Чему вы научитесь
- Понимать картографические проекции и выбирать подходящие для своих задач.
- Извлекать и обрабатывать векторные данные из OpenStreetMap.
- Создавать и преобразовывать геометрические объекты (точки, линии, полигоны).
- Вычислять расстояния, площади, радиусы и другие пространственные метрики.
- Работать с пространственными данными на GeoPandas: фильтровать, объединять и агрегировать данные.
- Строить и анализировать дорожные сети: рассчитывать изохроны, находить кратчайшие маршруты и т.д.
- Применять геокодирование для преобразования адресов в координаты и обратно.
- Использовать геоиндекесы (H3, S2) для статистического анализа пространственных данных.
- Совмещать пространственные и временные данные для комплексного анализа.
- Строить геопризнаки для машинного обучения на основе координат и адресов.
- Визуализировать геоданные на статических и интерактивных картах (Matplotlib, Folium, Kepler.gl).
О курсе
Цель курса — дать вам уверенные навыки работы с геоданными в экосистеме Python для решения реальных бизнес-задач.
Геоданные окружают нас повсюду: от логистики и ритейла до урбанистики и экологии. Однако переход от классической аналитики к пространственной требует понимания специфических форматов, систем координат и алгоритмов. Этот курс закрывает этот пробел: мы не просто изучим синтаксис геобиблиотек, но и разберем физику и геометрию, стоящую за пространственными данными.
Особенности курса:
- Сбалансированная теория: вы поймете, почему проекции искажают реальность и как это влияет на ваши расчеты.
- Практико-ориентированность: более 60 тематических задач на написание кода с автоматической проверкой решения.
- Фокус на современных библиотеках: GeoPandas, Kepler.gl, OSMnx, H3 и многие другие.
- Реальные данные: основной источник данных — OpenStreetMap, фундамент современной открытой картографии.
- Геймификация: курс завершается реальным соревнованием на Kaggle, где вы сможете проверить свои навыки и пополнить портфолио сильным проектом.
Что нужно будет делать:
- Читать лекции по каждой теме, воспроизводить приведенный в них код.
- Работать в Jupyter Notebook, писать код для обработки векторных данных, создавать интерактивные карты.
- Выполнять практические задания (работа с геометриями, GeoPandas, расчёт площадей и маршрутов, кластеризация и прочее) с автоматической проверкой кода.
- Участвовать в итоговом соревновании: применить все полученные знания и навыки к реальному датасету.
В процессе обучения мы познакомимся с современным стеком для анализа векторных геоданных на Python:
- Загрузка данных: Overpass, Osmium (Pyosmium), PyrOSM
- Базовая геометрия и табличные данные: Shapely, Pandas, GeoPandas
- Пространственные индексы: Geohash, H3, s2cell
- Геокодирование: Geopy
- Сетевой анализ: OSMnx, NetworkX
- Визуализация и картография: Matplotlib, Folium, Kepler.gl, Contextily
Примечание: геоданные бывают двух видов — растровые и векторные. Они требуют разных подходов к обработке. В этом курсе мы будем рассматривать только векторный тип данных.
Разделы и задания курса:
- Введение: инструкция по среде и знакомство с фундаментальными понятиями (картографические проекции и работа с открытыми данными).
- Работа с геоданными: основной теоретический блок, в котором вы освоите работу с геометриями, табличную обработку геоданных (GeoPandas), пространственное индексирование, геокодирование и работу с дорожными сетями.
- Практика: более 60 практических заданий на вычисление расстояний и площадей, построение зон доступности, анализ дорог, кластеризацию и пространственно-временной анализ. Задания построены так, чтобы закрепить каждый теоретический блок и научить комбинировать различные инструменты.
- Визуализация: от построения статичных графиков до мощных интерактивных веб-карт.
- Соревнование: финальный проект в виде соревнования на Kaggle. Отличная возможность проверить себя и получить проект в портфолио.
Для кого этот курс
Для Data Scientists'ов и ML-инженеров, которым нужно обогащать модели пространственными признаками. Для аналитиков, которые работают с локационными данными: выбор точек размещения, оптимизации маршрутов и анализа зон охвата.
Для Python-разработчиков, которым предстоит интегрировать картографические сервисы или логистические алгоритмы в продукты компании. И всем неравнодушным к географии :)
Начальные требования
- Уверенно владеть базовым синтаксисом Python: циклы, условия, функции, списки, словари.
- Знать основы библиотеки Pandas: уметь загружать данные, фильтровать строки, группировать данные (groupby), объединять таблицы (merge). А также минимально уметь работать с временными рядами.
- Уметь запускать код в Jupyter Notebook / Google Colab.
- Уметь устанавливать библиотеки через pip / conda.
- Знание основ алгебры и геометрии на школьном уровне будет плюсом, но необязательно.
- Желательно знать основы дата-сайнса (датафреймы, обучающая и тренировочная выборки и т.д.).
Наши преподаватели
Как проходит обучение
- Формат — полностью онлайн.
- Гибкий график — все материалы доступны сразу после записи, вы учитесь в удобном для вас темпе.
- Текстовые лекции с объяснением теории, наглядными иллюстрациями и разбором кода.
- Работа интерактивной среде Jupyter Noteboo или Google Colab.
- Практические задания с автоматической проверкой (вы пишите код и отправляете на Степик, система проводит тесты и сразу говорит, правильно ли вы решили задание).
- Финальное соревнование, где необходимо применить все полученные навыки на реальных данных.
Программа курса
загружаем...
Сертификат
Сертификат Stepik
Что вы получаете
- Практические навыки, которые востребованы в компаниях занимающихся геоанализом (Delivery, Яндекс, Сбер, каршерингах, ритейле и многих других).
- Практический опыт работы с современным стеком геоинструментов на Python: GeoPandas, Shapely, OSM, OSMnx, H3, Folium, Kepler.gl.
- Готовые проекты в портфолио: интерактивные карты и блокноты с анализом дорожных сетей и кластеризацией, которые можно разместить на GitHub и показать на собеседовании.
- Более 60 выполненных практических работ, закрепляющих каждую тему курса
- Опыт участия в соревновании, аналогичном хакатонам и Kaggle.
- Доступ к форуму с решениями других студентов.
- Бессрочный доступ к материалам курса и их обновлениям.
- Сертификат об успешном прохождении курса
Сколько стоит обучение
Price:
3 900 ₽
Вы попробовали и поняли, что вам сейчас не подходит этот курс? Ничего страшного, мы вернём вам деньги в течение 30-ти дней после покупки.