 Trực quan hóa Dữ liệu Địa không gian Chuỗi Thời gian với Pandas
5 Các trạm MRT của Singapore nằm ở đâu?
6 Mã màu cho các trạm này - Phần 1
7 Mã màu cho các trạm này - Phần 2
1 Máy học (ML) là gì?
2 Dữ liệu Huấn luyện
3 Học không giám sát: Lý thuyết
4 k-means
5 Phân cụm lớp phủ đất tại Campuchia - Phần 1
6 Phân cụm lớp phủ đất tại Campuchia - Phần 2
7 Phân loại có giám sát
8 Rừng ngẫu nhiên (Random Forest)
9 Phân loại có giám sát cơ bản với MODIS cho mẫu huấn luyện
10 Kết quả của tôi tốt đến mức nào?
11 Độ chính xác
12 Tách phổ
13 Phân loại có giám sát với Vị trí địa lý: Giới thiệu (Phần 1)
14 Phân loại có giám sát: Dữ liệu Huấn luyện theo Vị trí địa lý
15 Phân loại Ảnh
16 Kết hợp Dữ liệu Viễn thám từ các cảm biến khác nhau - Vấn đề
17 Phân loại có giám sát: Sentinel-1 và Sentinel-2
18 Phân loại có giám sát: Chỉ số thực vật (VIs) từ Sentinel
19 Trực quan hóa kết quả phân loại
1 OBIA
2 Với GEE
3 Numpy là gì?
4 Tính toán phân tán
5 Ôn tập về Khái niệm Không gian

Giới thiệu khóa học

ENROLL IN MY LATEST COURSE ON HOW TO LEARN ALL ABOUT OBTAINING AND WORKING WITH WITH FREE GEOSPATIAL DATA OBTAINED VIA APPLICATION PROGRAMMING INTERFACES (APIs) USING DATA SCIENCE TECHNIQUES.

  • Are you currently enrolled in any of my GIS and remote sensing related courses?

  • Or perhaps you have prior experiences in GIS or tools like R and QGIS?

  • You want to quickly analyse large amounts of geospatial data

  • Implement machine learning models on remote sensing data

  • You don't want to spend 100s and 1000s of dollars on buying commercial software for imagery analysis?

  • You want to have access  to a multi-petabyte catalogue of satellite imagery and geospatial datasets with planetary-scale analysis capabilities

The next step for you is to gain proficiency in obtaining free geospatial datasets from a variety of sources, from Foursquare to Google Earth Engine via their Python-friendly APIs and analyse these using data science techniques

MY COURSE IS A HANDS-ON TRAINING WITH REAL REMOTE SENSING AND GIS DATA ANALYSIS WITH GOOGLE EARTH ENGINE- A planetary-scale platform for Earth science data & analysis; including implementing machine learning models on imagery data, powered by Google's cloud infrastructure. !

My course provides a foundation to carry out PRACTICAL, real-life remote sensing and GIS analysis tasks in this powerful cloud-supported platform. By taking this course, you are taking an important step forward in your GIS journey to become an expert in geospatial analysis.

Why Should You Take My Course?

I have an MPhil (Geography and Environment) from the University of Oxford, UK. I also completed a PhD at Cambridge University (Tropical Ecology and Conservation).

I have several years of experience in analyzing real-life spatial geospatial data from different sources and producing publications for international peer-reviewed journals.

In this course, actual geospatial data obtained via Foursquare and GEE APIs will be used to give you hands-on experience of applying data science and machine learning techniques to these data to answer real-life questions such as identifying the best locations for a restaurant or changes in socio-economic dynamics of a territory.

This course will ensure you learn & put geospatial data analysis into practice today and increase your proficiency in using APIs for obtaining these data and deriving valuable insights from them.

This is a fairly comprehensive course, i.e. we will focus on learning the most essential and widely encountered data science techniques applied to geospatial data

In addition to all the above, you’ll have MY CONTINUOUS SUPPORT to make sure you get the most value out of your investment!

ENROLL NOW :)

Khóa học liên quan

Khám phá thêm các khoá học cùng chủ đề

Hiển thị tất cả khoá học Data Science
Hiển thị tất cả khoá học Geospatial Analysis
Hiển thị tất cả khoá học Machine Learning
Hiển thị tất cả khoá học Python
Zalo
Tôi có thể tư vấn khoá học cho bạn 😊