Dedika is een platform waar je leert door te doen: bijvoorbeeld een commerciële offerte opstellen, manicure worden of een nieuwe tool gebruiken. Wat je doel ook is, de beste content over het onderwerp bestaat al. Alleen is die vaak in een andere taal, duur, verspreid over het internet, zonder oefenmateriaal of te lang voor wie een druk leven heeft. Daarom heeft Dedika een eigen methode: wij zoeken het materiaal waar het ook is, organiseren wat relevant is voor jouw doel, laten het nakijken door experts die klaarstaan om je vragen te beantwoorden en maken praktische oefeningen zodat je al doende leert. Jij staat centraal in jouw leertraject en niemand kent jouw behoeften beter dan jijzelf: kies de inhoud en de duur van de cursus, bepaal of je online of offline leert en in welk formaat. Dat kan video, tekst, audio of een samenvatting zijn. Op jouw manier, alleen met wat voor jou werkt. Hier telt elke minuut die je investeert en bereik je sneller wat echt belangrijk is.

Onze cursussen bevatten aan het einde van elk hoofdstuk een samenvatting, die je als PDF kunt downloaden en printen.

Meer dan 2 miljoen studenten wereldwijd

Aanwezig in meer dan 180 landen

Certificaat geldig in jouw land

Startpagina

...

Geospatial Data Science Cursus

Alle cursussen

Techniek, bouw en technologie

Technologie

Geospatial Data Science Cursus

Voor alle niveaus

Geospatial Data Science Cursus

Beheers de volledige geospatiale datawetenschapsstack — van coördinatensystemen en ruimtelijke databases tot machine learning en analyse van satellietbeelden. Deze cursus geeft je de technische vaardigheden en praktische workflows waar werkgevers in GIS, milieuwetenschappen, stedelijke analyse en logistiek actief naar op zoek zijn. Als je met locatiegegevens werkt, is dit de training die je carrière vooruithelpt.

Dedika voor bedrijven

Wat je gaat leren:

Je bouwt een volledige geospatiale datawetenschapsskillset, beginnend met GIS-grondbeginselen en ruimtelijke gegevensformaten, en vordert vervolgens via op Python gebaseerde vector- en rasteranalyse, ruimtelijke statistiek en remote sensing. Je leert PostGIS-databases doorzoeken, datapijplijnen automatiseren en machinelearningmodellen toepassen op locatieproblemen uit de praktijk. De cursus behandelt ook cloud-native geospatiale computatie, big data-verwerking en deep learning voor satellietbeelden. Na afloop kun je end-to-end ruimtelijke analyseworkflows ontwerpen, publicatiekaarten van hoge kwaliteit en interactieve dashboards produceren, en resultaten leveren die besluitvorming in verschillende sectoren sturen.

Hoe je praktisch studeert Geospatial Data Science Cursus

Hoe je oefent Geospatial Data Science Cursus

Voor bedrijven die hun team willen trainen

Bij Dedika voor bedrijven bevat de cursus oefeningen en voorbeelden die zijn afgestemd op jouw organisatie en precies zoals jouw bedrijf het nodig heeft.

Klik hier

Cursusinhoud

8 Hoofdstukken • 40 LessenDuur tussen 4 en 360 uren (jij beslist)

Hoofdstuk 1Bekijk details

Grondslagen van Geospatiale Datawetenschap

Les 1 • Coördinatensystemen en Projecties
Behandelt geografische versus geprojecteerde coördinatensystemen, datums en projectievervorming. Legt de ruimtelijke referentiebasis vast die vereist is voor al het verdere datawerk.
Les 2 • Ruimtelijke Dataformaten en Standaarden
Inventariseert veelgebruikte bestandsformaten en open standaarden voor het opslaan en uitwisselen van geospatiale gegevens. Bereidt studenten voor op het importeren en exporteren van gegevens op diverse platforms.
Les 3 • Ruimtelijke Schalen Resolutieconcepten
Legt kaartschaal, ruimtelijke resolutie en hun effecten op analysenauwkeurigheid uit. Koppelt schaalbeslissingen aan resultaten van real-world dataverzameling en -interpretatie.
Les 4 • Vector- en Rasterdatamodellen
Introduceert de twee primaire ruimtelijke datamodellen en hun afwegingen. Inzicht in beide modellen is essentieel voor het kiezen van geschikte formaten in analyseworkflows.
Les 5 • Introductie tot het GIS-software-ecosysteem
Inventariseert desktop-, web- en open-source GIS-tools en hun rollen in een moderne workflow. Oriënteert studenten op het toolinglandschap voordat hands-on coderen begint.

