After doing these courses, I feel confident creating professional visualizations and dashboards
Mô tả khóa học
Một phần lớn dữ liệu ngoài đời thực vốn mang tính không gian. Từ dân số ghi nhận trong cuộc tổng điều tra quốc gia đến từng cửa hàng trong khu phố của bạn, phần lớn bộ dữ liệu đều có thành phần vị trí mà bạn có thể khai thác để phát huy tối đa giá trị. Khóa học này sẽ hướng dẫn bạn tích hợp dữ liệu không gian vào quy trình Khoa học Dữ liệu với Python. Bạn sẽ học cách tương tác, thao tác và bổ sung dữ liệu thực tế dựa trên khía cạnh địa lý của chúng. Bạn sẽ học cách đọc dữ liệu không gian dạng bảng ở các định dạng phổ biến (ví dụ: GeoJSON, shapefile, geopackage) và trực quan hóa chúng trên bản đồ. Sau đó, bạn sẽ kết hợp các nguồn dữ liệu khác nhau bằng cách dùng vị trí làm cầu nối để liên hệ chúng với nhau. Và đến cuối khóa học, bạn sẽ hiểu điều gì khiến dữ liệu địa lý trở nên đặc thù, từ đó có thể chuyển đổi và tái sử dụng chúng trong các ngữ cảnh khác nhau.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Giới thiệu về Dữ liệu Vector Không gian địa lý
Trong chương này, bạn sẽ được giới thiệu các khái niệm về dữ liệu không gian địa lý, cụ thể là dữ liệu vector. Tiếp đó, bạn sẽ học cách biểu diễn dữ liệu này trong Python bằng thư viện GeoPandas, cùng các bước căn bản để đọc, khám phá và trực quan hóa dữ liệu. Bạn sẽ thực hành tất cả điều này với một số bộ dữ liệu về thành phố Paris.
- Dữ liệu không gian địa lý50 XP
- Nhà hàng ở Paris100 XP
- Thêm bản đồ nền100 XP
- Giới thiệu về GeoPandas50 XP
- Khám phá các quận của Paris (I)100 XP
- Khám phá các quận của Paris (II)100 XP
- Các nhà hàng ở Paris dưới dạng GeoDataFrame100 XP
- Khám phá và trực quan hóa dữ liệu không gian50 XP
- Trực quan hóa mật độ dân số100 XP
- Sử dụng chức năng của pandas: groupby100 XP
- Vẽ nhiều lớp (multiple layers)100 XP
2
Quan hệ không gian
Một khía cạnh quan trọng của dữ liệu không gian là cách chúng liên hệ với nhau trong không gian. Ở chương này, bạn sẽ học các loại quan hệ không gian khác nhau và cách dùng chúng trong Python để truy vấn dữ liệu hoặc thực hiện phép nối không gian. Cuối cùng, bạn cũng sẽ tìm hiểu chi tiết hơn về trực quan hóa choropleth.
3
Chiếu và Biến đổi Hình học
Trong chương này, chúng ta sẽ đi sâu hơn vào cách các tọa độ của hình học được biểu diễn dựa trên Hệ quy chiếu tọa độ (CRS). Bạn sẽ học tầm quan trọng của các hệ quy chiếu đó và cách xử lý chúng trong thực tế với GeoPandas. Bên cạnh đó, bạn cũng sẽ học cách tạo hình học mới dựa trên các quan hệ không gian, cho phép bạn chồng lớp các bộ dữ liệu không gian. Và bạn sẽ tiếp tục luyện tập tất cả điều này với các bộ dữ liệu về Paris!
4
Tổng hợp – Nghiên cứu tình huống về các điểm khai thác mỏ thủ công
Ở chương cuối này, chúng ta sẽ tạm rời dữ liệu Paris và áp dụng mọi kiến thức đã học vào một bộ dữ liệu hoàn toàn mới về các điểm khai thác mỏ thủ công ở Đông Congo. Ngoài ra, bạn sẽ học thêm một số phép toán không gian mới, cách áp dụng các phép toán không gian tùy chỉnh, và có cái nhìn thoáng qua về dữ liệu raster.
Làm việc với Dữ liệu Không gian địa lý trong Python
Hoàn
thành khóa học

