🗾FOSS4G 2026 Hiroshima — НУЖНА ВАША ПОДДЕРЖКА!

Открытое голосование за доклады на главной конференции по open-source геоаналитике. Мои 2 заявки в деле — и сообщество решает, кто выступит. Голосование до 3 апреля.

🚨Как проголосовать (2 минуты):

1️⃣Перейти по ссылке https://talks.osgeo.org/foss4g-2026/p/voting/signup/
2️⃣Ввести email
3️⃣Найти мои доклады через Ctrl+F (всего 19 страниц)
4️⃣Поставить "Definitely"

🔎 Что искать:

❤️"Eurostat vs OSM vs Census: Choosing Open Mobility Data for Urban Function Maps". Сравниваю 3 открытых источника мобильности (Eurostat MNO, OSM GPS traces, Census) через Python/PostGIS — какой из них реально работает для анализа городских функций.

❤️"50 Lines of Python: Neighborhood DNA from Overture Maps Places". 53 млн POI из Overture Maps → типология районов за 50 строк кода (DuckDB + HDBSCAN + UMAP).

Спасибо всем, кто поддержит!

@urban_mash

❤️Вот моя презентация на Мапаконе! ❤️

1. Методология ML в геоданных

1️⃣Spatial Cross-Validation: Почему стандартные методы оценки моделей врут на географических данных и как правильно делить выборку на блоки, чтобы избежать переобучения из-за пространственной автокорреляции.
2️⃣Feature Engineering: Как извлекать признаки, учитывающие соседство и топологию.

2. Пространственная кластеризация

1️⃣Алгоритмы: Переход от K-means к плотностным методам (DBSCAN/HDBSCAN).
2️⃣Геометрия: Почему расчеты в евклидовом пространстве (градусах) для кластеров — это ошибка, и как работать с метрическими проекциями.

3. Оптимизация и графы

1️⃣Сетевой анализ: Совмещение ML-прогнозов спроса с классическими алгоритмами поиска путей.
2️⃣Реальные дистанции: Уход от «расстояний по прямой» к расчетам по дорожной сети с учетом весов.

4. Качество данных и аномалии

1️⃣Data Cleaning: Автоматический поиск выбросов в GPS-треках и координатах через Isolation Forest.
2️⃣MAUP (Modifiable Areal Unit Problem): Как масштаб сетки (агрегация по районам vs H3-гексагоны) меняет статистические результаты и как минимизировать это влияние.

@urban_mash

‼️КУРС‼️

После Яндекса зрела идея собрать профессиональный опыт в один системный образовательный продукт, и вот мы с Каримом Валиевым перешли к активной фазе работы над курсом по пространственной аналитике.

Курс не про QGIS, а про алгоритмическую и инженерную сторону работы с геоданными:

❤️Core-фундамент: от геометрии и пространственных индексов (H3, S2) до графов и сетевого анализа.
❤️Data Science & ML: кластеризация, пространственная статистика, GWR и применение нейросетей для растров.
❤️Big Data: работа с Apache Sedona, GeoParquet и DuckDB для тех случаев, когда данных слишком много для обычных инструментов.
❤️Практика: оптимизация размещения объектов и вопросы качества/валидации данных.

Мы хотим сделать курс максимально прикладным и полезным для сообщества, поэтому сейчас нам важен ваш фидбек. Помогите нам определиться с форматом, сложностью и конкретными темами, которые вам интересны.

Заполнение анкеты займет пару минут, но очень поможет нам сделать крутой продукт:

https://docs.google.com/forms/d/e/1FAIpQLSdtqQPMdNYhibQS1ofY4OGMxmNhP0qEwYp6lDZu0ZFs6qDL4w/viewform

@urban_mash