Ενδιαφέρεστε για τη διαχείριση του κινδύνου καταστροφών; Θέλετε να μάθετε πώς μπορείτε να χρησιμοποιήσετε μοντέλα βαθιάς μάθησης για την παρακολούθηση πιθανών καταστροφών; Αυτό το δωρεάν, αυτοσχέδιο, διαδικτυακό μάθημα που αναπτύχθηκε από το NVIDIA Deep Learning Institute από κοινού με το Δορυφορικό Κέντρο των Ηνωμένων Εθνών (UNOSAT) είναι για εσάς!
Ο κύκλος μαθημάτων διδάσκει στους συμμετέχοντες να αναπτύξουν και να αναπτύξουν ένα μοντέλο βαθιάς μάθησης με διαφορετικά πλαίσια, το οποίο χρησιμοποιεί δορυφορικές εικόνες για τον εντοπισμό φυσικών καταστροφών — ιδίως πλημμυρικών φαινομένων. Η χρήση μοντέλων βαθιάς μάθησης για τη διαχείριση του κινδύνου καταστροφών είναι επωφελής διότι μειώνουν το κόστος, αυξάνουν την αποδοτικότητα και αυξάνουν την αποτελεσματικότητα της παρακολούθησης του κινδύνου καταστροφών.
Προϋποθέσεις
Για να λάβουν μέρος σε αυτό το μάθημα, οι συμμετέχοντες πρέπει να είναι ήδη ικανοί στη γλώσσα προγραμματισμού Python 3. Απαιτείται επίσης να έχουν βασική κατανόηση των εννοιών και των αγωγών της μηχανικής μάθησης και της βαθιάς μάθησης, καθώς και ενδιαφέρον για τη χειραγώγηση δορυφορικών εικόνων.
Μαθησιακά αποτελέσματα
Συμμετέχοντας σε αυτό το μάθημα, οι συμμετέχοντες θα μάθουν:
- Εφαρμογή ροής εργασίας μηχανικής μάθησης για λύσεις διαχείρισης καταστροφών
- Επεξεργασία μεγάλων δεδομένων δορυφορικής απεικόνισης με τη χρήση εργαλείων επιτάχυνσης υλισμικού
- Δημιουργία μοντέλων ριζικής κατάτμησης της μάθησης με οικονομικά αποδοτικό τρόπο με την εφαρμογή της μάθησης μεταβίβασης
- Χρήση μοντέλων βαθιάς μάθησης για παρακολούθηση και ανάλυση σε πραγματικό χρόνο
- Ανίχνευση και αντιμετώπιση πλημμυρικών φαινομένων με τη χρήση συμπερασμάτων βάσει βαθιάς μάθησης
Αναδημοσίευση εκπαιδευτικού προγράμματος NVIDIA Disaster Risk Monitoring Using Satellite Imagery από
European Digital Skills & Jobs Platform.
