Инструменты для выполнения и где этому научиться
Застряли за платным доступом? Прочтите здесь по моей ссылке друга
На протяжении десятилетий географы, геологи, исследователи и аналитики из самых разных областей использовали местоположение как важную часть своего анализа. Но теперь мы наблюдаем, как все больше и больше специалистов по данным с другим нетрадиционным опытом работы с космическими данными (например, с маркетингом) начинают понимать, как использовать местоположение и интегрировать его при построении отличной модели.
Существенным отличием науки о пространственных данных является то, что специалисты по данным не просто используют традиционные методы моделирования и применяют их к данным, которые оказываются пространственными. Теперь мы используем методы, которые включают пространственные характеристики или некоторые элементы местоположения непосредственно в математику алгоритма.
Помимо традиционного местоположения или координат, важную роль в модели играют такие вещи, как форма, площадь, размер, направление и близость.
В чем разница между наукой о данных и наукой о пространственных данных?
Простой и прямой ответ: Нет никакой разницы.
Наука о пространственных данных - это использование сочетания статистики, машинного обучения, пространственных алгоритмов и глубокого обучения, а также некоторых более традиционных методов с одной целью: превратить данные в полезную, действенную информацию.
Пару недель назад я посетил трехдневную конференцию, организованную ArcGIS. Во время семинара по статистике я обновил первый закон географии: То, что ближе друг к другу, больше связано, чем то, что дальше друг от друга.
Это может показаться простым, но это важно и важно для науки о пространственных данных и предсказания поведения данных.
Как и обычный процесс анализа данных, наука о пространственных данных состоит из следующих этапов:
Как известно каждому специалисту по данным, весь этот процесс не является линейным. Это итеративный процесс. Вы пытаетесь, вы терпите неудачу, вы пытаетесь снова. Вы можете сравнить разные алгоритмы и методы, чтобы увидеть, какой из них подходит для ответа на ваш вопрос. Вы можете вернуться к предыдущему шагу, где вам нужно изменить или улучшить пару вещей. И все это часть процесса.
Какие инструменты вы используете для изучения пространственных данных?
Наука о пространственных данных может быть реализована на Python, R или любом другом инструменте и языке, который выполняет эту работу.
Esri разработала ArcGIS. Замечательная платформа и пакет для изучения пространственных данных. У них есть широкий спектр инструментов, от инструментов, не требующих подобного кода, до интеграции с Jupyter Notebooks и Python для глубокого анализа и гибкости.
Подводя итоги:
Наука о пространственных данных, как «обычная» наука о данных, в основном сводится к одному: решению проблем.
Если вы хотите узнать больше о науке о пространственных данных, я настоятельно рекомендую Новый MOOC Esri« Наука о пространственных данных: новый рубеж в аналитике ». Я лично принимаю это. MOOC - это совершенно новый вариант, и он дает отличное погружение в науку о пространственных данных и обновление основных концепций, и самое лучшее: это бесплатно.
