پرش به محتویات

معرفی دوره

معرفی دوره

این دوره جامع، دانشجویان را با طیف گسترده‌ای از داده‌های شهری و تکنیک‌های پیشرفته تحلیل داده‌های مکانی آشنا می‌کند. تمرکز دوره بر روی داده‌های اداری، جمعیتی، حرکتی، محیط‌زیستی، اجتماعی-اقتصادی و متنی با رویکرد چندابزاری Python و R است.

مدرس دوره

علی طیبی

ساختار و سرفصل‌ها

بخش اول: داده‌های اداری و جمعیتی (هفته‌های ۱ تا ۳)

Sample Data 2SFCA Notebook

  • هفته ۱: آشنایی با داده‌های شهری و مرزهای اداری، انواع داده‌های شهری، اهمیت داده‌های مکانی در برنامه‌ریزی شهری
  • هفته ۲: دریافت و پاک‌سازی داده‌های سرشماری با Python و R، کار با API داده‌های ایران و تهران
  • هفته ۳: تحلیل داده‌های جمعیتی و تجمیع مکانی، الحاق و تجمیع با Python و R

بخش دوم: داده‌های حرکتی و حمل‌ونقل (هفته‌های ۴ تا ۶)

  • هفته ۴: معرفی داده‌های حرکت شهری، GPS و حمل‌ونقل، ابزارهای Python و R
  • هفته ۵: تحلیل شبکه و دسترسی حمل‌ونقل، مدل‌سازی با Python و R
  • هفته ۶: مصورسازی الگوهای حرکت، Kepler.gl و ggplot2

بخش سوم: داده‌های سنجش از دور و محیط‌زیستی (هفته‌های ۷ تا ۹)

  • هفته ۷: تصاویر ماهواره‌ای و طبقه‌بندی زمین، Google Earth Engine و Python، پردازش با R
  • هفته ۸: پایش محیط زیست شهری، کیفیت هوا، آمار فضایی پیشرفته با R و Python
  • هفته ۹: تحلیل تغییرات و گسترش شهری با Python و Google Earth Engine، سری زمانی داده‌های رستری در R

بخش چهارم: داده‌های اجتماعی-اقتصادی (هفته‌های ۱۰ تا ۱۲)

  • هفته ۱۰: بازار مسکن و شاخص‌های اجتماعی-اقتصادی با Python، اقتصادسنجی فضایی با R
  • هفته ۱۱: داده‌های جرم و خدمات عمومی، تحلیل نقاط گرم و مناطق سرویس‌دهی با Python و QGIS، اقتصادسنجی با R
  • هفته ۱۲: تحلیل سیاستی و اخلاق داده‌ها، استنباط علی و ارزیابی سیاست‌ها با Python و R

بخش پنجم: داده‌های متنی، شبکه‌های اجتماعی، شبیه‌سازی و مصورسازی (هفته‌های ۱۳ تا ۱۵)

  • هفته ۱۳: داده‌های متنی و شبکه اجتماعی شهری با Python و R
  • هفته ۱۴: مدل‌سازی و شبیه‌سازی شهری، NetLogo و شبیه‌سازی با R
  • هفته ۱۵: مصورسازی پیشرفته، داشبورد با Python و برنامه‌های تعاملی با R

ارزیابی و پروژه‌ها

  • تمرین‌های تحلیلی و کدنویسی هفتگی
  • پروژه‌های کوچک موضوعی پس از هر بخش
  • یک پژوهش سیاستی یا تحلیلی در داده‌های اجتماعی یا حمل‌ونقل
  • پروژه نهایی جامع با انواع داده شهری
  • مشارکت و ارائه مطالب توسط دانشجویان