Авторизация

Логин:
Пароль:
Восстановить пароль
Регистрация
  • Форум
  • Блоги
  • Контакты
  • Новости
  • Продукты
  • Отрасли
  • Обучение
  • Поддержка
  • События
  • О компании
  • 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