باشگاه فناوران اطلاعات مکانی
1.64K subscribers
1.01K photos
239 videos
317 files
743 links
Geospatial Information Technologists Association(GITA)
💠 نوآوری و خلق ارزش با فناوری اطلاعات مکانی
💠حامی استارت آپ های ژئوماتیک
🔷️WebGIS,2D/3D/4D GIS,SDI
🔷️Python, Machine /Deep Learning
🔷️AI, Smart Home&City,BIM
09124320328
@Fazel_Shahcheragh
Download Telegram
موسسه سیستم های هوشمند ماکس پلانک آلمان برگزار میکند:

مدرسه تابستانی یادگیری ماشین


سرفصل های این دوره همانطور که در تصویر میبینید کامل و عالیست.

شرکت در این دوره برای عموم آزاد است.

➡️این پست را حتما برای دوستان خود فوروارد کنید.


http://mlss.tuebingen.mpg.de/2020/schedule.html



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
This media is not supported in your browser
VIEW IN TELEGRAM
رعایت فاصله اجتماعی با یادگیری ماشین(ابتکار شرکت آمازون)



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
✍️ آموزش فیزیک به هوش مصنوعی می‌تواند سازگاری آن را افزایش دهد


پژوهشگران "دانشگاه ایالتی کارولینای شمالی"(NCSU) در بررسی جدید خود دریافته‌اند که آموختن فیزیک به شبکه‌های عصبی، آنها را قادر می‌سازد تا بهتر با محیط اطراف خود سازگار شوند. این پژوهش می‌تواند پیامدهایی برای بهبود کاربرد هوش مصنوعی در حوزه‌های گوناگون از تشخیص پزشکی گرفته تا هدایت پهپادهای خودران به همراه داشته باشد.

شبکه‌های عصبی، شکل پیشرفته‌ای از هوش مصنوعی هستند که عملکرد آنها مبتنی بر روش کارکرد مغز ما است. نورون‌های طبیعی ما براساس قدرت اتصالات خود، به تبادل پالس‌های الکتریکی می‌پردازند. شبکه‌های عصبی مصنوعی از این رفتار تقلید می‌کنند تا تفاوت میان خروجی‌های واقعی و مورد نظر را به حداقل برسانند. برای مثال، می‌توان یک شبکه عصبی را آموزش داد تا تصاویر سگ‌ها را در میان شمار زیادی از تصاویر تشخیص دهد، حدس بزند که آیا تصویر مربوط به یک سگ هست یا خیر و همین طور بررسی کند که تصویر تا چه اندازه می‌تواند به واقعیت نزدیک باشد.

پژوهشگران دانشگاه ایالتی کارولینای شمالی در این پژوهش جدید نشان دادند که آموزش فیزیک به شبکه‌های عصبی مصنوعی، به آنها کمک می‌کند تا خود را با یک سیستم سازگار کنند. آنها در این پروژه، یک شبکه عصبی مصنوعی را با مفاهیم فیزیک آموزش دادند و دریافتند که شبکه می‌تواند پویایی سیستم را به دقت پیش‌بینی کند و این کار را هم در محیط منظم و هم در محیط شلوغ و نامنظم انجام دهد.

#منهایGita
#هوش_مصنوعی




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
دوره های رایگان برنامه نویسی پایتون سایت #یودمی

ثبت نام کنید و برای دوستان خود ارسال کنید.


💡Python for Beginners - Basics to Advanced

#یودمی
#Python

▶️ https://bit.ly/3e25c0f



💡Python for Beginners

#یودمی
#Python

▶️ https://bit.ly/2NWDyHF




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
🔴 ۱۰ سایت جهت چالش های برنامه نویسی!




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
دوره پایتون برای علم داده...
ثبت نام کنید و برای دوستان خود ارسال نمایید.


💡Python Programming for Beginners in Data Science

#یودمی
#Python
لینک ثبت نام:

▶️ https://bit.ly/3fd6jeY



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
در دوره های برنامه نویسی سایت #یودمی که معرفی میکنیم تا کنون شرکت کرده اید؟
Anonymous Poll
28%
بله
72%
خیر
زبان برنامه نویسی مورد علاقه شما چیست؟
Anonymous Poll
78%
Python
7%
R
8%
Java
10%
C#
9%
سایر زبان ها
اگر کاری که داری انجام ‌میدی،

کمکی به بهتر شدن،
عاقل‌تر شدن و
پولدارتر شدنت نمیکنه،

بذارش کنار....

#کارافرین_موفق
#منهایGita



🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
زغال های روشن،
زغال های خاموش را روشن می کنند.

تیم باشگاه فناوران اطلاعات مکانی محتوای به روز و حرفه ای در زمینه GIS و فناوری اطلاعات مکانی را هر روز در اختیار شما قرار میدهد.

کانال و محتوایی را دنبال کنید که در مسیر حرفه ای تان به شما انگیزه و انرژی می بخشند.

🙏این پست را در گروه ها و برای دوستان خود فوروارد کنید.




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
این کتاب عالی را حتما یه نگاهی بهش بندازید تنها با بلد بودن برنامه نویسی پایتون شما رو وارد دنیای یادگیری ماشین میکنه.