Hoofdstuk 2Bekijk details

Geospatiale Data-acquisitie en -beheer

Les 1 • Data-integratie en Schema-harmonisatie
Adresseert het samenvoegen van datasets met verschillende projecties, schema's en resoluties tot een uniforme, analyseklare laag. Ondersteunt direct multi-bron analytische projecten.
Les 2 • Datakwaliteitsbeoordeling en -opschoning
Identificeert veelvoorkomende ruimtelijke datakwaliteitsproblemen zoals positionele fouten, attribuutgaten en topologiefouten. Rust studenten uit met systematische opschonings- en validatieworkflows.
Les 3 • API's en Webservices voor Ruimtelijke Data
Leert programmatische toegang tot ruimtelijke data via REST API's, WMS, WFS en tilediensten. Maakt geautomatiseerde, herhaalbare data-ophaling binnen analysepijplijnen mogelijk.
Les 4 • Primaire en Secundaire Databronnen
Onderscheidt primaire data verzameld in het veld van secundaire bronnen zoals open portalen en satellietarchieven. Begeleidt bronselectie op basis van nauwkeurigheid, dekking en licenties.
Les 5 • Ruimtelijk Databaseontwerp en -beheer
Behandelt relationeel en ruimtelijk databaseontwerp, indexering en query-optimalisatie voor geospatiale data. Biedt de databeheerruggengraat voor grootschalige analytische projecten.

Hoofdstuk 3Bekijk details

Grondbeginselen van Ruimtelijke Analyse

Les 1 • Rastergebaseerde Ruimtelijke Bewerkingen
Verkent kaartalgebra, herclassificatie, zonale statistieken en kosten-oppervlakte-analyse op rasterdata. Rasterbewerkingen maken modellering van continue oppervlakken over grote gebieden mogelijk.
Les 2 • Grondbeginselen van Netwerkanalyse
Behandelt grafiekgebaseerde routering, servicegebiedmodellering en oorsprong-bestemmingsmatrixberekening. Netwerkanalyse is cruciaal voor logistiek, stadsplanning en noodhulp.
Les 3 • Nabijheids- en Afstandsanalyse
Behandelt buffergeneratie, afstandsmatrices en berekeningen van dichtste buren. Deze bewerkingen vormen de basis voor locatieselectie, servicegebiedafbakening en toegankelijkheidsstudies.
Les 4 • Terrein- en Oppervlakteanalyse
Introduceert DEM-gebaseerde bewerkingen zoals helling, aspect, hillshade en zichtbaarheidsanalyse. Verbindt oppervlaktemodellering met milieu-, infrastructuur- en planningstoepassingen.
Les 5 • Overlay- en Ruimtelijke Join-bewerkingen
Leert intersectie, union, difference en ruimtelijke join-bewerkingen voor het combineren van ruimtelijke lagen. Overlay-analyse is de basis van multi-criteria ruimtelijke besluitvorming.

