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
Практический курс по геопространственному анализу данных на Python. Вы научитесь работать с геометриями и координатами, освоите библиотеку GeoPandas, научитесь вычислять расстояния и площади, строить маршруты по дорожным сетям и создавать интерактивные карты с помощью Folium и Kepler.gl.
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.).
Преподаватели курса
7 374
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.
Что вы получите
- 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