Искусственный Интеллект в ГИС. Учебно-практический семинар

На предстоящую конференцию Esri CIS к нам традиционно приедет Дмитрий Кудинов из Esri (США): всеми любимый эксперт по ArcGIS и искусственному интеллекту в ГИС. Дмитрий со своими коллегами подготовил учебно-практический семинар, участники семинара смогут попробовать себя в роли специалистов, обучающих нейронную сеть. Это мероприятие будет вынесено за основные дни конференции и пройдет в рамках предконференционного семинара 21 октября 2019 с 10 до 18 часов в офисе Esri CIS (Москва, ул. Смольная, 52 стр. 6).

  • Стоимость участия: 15 000 руб.
  • Формат: Практический семинар. Класс на ~15-20 человек. 2-3 часа теоретических материалов, 4-5 часов практических упражнений.
  • Продолжительность: 6-8 часов.
  • Уровень подготовки: основы ГИС, базовый Python. Знание Jupyter Notebook необязательно, но желательно.
  • Оборудование: свой ноутбук (с зарядным устройством), мышь.

Содержание:

  1. Введение в ИИ, Машинное Обучение (Machine Learning), Глубокое Обучение (Deep Learning).
  2. Примеры машинного обучения (МО).
    1. Кригинг.
    2. Случайный лес (Random Forest).
  3. Основы Глубокого обучения (ГО).
    1. Когда использовать МО, а когда ГО?
    2. Искусственные нейронные сети.
      1. Перцептрон.
      2. Стохастический Градиентный Спуск и Обратное Распространение Ошибки.
  • Программное Обеспечение 2.0. iv. Шаг обучения, Функция Потерь.
  1. Минибатч, Эпоха, Чекпоинт.
  2. Гиперпараметры и их поиск.
  • Разбиение исходных данных на Обучающую, Валидационную и Тестовую выборки.
  • Переобучение / Недообучение.
  1. Расширенные архитектуры нейронных сетей:
    1. Конволюционные нейронные сети.
    2. Рекурентные нейронные сети.
    3. Генеративные нейронные сети.
    4. Обучение с подкреплением.
    5. Сети для работы с облаками точек.
  2. Классификация, Детектирование, Сегментация в растровых данных и облаках точек.
  3. Дообучение заранее обученной нейронной сети.
  1. ArcGIS и ГО.
    1. Подготовка данных. Инструмент Export Training Data for Deep Learning.
    2. Использование обученной модели. Инструменты Detect Object Using Deep Learning, Classify Pixels Using Deep Learning.
    3. Интеграция с фреймворками ГО.
    4. ArcGIS API for Python и нейронные сети готовые к обучению.
    5. Архитектура сети Single Shot Detector (SSD).
  2. Практическое занятие №1: поиск деревьев и зданий на аэрофотоснимке с помощью ArcGIS API for Python и ArcGIS Pro.
    1. Создание и экспорт данных для тренировки SSD.
    2. Обучения и оценка модели нейронной сети.
    3. Использование обученной модели для поиска и классификации объектов на аэрофотоснимке.
  3. Публикация обученной модели как сервиса в ArcGIS Enterprise и использование сервиса тонкими клиентами.
  4. Примеры использования ГО в ГИС.
    1. Детектирование поврежденных зданий и дорог после урагана.
    2. Автоматическое извлечение объектов из данных уличной (street-view) фотосъемки.
    3. Реконструкция трехмерный зданий из данных LiDAR.
    4. Детектирование объектов в облаках точек: здания, ЛЭП.
    5. Предсказание времени поездки по графу дорог.
    6. Оптимизация патрулирования.
  5. Архитектура UNet и семантическая сегментация.
  6. Практическое занятие №2: автоматическая классификация типов поверхности на спутниковых снимках с помощью ArcGIS API for Python и ArcGIS Pro.
    1. Создание и экспорт данных для тренировки UNet.
    2. Обучения и оценка модели нейронной сети.
    3. Использование обученной модели для классификации типов поверхности на спутниковом снимке.
  7. Вопрос/Ответ.
  8. Заключение.

Информация о семинаре и регистрация на сайте конференции https://conference.esri-cis.ru/artificial-intelligence-gis/