Hoofdstuk 4Bekijk details

Python voor Geospatiale Analyse

Les 1 • Python Geospatiale Omgevingssetup
Configureert conda- en pip-omgevingen met kernbibliotheken voor geospatiale analyse en Jupyter-notebooks. Een stabiele omgeving is de voorwaarde voor al het verdere Python-gebaseerde werk.
Les 2 • Rasterverwerking met Rasterio en NumPy
Leest, schrijft en verwerkt rasterdatasets met Rasterio en NumPy-arraybewerkingen. Maakt schaalbare rasteranalyse mogelijk zonder afhankelijkheid van desktop GIS-software.
Les 3 • Workflowautomatisering en Scripting
Ontwerpt modulaire, herbruikbare geospatiale verwerkingsscripts met logging, foutafhandeling en CLI-interfaces. Automatiseringsvaardigheden zijn essentieel voor datapijplijnen van productiekwaliteit.
Les 4 • Vectoranalyse met GeoPandas en Shapely
Past GeoPandas GeoDataFrames en Shapely-geometrieobjecten toe om ruimtelijke bewerkingen programmatisch uit te voeren. Overbrugt vaardigheden in tabellaire datawetenschap naar ruimtelijke analyse.
Les 5 • Ruimtelijke Queries met PostGIS en SQLAlchemy
Voert ruimtelijke SQL-queries uit tegen PostGIS-databases vanuit Python met SQLAlchemy en GeoAlchemy2. Integreert database-ondersteunde ruimtelijke analyse in Python-workflows.

Hoofdstuk 5Bekijk details

Ruimtelijke Statistiek en Verkennende Analyse

Les 1 • Ruimtelijke Autocorrelatieanalyse
Meet ruimtelijke afhankelijkheid met behulp van Moran's I, Geary's C en lokale indicatoren van ruimtelijke associatie. Autocorrelatieanalyse onthult clustering- en spreidingspatronen in attribuutdata.
Les 2 • Beschrijvende Ruimtelijke Statistiek
Berekent ruimtelijk gemiddelde, mediaancentrum, standaarddeviatie-ellips en directionele verdeling. Deze maten vatten de centrale tendentie en spreiding van ruimtelijke puntverzamelingen samen.
Les 3 • Geografisch Gewogen Regressie
Past ruimtelijk variërende regressiemodellen aan om lokale relaties tussen variabelen vast te leggen. GWR onthult hoe voorspellereffecten veranderen over de geografische ruimte.
Les 4 • Puntpatroonanalyse
Analyseert de verdeling van puntengebeurtenissen met kernel density estimation, kwadraatanalyse en Ripley's K. Identificeert of puntpatronen willekeurig, geclusterd of verspreid zijn.
Les 5 • Ruimtelijke Interpolatiemethoden
Schat waarden op niet-bemonsterde locaties met IDW, kriging en spline-interpolatie. Interpolatie zet schaarse puntmetingen om in continue ruimtelijke oppervlakken.

Hoofdstuk 6Bekijk details

Remote Sensing en Beeldanalyse

Les 1 • Spectrale Indices en Bandwiskunde
Berekent vegetatie-, water-, bebouwings- en bodemindices uit multispectrale banden. Spectrale indices bieden snelle, kwantitatieve indicatoren voor landoppervlakteomstandigheden.
Les 2 • Principes van Remote Sensing
Legt elektromagnetisch spectrum, sensortypen en beeldacquisitiegeometrie uit. Fundamentele natuurkundekennis is vereist voor correcte interpretatie van satellietbeelden.
Les 3 • Veranderingsdetectie en tijdreeksanalyse
Detecteert veranderingen in landbedekking en oppervlakte met behulp van beeldverschil, post-classificatievergelijking en tijdreeksmethoden. Veranderingsdetectie ondersteunt milieumonitoring en stedelijke groeianalyse.
Les 4 • Beeldvoorbewerking en -correctie
Behandelt radiometrische kalibratie, atmosferische correctie en geometrische orthorectificatie. Voorbewerking zorgt dat beelden analyseklaar en vergelijkbaar zijn over meerdere data.
Les 5 • Landbedekkingsclassificatie
Past gesuperviseerde en ongesuperviseerde classificatie-algoritmen toe om landbedekkingslabels aan beeldpixels toe te wijzen. Classificatie is de primaire methode voor het in kaart brengen van landgebruik uit beelden.

