Süvaõppe rakendamine ArcGIS-i vahenditega
Submit request
| Date: | 24. - 25.03.2026 | ||||||||||
| Aim of the course: | Koolitus eesmärk on anda teadmisi ja oskusi läbi viia geotöötlust ArcGIS Pro keskkonnas nii graafilise kasutajaliidese abil kui ka ArcGIS API for Python võimaluste kaudu. | ||||||||||
| Target group: | IT-arhitektid Keskkonnaspetsialistid Teedeehituse insenerid Geodeedid Geomaatikud ja andmehaldurid Andmeanalüütikuid Andmehaldureid Programmeerijaid | ||||||||||
| Prerequisites: | Koolitusel osalemise eelduseks on varasem kogemus ArcGIS Pro tarkvaraga ja/või vastava algtaseme kursuse (nt ArcGIS Pro: Esmased töövõtted ja funktsioonid vms) läbimine. Samuti on eelduseks arvutikasutamise algoskus Windows-keskkonnas. Soovituslik on omada algteadmisi Pythonist või mõnest muust programmeerimiskeelest ning programmeerimise kontseptsioonidest, kuid see ei ole eelduseks koolituse edukaks läbimiseks. | ||||||||||
| Topics: | Teemad: - AI (Artificial Intelligence), süvaõpe (Deep Learning) ja masinõpe (Machine Learning) – kontseptsioonid, toimimise põhimõtted ja kasutusalad GIS-analüüside tegemisel; - Süvaõppe teekide paigaldamine ja uuendamine; - Andmete ettevalmistamine süvaõppemudelite peenhäälestamiseks või treenimiseks; - Süvaõppemeetodite rakendamine pildikujutiste (Imagery) analüüsis, sealhulgas kujutiste klassifitseerimine jms; - Objektide automatiseeritud tuvastamine süvaõppe abil; - Võimalused eeltreenitud süvaõppemudelite loomiseks ja rakendamiseks analüüside kiirendamiseks; - Olemasolevate mudelite täiendamise (peenhäälestamise) tehnikad ja strateegiad, eesmärgiga parandada mudelite täpsust ja tõhusust; - Parimad praktikad ja tehnilised võimalused tööprotsesside korduvkasutuseks, automatiseerimiseks ja optimeerimiseks; - Esmatasemel süvaõppemudeli loomise ja rakendamise töövoog ArcGIS API for Python vahendite abil; - Süvaõppemudeli loomise ja rakendamise töövoog Deep Learning Studio kasutamisel. | ||||||||||
| Study results: | Kursuse lõpetanu: -oskab kasutada AI-põhiste meetodeid ruumianalüüsis; -oskab andmeid ette valmistada süvaõppe kasutamiseks; -oskab rakendada eeltreenitud mudelieid tööprotsesside optimeerimiseks; -oskab kasutada ArcGIS API for Python ja Deep Learning Studio vahendeid. | ||||||||||
| Assessment criteria: | Tunnistuse saamiseks peab kursusel osaleja: - läbima õppekava etteantud mahus; - täitma kursuse jooksul ettenähtud ülesanded; - osavõtt 100% auditoorsest tööst. | ||||||||||
| Learning outcomes: | Information and Communication Technologies (ICTs) | ||||||||||
| Course language: | in Estonian | ||||||||||
| Volume: | lectures: 16 academic hours | ||||||||||
| Credit points (ECTS): | 0.0 | ||||||||||
| Graduation document: | TalTech certificate | ||||||||||
| Lecturer: | Ott Küüsmaa (AlphaGIS OÜ andmeanalüütik-arendaja), MSc. Omab kauaaegset GIS teenuste, tarkvararakenduste ja -lahenduste, IT infrastruktuuri administreerimise ja koolitamise töökogemust | ||||||||||
| Contact: | Marika Tamm, marika.tamm@taltech.ee | ||||||||||
| Price: | 750 EUR + VAT / participant | ||||||||||
| Registration deadline: | 16.03.2026 | ||||||||||
| Timetable: |
| ||||||||||
Submit request