曙海教学优势
本课程面向企事业项目实际需要,秉承二十一年积累的教学品质,空间统计分析与空间大数据技术高级培训课程以项目实现为导向,老师将会与您分享设计的全流程以及工具的综合使用技巧、经验。线上/线下/上门皆可,空间统计分析与空间大数据技术高级培训课程专家,课程可定制,热线:4008699035。
大批企业和曙海
建立了良好的合作关系,合作企业30万+。曙海的课程培养了大批受企业欢迎的工程师。曙海的课程在业内有着响亮的知名度。
培训目标:
章节
|
课程题目及说明
|
一、
空间统计分析基础
|
地理信息与空间思维
|
简要介绍与回顾地理学以及地理信息的发展历程,了解空间思维方式与空间分析的一般情况。
|
|
空间思维、地理科学
|
|
空间分析与空间统计学基础
|
|
1、介绍空间分析与空间统计学的一般基础知识,包括空间聚类的算法与应用、空间相关性的多种算法比较以及适用范围。不同算法中P值和Z得分的概念与意义。
2、在不同的研究中,获取数据的思想以及对数据的空间化分析思路。如何选择合适的分析算法以及分析工具。 3、ArcGIS软件中的空间分析、空间统计模块的应用、结果的解读以及应用方式。 |
|
空间统计、开源软件、商业软件
|
|
二、
数据分析初步与软件操作
|
数据分析初步(数据处理与可视化)
|
1、数据处理的一般流程包括介绍数据挖掘通用流程CRISP-DM以及空间数据挖掘与分析。
2、空间数据的获取方式以及可视化。 3、通过软件进行GIS专题图制作。 |
|
CRISP-DM,专题图制作
|
|
数据分析初步(软件实战)
|
|
1、数据处理与分析业界第一语言Python基础讲解与应用。
2、R语言入门与基础操作。 3、ArcGIS与GEODA软件的基础操作。 |
|
Python、R、ArcGIS、Geoda
|
|
三、
空间统计应用及软件操作基础
|
空间统计及其应用一(空间统计分析初步)
|
1、空间关系概念化以及应用模式。
2、空间分布模式与趋势演变(时空一体)模型的识别。 3、空间自相关与空间异质性。 4、莫兰指数的概念以及应用。 5、案例说明。 |
|
空间关系、空间自相关、空间异质性
|
|
空间统计及其应用二(空间统计实战操作)
|
|
1、在ArcGIS、GeoDa和R语言中对空间关系概念化、空间矩阵、空间自相关、空间分布等分析的实现与实际操作。
2、空间统计案例及实战操作:美国大选的票仓分析。 |
|
实战分析
|
|
四、
空间事件分析技术以及实战应用
|
空间统计及其应用三(空间事件分析技术)
|
1、空间点模式分析级应用。
2、样方分析、方向分布、中心及中位数、冷热点、密度、聚类等多种分析技术的说明与应用。3、案例说明:挪威历史上最臭名昭著的案件“The Pocket Man”的侦破及抓捕 |
|
点数据分析模式
|
|
空间统计学其应用四(点模式分析实战操作)
|
|
1、在ArcGIS、GeoDa和R语言中对点模式分析实现与实际操作。
2、空间统计案例及实战操作:事故分析与疾病流行分析。 |
|
实战分析
|
|
五、
空间大数据基础
|
空间大数据分析入门
|
1、大数据主流应用以及在空间分析上的现状。
2、简介一般空间大数据分析技术,包括Hadoop和Spark。 3、空间大数据应用案例:北京市交通热点的分析 |
|
大数据、hadoop、spark
|
|
大数据分析基础
|
|
1、搭建大数据分析基础环境。
2、分布式并行计算三大基础概念HDFS、MapReduce、Big Table的简介和实现说明。 3、Hadoop与Spark开发的编程实现。 |
|
HDFS、MapReduce、Big Table
|
|
六、
空间大数据分析实践
|
大数据及空间大数据分析(hadoop篇)
|
1、使用HIVE实现空间数据筛选功能。
2、在hadoop上使用MapReduce实现海量数据的交通流量分析全过程的编码以及功能操作。 |
|
HIVE、MapReduce、空间分析
|
|
大数据及空间大数据分析(Spark篇)
|
|
1、Spark基础开发模式(Python篇)。
2、利用Spark with Python进行大数据分析。 3、SparkR简介以及实践。 |
|
Spark、Python、SparkR
|