Hoofdstuk 7Bekijk details

Machine Learning voor Geospatiale Problemen

Les 1 • Ruimtelijke Feature Engineering
Creëert locatiebewuste features zoals ruimtelijke vertragingen, afstandsfeatures en terreinafleidingen voor ML-modellen. Feature engineering overbrugt ruwe geodata en modelklare invoermatrices.
Les 2 • Ruimtelijk Bewuste Modelvalidatie
Adresseert ruimtelijke autocorrelatie in trainingsdata door ruimtelijke kruisvalidatie en block holdout-strategieën. Correcte validatie voorkomt te optimistische prestatie-inschattingen.
Les 3 • Regressie en Classificatie op Ruimtelijke Data
Traint gradient boosting, random forest en lineaire modellen op ruimtelijke tabellaire datasets voor voorspellingstaken. Behandelt modelafstemming, interpretatie en ruimtelijke residudiagnostiek.
Les 4 • Clustering- en Regionalisatiemethoden
Past ruimtelijk beperkte clustering- en regionalisatie-algoritmen toe om homogene zones af te bakenen. Clustering ondersteunt marktsegmentatie, ecologische zonering en stedelijke analyse.
Les 5 • Deep Learning voor Geospatiale Beelden
Implementeert convolutionele neurale netwerken en U-Net-architecturen voor semantische segmentatie en objectdetectie in satellietbeelden. Deep learning maakt geautomatiseerde feature-extractie op schaal mogelijk.

Hoofdstuk 8Bekijk details

Geospatiale Visualisatie en Communicatie

Les 1 • Statische Kaartproductie in Python
Creëert publicatieklare statische kaarten met Matplotlib, GeoPandas-plot en Cartopy. Python-gebaseerde kaartproductie integreert naadloos in reproduceerbare analyseworkflows.
Les 2 • Cartografische Ontwerpprincipes
Behandelt visuele hiërarchie, kleurentheorie, typografie en plaatsing van kaartelementen voor effectieve cartografie. Goede ontwerpprincipes zorgen dat kaarten accuraat en zonder vooroordelen communiceren.
Les 3 • Storytelling met Ruimtelijke Data
Structureert ruimtelijke verhalen met scrollytelling, geannoteerde kaarten en datagedreven rapporten voor niet-technische doelgroepen. Effectieve storytelling vertaalt analytische bevindingen naar bruikbare inzichten.
Les 4 • Interactieve Webmapping
Bouwt interactieve webkaarten met Folium, Leaflet en Mapbox GL JS met dynamische lagen en pop-ups. Interactieve kaarten verhogen de betrokkenheid van het publiek en maken verkennende data-ontdekking mogelijk.
Les 5 • Ruimtelijke Dashboards en Data-apps
Ontwikkelt ruimtelijke analysedashboards met Dash, Streamlit en Panel met gekoppelde kaart- en grafiekcomponenten. Dashboards stellen belanghebbenden in staat om ruimtelijke data te verkennen zonder codeervaardigheden.

Certificering

Jouw geldig certificaat van voltooiing

Deze cursus is voor jou:

GIS-technicus: klaar om verder te gaan dan desktop-hulpmiddelen en over te stappen op programmatische ruimtelijke workflows.
Milieuwetenschapper: streeft ernaar velddata-analyse op te schalen met behulp van satellietbeelden en statistiek.
Data-analist: wil locatie-intelligentie toevoegen als een kernprofessioneel onderscheidend vermogen.
Stedelijk planner: die datagestuurde methoden wil toepassen op mobiliteits-, landgebruiks- en rechtvaardigheidsvraagstukken.
Carrièreswitcher: afkomstig uit engineering of geografie en gericht op rollen in de geospatiale industrie.
Logistiek analist: gericht op het optimaliseren van routerings- en faciliteitsbeslissingen met behulp van ruimtelijke modelleringstechnieken.

Wat onze studenten zeggen

Jullie lessen zijn perfect. Ik heb het jaarpakket aangeschaft en heb eindelijk de mogelijkheid om verschillende onderwerpen die mij interesseren te volgen zonder van platform te hoeven wisselen... bedankt voor alles wat jullie doen, ik heb jullie al aan anderen aanbevolen...