Formation Data Science géospatiale

Leçon 1 • Systèmes de coordonnées et projections

Couvre les systèmes de coordonnées géographiques et projetés, les datums et la distorsion de projection. Établit la base de référence spatiale nécessaire à tout travail ultérieur sur les données.

Leçon 2 • Formats de données spatiales et normes

Passe en revue les formats de fichiers largement utilisés et les normes ouvertes pour le stockage et l'échange de données géospatiales. Prépare les étudiants à ingérer et exporter des données sur diverses plateformes.

Leçon 3 • Concepts d'échelle spatiale et de résolution

Explique l'échelle cartographique, la résolution spatiale et leurs effets sur la précision de l'analyse. Lie les décisions d'échelle aux résultats concrets de collecte et d'interprétation des données.

Leçon 4 • Modèles de données vectorielles et raster

Présente les deux principaux modèles de données spatiales et leurs compromis. La compréhension des deux modèles est essentielle pour choisir les formats appropriés dans les workflows d'analyse.

Leçon 1 • Intégration des données et harmonisation des schémas

Aborde la fusion d'ensembles de données avec des projections, des schémas et des résolutions différents en une couche unifiée prête pour l'analyse. Soutient directement les projets analytiques multi-sources.

Leçon 2 • Évaluation et nettoyage de la qualité des données

Identifie les problèmes courants de qualité des données spatiales, notamment les erreurs de position, les lacunes dans les attributs et les défauts de topologie. Équipe les étudiants de workflows systématiques de nettoyage et de validation.

Leçon 3 • API et services web pour les données spatiales

Enseigne l'accès programmatique aux données spatiales via les API REST, WMS, WFS et les services de tuiles. Permet une récupération automatisée et reproductible des données au sein des pipelines d'analyse.

Leçon 4 • Sources de données primaires et secondaires

Fait la distinction entre les données primaires collectées sur le terrain et les sources secondaires telles que les portails ouverts et les archives satellitaires. Guide la sélection des sources en fonction de la précision, de la couverture et des licences.

Leçon 1 • Opérations spatiales basées sur les rasters

Explore l'algèbre cartographique, la reclassification, les statistiques zonales et l'analyse de coût de surface sur les données raster. Les opérations raster permettent la modélisation de surfaces continues sur de vastes étendues.

Leçon 2 • Fondamentaux de l'analyse de réseau

Couvre le routage basé sur des graphes, la modélisation des zones de desserte et le calcul de matrices origine-destination. L'analyse de réseau est essentielle pour la logistique, l'urbanisme et les interventions d'urgence.

Leçon 3 • Analyse de proximité et de distance

Couvre la génération de zones tampons, les matrices de distance et les calculs de plus proche voisin. Ces opérations sous-tendent la sélection de sites, la délimitation de zones de desserte et les études d'accessibilité.

Leçon 4 • Analyse du terrain et de la surface

Introduit les opérations basées sur MNE, y compris la pente, l'exposition, l'ombrage et l'analyse d'intervisibilité. Relie la modélisation de surface aux applications environnementales, d'infrastructure et de planification.

Leçon 1 • Configuration de l'environnement géospatial Python

Configure les environnements conda et pip avec les bibliothèques géospatiales de base et les notebooks Jupyter. Un environnement stable est le prérequis pour tout travail ultérieur basé sur Python.

Leçon 2 • Traitement raster avec Rasterio et NumPy

Lit, écrit et traite des ensembles de données raster en utilisant Rasterio et les opérations sur tableaux NumPy. Permet une analyse raster évolutive sans dépendre d'un logiciel SIG de bureau.

Leçon 3 • Automatisation des workflows et création de scripts

Conçoit des scripts de traitement géospatial modulaires et réutilisables avec journalisation, gestion des erreurs et interfaces en ligne de commande. Les compétences en automatisation sont essentielles pour les pipelines de données de qualité professionnelle.

Leçon 4 • Analyse vectorielle avec GeoPandas et Shapely

Applique les GeoDataFrames GeoPandas et les objets géométriques Shapely pour effectuer des opérations spatiales par programmation. Fait le pont entre les compétences en science des données tabulaires et l'analyse spatiale.

