Spatial Data Analytics

Einleitung

Dieser Workshop gibt Informatikern – insbesondere Software-Entwickler*innen – zunächst einen Überblick über Machine Learning und bringt dann anhand ausgewählter Themen die Analyse von räumlichen Daten näher. Der Schwerpunkt liegt auf Machine Learning an Beispielen der Bildananalyse ergänzt mit räumlichen Fragestellungen und mit Software Engineering-Aspekten.

Programm

• Einführung in Data Analytics:
  • Definitionen/Bereiche (Machine Learning, Deep Learning)
  • Anwendungsgebiete und Beispiele
  • Data vs. Big Data
• Einführung in Spatial Data Analytics
• Gemeinsamer Walkthrough eines Machine Learning-Ablaufs
• Data Analytics und Software Engineering (Pretrained models)
• Toy-Use Cases mit Lösungen
• Ausblick:
  • Produktionstaugliche Architekturen
  • Machine Learning in der Cloud
  • Spatial Data Analytics
• Wrap-Up

Hands-on-Übungen am Laptop mit Jupyter-Notebooks.

Kursziel

Ziel ist es, dass die Teilnehmenden erkennen, was mit Data Analytics möglich ist, ergänzt mit Hinweisen, was an „Spatial“ speziell ist. Ausserdem lernen die Teilnehmenden exemplarisch ausgewählte Themen von Machine Learning (Bildanalyse).

Adressaten

Informatiker, insbesondere Software-Entwickler*innen, die einen begleiteten Einstieg in Data Analytics sowie ausgewälte Themen der Spatial Data Analytics suchen (Bildananalyse). Data Scientists werden die Grundlagen bekannt vorkommen; sie könnten die räumlichen Aspekte und Methoden interessieren.

Voraussetzungen

• Grundkenntnisse in Python (erste Schritte) – sowie gute Laune :-).
• Es werden keine Vorkenntnisse vorausgesetzt über raumbezogenene Daten (Geometrie, Spatial Data) oder deren Prozessierung in Geoinformationssystemen (GIS).
• Einige Informationen (Tutorials, ggf. Installation) werden vor dem Workshop verschickt.

Infrastruktur

Laptop mit modernem Browser und WLAN-Zugriff. Es wird mit Jupyter-Notebooks gearbeitet.