After doing these courses, I feel confident creating professional visualizations and dashboards
รายละเอียดคอร์ส
ข้อมูลจำนวนมากในโลกจริงมีมิติเชิงพื้นที่อยู่ในตัว ตั้งแต่ข้อมูลประชากรในสำมะโนแห่งชาติ ไปจนถึงร้านค้าทุกแห่งในย่านที่อยู่อาศัย ชุดข้อมูลส่วนใหญ่ล้วนมีองค์ประกอบด้านตำแหน่งที่สามารถนำมาใช้ให้เกิดประโยชน์ได้ คอร์สนี้จะแสดงวิธีนำข้อมูลเชิงพื้นที่เข้าสู่กระบวนการทำงาน Data Science ด้วย Python โดยจะเรียนรู้วิธีโต้ตอบ จัดการ และเสริมข้อมูลจริงโดยใช้มิติทางภูมิศาสตร์ รวมถึงการอ่านข้อมูลเชิงพื้นที่แบบตารางในรูปแบบที่พบบ่อย เช่น GeoJSON, shapefile และ geopackage แล้วแสดงผลบนแผนที่ จากนั้นจะเรียนรู้การรวมข้อมูลจากหลายแหล่งโดยใช้ตำแหน่งเป็นตัวเชื่อม และเมื่อจบคอร์ส จะเข้าใจสิ่งที่ทำให้ข้อมูลภูมิศาสตร์มีความพิเศษ พร้อมนำไปแปลงและประยุกต์ใช้ในบริบทต่าง ๆ ได้
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
ความรู้เบื้องต้นเกี่ยวกับข้อมูลเวกเตอร์เชิงพื้นที่
ในบทนี้ จะได้รู้จักกับแนวคิดของข้อมูลเชิงพื้นที่ โดยเฉพาะข้อมูลเวกเตอร์ จากนั้นจะเรียนรู้วิธีแทนข้อมูลดังกล่าวใน Python ด้วยไลบรารี GeoPandas รวมถึงพื้นฐานการอ่าน สำรวจ และแสดงผลข้อมูล โดยฝึกปฏิบัติกับชุดข้อมูลของกรุงปารีส
- ข้อมูลเชิงพื้นที่50 XP
- ร้านอาหารในปารีส100 XP
- การเพิ่มแผนที่พื้นหลัง100 XP
- GeoPandas เบื้องต้น50 XP
- สำรวจเขตต่าง ๆ ของปารีส (I)100 XP
- สำรวจเขตต่าง ๆ ของปารีส (II)100 XP
- ข้อมูลร้านอาหารในปารีสในรูปแบบ GeoDataFrame100 XP
- การสำรวจและแสดงผลข้อมูลเชิงพื้นที่50 XP
- การแสดงผลความหนาแน่นของประชากร100 XP
- การใช้ฟังก์ชัน pandas: groupby100 XP
- การพล็อตหลาย layer100 XP
2
ความสัมพันธ์เชิงพื้นที่
หนึ่งในแง่มุมสำคัญของข้อมูลเชิงพื้นที่คือความสัมพันธ์ระหว่างข้อมูลในเชิงพื้นที่ ในบทนี้ จะเรียนรู้ความสัมพันธ์เชิงพื้นที่ประเภทต่าง ๆ และวิธีนำไปใช้ใน Python เพื่อสืบค้นข้อมูลหรือทำ spatial join นอกจากนี้ยังจะได้เรียนรู้เกี่ยวกับการแสดงผลแผนที่แบบ choropleth อย่างละเอียดอีกด้วย
3
การฉายและแปลงรูปทรงเรขาคณิต
ในบทนี้ จะเจาะลึกวิธีที่พิกัดของรูปทรงเรขาคณิตถูกแสดงตามระบบอ้างอิงพิกัด (CRS) จะเรียนรู้ความสำคัญของระบบอ้างอิงเหล่านี้และวิธีจัดการในทางปฏิบัติด้วย GeoPandas รวมถึงการสร้างรูปทรงเรขาคณิตใหม่จากความสัมพันธ์เชิงพื้นที่ ซึ่งช่วยให้ซ้อนทับชุดข้อมูลเชิงพื้นที่ได้ และยังได้ฝึกปฏิบัติกับชุดข้อมูลปารีสอีกครั้ง
4
รวมทุกอย่างเข้าด้วยกัน – กรณีศึกษาแหล่งเหมืองแร่ขนาดเล็ก
ในบทสุดท้ายนี้ จะทิ้งข้อมูลปารีสไว้เบื้องหลัง แล้วนำทุกสิ่งที่ได้เรียนมาประยุกต์ใช้กับชุดข้อมูลใหม่เกี่ยวกับแหล่งเหมืองแร่ขนาดเล็กในคองโกตะวันออก นอกจากนี้ยังจะได้เรียนรู้การดำเนินการเชิงพื้นที่เพิ่มเติม วิธีประยุกต์ใช้การดำเนินการเชิงพื้นที่แบบกำหนดเอง และภาพรวมเบื้องต้นของข้อมูลแบบ raster
การทำงานกับข้อมูลเชิงพื้นที่ใน Python
เรียนจบแล้ว

