Искусственный Интеллект в ГИС

ПРЕДКОНФЕРЕНИОННЫЙ СЕМИНАР

Искусственный Интеллект в ГИС

21 октября 2019, с 10 до 18, офис Esri CIS (Москва, ул. Смольная, 52 стр. 6).

СТОИМОСТЬ

15 000 рублей, количество мест ограничено

ПРОДОЛЖИТЕЛЬНОСТЬ

6-8 часов

ОБОРУДОВАНИЕ

Cвой ноутбук (с зарядным устройством), мышь

ФОРМАТ

Класс на ~15-20 человек. 2-3 часа теоретических материалов, 4-5 часов практических упражнений

УРОВЕНЬ ПОДГОТОВКИ

Основы ГИС, базовый Python. Знание Jupyter Notebook необязательно, но желательно

Записаться на семинар

Содержание семинара

1. Введение в ИИ, Машинное Обучение (Machine Learning), Глубокое Обучение (Deep Learning)

2. Примеры машинного обучения (МО)
  a. Кригинг
  b. Случайный лес (Random Forest)

3. Основы Глубокого обучения (ГО)
   a. Когда использовать МО, а когда ГО
   b. Искусственные нейронные сети
i. Перцептрон
ii. Стохастический Градиентный Спуск и Обратное Распространение Ошибки
iii. Программное Обеспечение 2.0.
iv. Шаг обучения, Функция Потерь
v. Минибатч, Эпоха, Чекпоинт
vi. Гиперпараметры и их поиск
vii. Разбиение исходных данных на Обучающую, Валидационную и Тестовую выборки
viii. Переобучение / Недообучение
ix. 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
x. Классификация, Детектирование, Сегментация в растровых данных и облаках точек
xi. Дообучение заранее обученной нейронной сети

4. ArcGIS и ГО.
  a. Подготовка данных. Инструмент Export Training Data for Deep Learning
  b. Использование обученной модели. Инструменты Detect Object Using Deep Learning, Classify Pixels Using Deep Learning
  c. Интеграция с фреймворками ГО
  d. ArcGIS API for Python и нейронные сети готовые к обучению
  e. Архитектура сети Single Shot Detector (SSD)

Практическое занятие №1: поиск деревьев и зданий на аэрофотоснимке с помощью ArcGIS API for Python и ArcGIS Pro.

a. Создание и экспорт данных для тренировки SSD
b. Обучения и оценка модели нейронной сети
c. Использование обученной модели для поиска и классификации объектов на аэрофотоснимке
Публикация обученной модели как сервиса в ArcGIS Enterprise и использование сервиса тонкими клиентами.
Примеры использования ГО в ГИС
  a. Детектирование поврежденных зданий и дорог после урагана
  b. Автоматическое извлечение объектов из данных уличной (street-view) фотосъемки
  c. Реконструкция трехмерный зданий из данных LiDAR
  d. Детектирование объектов в облаках точек: здания, ЛЭП
  e. Предсказание времени поездки по графу дорог
  f. Оптимизация патрулирования
Архитектура UNet и семантическая сегментация.

Практическое занятие №2: автоматическая классификация типов поверхности на спутниковых снимках с помощью ArcGIS API for Python и ArcGIS Pro

a. Создание и экспорт данных для тренировки UNet
b. Обучения и оценка модели нейронной сети
c. Использование обученной модели для классификации типов поверхности на спутниковом снимке