📘نام کتاب: Machine Learning With Python Everyone
نام نویسنده / نویسندگان: Dr. Mark Fenner
📖 تعداد صفحه: 592
🏛انتشارات: Addison-Wesley Professional
🗓سال انتشار: 2020
🌐زبان: انگلیسی

این کتاب پر از مثال و نمونه های بصری خوبه که بهتون کمک میکنه به مفاهیم اصلی یادگیری ماشین مسلط بشین. از الگوریتم یادگیری ماشینی تا نحوه ارزیابی آنها و ...


#یادگیری_ماشین_در_پایتون




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
machine-learning-python-everyone.pdf
8.6 MB
📘نام کتاب: Machine Learning With Python Everyone
نام نویسنده / نویسندگان: Dr. Mark Fenner
📖 تعداد صفحه: 592
🏛انتشارات: Addison-Wesley Professional
🗓سال انتشار: 2020
🌐زبان: انگلیسی



#یادگیری_ماشین_در_پایتون




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
وبینار استفاده از یادگیری عمیق در Arc GIS


دیدن این وبینار به شما ایده های خوبی در زمینه نحوه اجرای ابزارهای Deep Learning درArcGIS و پردازش داده های سنجش از دور میدهد.

این پست را برای دوستان خود فوروارد کنید.


https://www.directionsmag.com/webinar/9087


🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
این دوره ها را از دست ندهید...

💡Python Basics for Math and Data Science 1.0: Numpy and Sympy


#یودمی
#Python

▶️ https://bit.ly/3fDTpaj



💡Fundamentals of Machine Learning with Python Implementation.

#یودمی
#Python

▶️ https://bit.ly/2BefXPW




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
#فرصت_ویژه_برای_اعضا


سلام
از دوستان اگر کسی علاقه مند به تولید محتوا و تهیه مطلب برای کانال باشگاه فناوران اطلاعات مکانی می باشد به آیدی زیر اطلاع دهد.

تبلیغات محصولات فناورانه استارت آپ های اطلاعات مکانی در کانال رایگان می باشد. برای تبلیع بنر خود را برای ما ارسال نمایید.

همچنین دوستانی که پکیج های آموزشی مرتبط با اطلاعات مکانی دارند میتوانند برای معرفی محصولات خود تبلیعاتشان را برای ما ارسال نمایند.

آیدی جهت هماهنگی :
@Rezaeimoghadam




🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی
باشگاه فناوران اطلاعات مکانی pinned «#فرصت_ویژه_برای_اعضا سلام از دوستان اگر کسی علاقه مند به تولید محتوا و تهیه مطلب برای کانال باشگاه فناوران اطلاعات مکانی می باشد به آیدی زیر اطلاع دهد. تبلیغات محصولات فناورانه استارت آپ های اطلاعات مکانی در کانال رایگان می باشد. برای تبلیع بنر خود را…»
#تبلیغات
#حمایت_از_استارت_آپ_اطلاعات_مکانی
دوره سیستم اطلاعات مکانی – مقدماتی

مدرس: دکتر ماهیار سلطانی رفیعی
مدت دوره: ۳۴ ساعت
پیش نیاز : ندارد
محصول شرکت توسعه علوم ژئوماتیک رهپویان

سرفصل های دوره :
سرفصل های دوره :

مبانی سیستم اطلاعات مکانی(GIS)
تعریف GIS (مفاهیم سیستم، اطلاعات و داده های مکانی)
اجزا و عناصر GIS
عوارض و پدیده ها در GIS
داده و اطلاعات مکانی
انواع ساختار داده در GIS
انواع فرمت داده در GIS
مفهوم پایگاه داده و سیستم مدیریت داده (DBMS)
بررسی انواع سیستم­ های مختصات و تصویر
نرم افزارهای GIS
متخصصان GIS
روش های تحلیل داده های مکان محور
استانداردهای مرتبط با GIS
سخت افزارهای مرتبط با GIS
ویژگی ها و قابلیتهای GIS
بررسی علوم مرتبط با GIS
کاربرد GIS در حوزه های مختلف علوم زمین و معدن

آموزش کار با نرم افزار

آشنایی با ArcGIS Package
Arc Catalog
Arc Map
Arc Scene
Arc Globe
آموزش نحوه نصب نرم افزار
آشنایی با محیط نرم افزار ArcMap
شیوه ورود اطلاعات
ورود اطلاعات برداری و رستر دارای مختصات به نرم افزار
نحوه تولید لایه های برداری
مراحل رقومی سازی
ورود اطلاعات توصیفی
ویرایش عوارض برداری
مراحل ژئورفرنس در Arc Map
کار با جداول توصیفی
بررسی قابلیت های جداول توصیفی در Arc Map
آشنایی با مفاهیم Query
بررسی روشهای انتخاب عوارض
نمایش عوارض مربوط به جداول خارجی در GIS
اتصال جداول به لایه های اطلاعاتی
Export جداول به Excel
مشاهده و تنظیم خواص لایه های اطلاعاتی
تنظیمات عمومی لایه های اطلاعاتی
تنظیمات Symbology
تنظیمات Labeling
اجرای پردازش های عمومی داده های مکانی
Overlay
Extract
Buffering
شیوه تولید خروجی
تولید نقشه از طریق کار با نوار ابزار Layout
ذخیره لایه های اطلاعاتی
تولید گزارش های آماری



گیتا حامی استارت آپ های اطلاعات مکانی
🆔 @GITAnet|باشگاه فناوران اطلاعات مکانی