Leçon 1 • Analyse d'autocorrélation spatiale

Mesure la dépendance spatiale à l'aide de l'I de Moran, du C de Geary et des indicateurs locaux d'association spatiale. L'analyse d'autocorrélation révèle les schémas de regroupement et de dispersion dans les données d'attributs.

Leçon 2 • Statistiques spatiales descriptives

Calcule le centre moyen spatial, le centre médian, l'ellipse d'écart type et la distribution directionnelle. Ces mesures résument la tendance centrale et la dispersion d'ensembles de points spatiaux.

Leçon 3 • Régression pondérée géographiquement

Ajuste des modèles de régression à variation spatiale pour capturer les relations locales entre les variables. La GWR révèle comment les effets des prédicteurs changent à travers l'espace géographique.

Leçon 4 • Analyse de motifs ponctuels

Analyse la distribution des événements ponctuels à l'aide de l'estimation par noyau, de l'analyse par quadrats et du K de Ripley. Identifie si les motifs ponctuels sont aléatoires, regroupés ou dispersés.

Leçon 1 • Indices spectraux et mathématiques des bandes

Calcule les indices de végétation, d'eau, de bâti et de sol à partir de bandes multispectrales. Les indices spectraux fournissent des indicateurs quantitatifs rapides de l'état de la surface terrestre.

Leçon 2 • Principes de télédétection

Explique le spectre électromagnétique, les types de capteurs et la géométrie d'acquisition des images. Une connaissance fondamentale de la physique est nécessaire pour une interprétation correcte des images satellite.

Leçon 3 • Détection de changements et analyse de séries temporelles

Détecte les changements d'occupation du sol et de surface en utilisant la différence d'images, la comparaison post-classification et les méthodes de séries temporelles. La détection de changements soutient le suivi environnemental et l'analyse de la croissance urbaine.

Leçon 4 • Prétraitement et correction des images

Couvre l'étalonnage radiométrique, la correction atmosphérique et l'orthorectification géométrique. Le prétraitement garantit que les images sont prêtes pour l'analyse et comparables entre les dates.

Leçon 1 • Ingénierie des caractéristiques spatiales

Crée des caractéristiques tenant compte de la localisation, y compris les décalages spatiaux, les caractéristiques de distance et les dérivés de terrain pour les modèles ML. L'ingénierie des caractéristiques fait le pont entre les géodonnées brutes et les matrices d'entrée prêtes pour le modèle.

Leçon 2 • Validation de modèle spatialement consciente

Aborde l'autocorrélation spatiale dans les données d'apprentissage par validation croisée spatiale et stratégies de bloc de retenue. Une validation appropriée empêche des estimations de performance trop optimistes.

Leçon 3 • Régression et classification sur données spatiales

Entraîne le boosting de gradient, les forêts aléatoires et les modèles linéaires sur des ensembles de données tabulaires spatiales pour des tâches de prédiction. Couvre le réglage, l'interprétation et le diagnostic des résidus spatiaux du modèle.

Leçon 4 • Méthodes de clustering et de régionalisation

Applique des algorithmes de clustering et de régionalisation spatialement contraints pour délimiter des zones homogènes. Le clustering soutient la segmentation de marché, le zonage écologique et l'analyse urbaine.

Leçon 1 • Production de cartes statiques en Python

Crée des cartes statiques de qualité publication en utilisant Matplotlib, le tracé GeoPandas et Cartopy. La production de cartes basée sur Python s'intègre de manière transparente dans les workflows d'analyse reproductibles.

Leçon 2 • Principes de conception cartographique

Couvre la hiérarchie visuelle, la théorie des couleurs, la typographie et le placement des éléments de carte pour une cartographie efficace. Des principes de conception solides garantissent que les cartes communiquent avec précision et sans biais.

Leçon 3 • Narration avec des données spatiales

Structure les récits spatiaux en utilisant le scrollytelling, les cartes annotées et les rapports basés sur les données pour des publics non techniques. Une narration efficace traduit les résultats analytiques en informations exploitables.

Leçon 4 • Cartographie web interactive

Construit des cartes web interactives en utilisant Folium, Leaflet et Mapbox GL JS avec des couches dynamiques et des fenêtres contextuelles. Les cartes interactives augmentent l'engagement du public et permettent la découverte exploratoire des données.