Magellan: Geospatial Analytics on Spark培訓

這種由講師指導的澳門現場培訓（現場或遠端）針對希望在Arc中創建數據空間專案的野外生態學家和保護管理人員GIS。

在培訓結束時，參與者將能夠：

• 將空間數據輸出為可視化效果。
• 對實際數據進行 地理靜力學。
• 使用 ArcGIS 實現空間數據分析、數據處理和製圖。
• 在 ArcGIS 中分析專案的空間數據。

這種由講師指導的現場培訓澳門（在線或現場） 面向希望學習如何使用ArcMap in ArcGIS收集，組織，管理和分析地理資訊的中級環境科學家和 考古學家。

在本次培訓結束時，參與者將能夠：

瞭解 ArcMap 和 ArcGIS 的基礎知識。 收集，組織，管理和分析有關社會和考古元素的地理資訊。 執行空間查詢以進行影響評估。

在培訓結束時，參與者將能夠：

• 使用最新版本 的 ArcGIS Pro 瞭解 GIS 概念和空間數據類型。
• 調查使用者介面並評估其用途
• 探索 ArcGIS* Pro 以及如何利用在線內容
• 管理、操作和分析您自己的數據
• 以有意義和創造性的方式顯示和共用您的數據

注意： 我們將使用最新版本的 ArcGIS Pro。

這種以講師為主導的澳門現場培訓（現場或遠端）針對的是希望在GIS流程中自動執行重複性任務的GIS分析師。

在培訓結束時，參與者將能夠：

• 使用 Python 和 ArcGIS 工具構建 GIS 應用程式。
• 使用 ArcGIS 包 ArcPy 進行開發，使用 Python。
• 使用 Python 中的物件類應用 ArcGIS 模組實現地圖自動化。

地理信息系統（ GIS ）是一種旨在捕獲，存儲，操縱，分析，管理和呈現空間或地理數據的系統。縮略詞GIS有時用於地理信息科學（ GIS科學），指的是研究地理信息系統的學科，是更廣泛的地理信息學學科的一個大領域。

Q GIS作為地理信息系統（ GIS ）軟件，除了編寫和導出圖形地圖外，還允許用戶分析和編輯空間信息。 Q GIS支持柵格和矢量圖層;矢量數據存儲為點，線或面要素。支持多種格式的光柵圖像，軟件可以對圖像進行地理配準。總結一下，它允許用戶在Windows，Mac， Linux ，BSD上創建，編輯，可視化，分析和發布地理空間信息。

該程序在第一階段介紹了用於一般用途的Q GIS接口。在第二階段，我們介紹了PyQ GIS - Q GIS的python庫，它允許在python代碼或python應用程序中集成GIS功能，這樣你甚至可以圍繞特定的GIS功能創建自己的Python插件。

這種由講師指導的澳門現場現場培訓針對的是希望對Pix4D無人機數據進行後處理的野外生態學家和保護管理人員。

在培訓結束時，參與者將能夠：

• 實現 Google 地球以增強無人機測繪。
• 使用圖像輸出生成報告。
• 使用 GIS 和 CAD 軟體進行後處理，用於高級無人機數據建模。

這種以講師為主導的澳門現場培訓（現場或遠端）針對的是希望使用Pix4D進行土地調查和無人機地圖的野外生態學家和保護管理人員。

在培訓結束時，參與者將能夠：

• 使用端到端無人機測繪流程和技術。
• 實現高測量精度。
• 瞭解全球座標系和 GPS 的基礎知識。
• 使用 Pix4D 的圖像處理軟體生成和分析調查輸出。

這種由講師指導的現場培訓 澳門（在線或遠端）面向希望加深空間分析、數據管理和 GIS 應用專業知識的中級地理學家。

在培訓結束時，參與者將能夠：

• 應用先進的空間分析技術來解決複雜的地理問題。
• 管理大型空間資料庫並執行數據品質控制。
• 為各種應用程式創建動態和互動式地圖和可視化。
• 利用程式設計和自動化來簡化 GIS 工作流程。

這種以講師為主導的澳門現場現場培訓面向希望通過Google地圖添加地理位置功能來增強其網站或Web應用程式的開發人員。

在培訓結束時，參與者將能夠：

• 將地圖嵌入到新的或現有的網站或 Web 應用程式中。
• 顯示與當前位置同步的實時數據。
• 創建包含Google地圖的混搭。
• 應用良好的 CSS 和 JavaScript 編碼實踐
• 為應用程式創建自定義映射。

地理信息系統（ GIS ）是一種旨在捕獲，存儲，操縱，分析，管理和呈現空間或地理數據的系統。縮略詞GIS有時用於地理信息科學（ GIS科學），指的是研究地理信息系統的學科，是更廣泛的地理信息學學科的一個大領域。

在過去的二十年中， Python與GIS的使用大大增加，特別是在2000年引入了Python 2.0系列，其中包括許多新的編程功能，使語言更容易部署。從那時起， Python不僅被用於商業GIS例如Esri的產品，還被用於開源平台，包括作為Q GIS和GRASS的一部分。事實上，今天的Python是迄今為止GIS用戶和程序員使用最廣泛的語言。

該程序涵蓋了Python及其高級庫（如geopandas，pysal，bokeh和osmnx）的使用，以實現您自己的GIS功能。該程序還包括圍繞Arc GIS API和Q GIS toolboox的入門模塊。

Python is a high-level programming language famous for its clear syntax and code readibility. Spark is a data processing engine used in querying, analyzing, and transforming big data. PySpark allows users to interface Spark with Python.

In this instructor-led, live training, participants will learn how to use Python and Spark together to analyze big data as they work on hands-on exercises.

By the end of this training, participants will be able to:

• Learn how to use Spark with Python to analyze Big Data.
• Work on exercises that mimic real world cases.
• Use different tools and techniques for big data analysis using PySpark.

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

Many real world problems can be described in terms of graphs. For example, the Web graph, the social network graph, the train network graph and the language graph. These graphs tend to be extremely large; processing them requires a specialized set of tools and processes -- these tools and processes can be referred to as Graph Computing (also known as Graph Analytics).

In this instructor-led, live training, participants will learn about the technology offerings and implementation approaches for processing graph data. The aim is to identify real-world objects, their characteristics and relationships, then model these relationships and process them as data using a Graph Computing (also known as Graph Analytics and Distributed Graph Processing) approach. We start with a broad overview and narrow in on specific tools as we step through a series of case studies, hands-on exercises and live deployments.

By the end of this training, participants will be able to:

• Understand how graph data is persisted and traversed.
• Select the best framework for a given task (from graph databases to batch processing frameworks.)
• Implement Hadoop, Spark, GraphX and Pregel to carry out graph computing across many machines in parallel.
• View real-world big data problems in terms of graphs, processes and traversals.

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

This course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP.

MLlib是Spark的機器學習（ML）庫。其目標是使實用的機器學習可擴展且簡單。它由常見的學習算法和實用程序組成，包括分類，回歸，聚類，協同過濾，降維，以及低級優化原語和更高級別的管道API。

它分為兩個包：

• spark.mllib包含在RDD之上構建的原始API。

• spark.ml提供了構建在DataFrame之上的更高級API，用於構建ML管道。

聽眾

本課程面向希望利用Apache Spark內置機器庫的工程師和開發人員