Spatial Python
164 subscribers
17 photos
19 files
36 links
📣 Канал про гео анализ на Python, машинное обучение и дата инжиниринг от Карима Валиева.
Download Telegram
Forwarded from Spatial Python
2_Работа_с_пространственными_данными_в_Python.ipynb
977.4 KB
Урок 2. Работа с пространственными данными в Python. Ссылка на репозиторий https://github.com/KarimDataMaster/python_geo_course/tree/main/Lesson_2
2
3_Пространственные_базы_данных_и_SQL_для_геоанализа.ipynb
43.9 KB
Урок 3: Пространственные базы данных и SQL для геоанализа. Ссылка на репозиторий https://github.com/KarimDataMaster/python_geo_course/tree/main/Lesson_3
🔥3
Общая структура курса:
1.Введение в геоаналитику и инструменты работы с пространственными данными
2.Работа с пространственными данными в Python
3.Пространственные базы данных и SQL для геоанализа
4.Пространственный анализ и визуализация данных
5.Машинное обучение в геоаналитике
6.Геомаркетинг и пространственная сегментация
7.Оптимизация логистики с помощью геоаналитики
8.Обработка спутниковых снимков
9.Большие языковые модели (LLM) и геоаналитика
10.Пространственная эконометрика
11.Финальный проект и практическое задание
🔥12
4_Пространственный_анализ_и_визуализация_данных.ipynb
5.1 MB
Урок 4: Пространственный анализ и визуализация данных. Ссылка на репозиторий https://github.com/KarimDataMaster/python_geo_course/tree/main/Lesson_4
🔥5
Чувак делает крутые курсы по DS и запилил новый курс по алгоритмам. Да, сообщение это по сути реклама, но в нем все настолько точно описано, расписал все мои боли при взаимодействии с алгоритмами, что не могу не поделиться. К тому же, есть мотивация использовать описанный подход, чтобы заново подступиться к этой теме.
1
Либо я тупой, либо слишком много пил в 2007

Поэтому, я думал, у меня не получается решать алгоритмические задачи.

А если серьёзно, то вот мои топ-4 ошибки в изучении алгоритмов (но пил и правда много конечно):

1. Я пытался сам додуматься до решения.

Я открывал задачу и сидел и "думал" над ней. Пытался написать какой-то корявый брутфорсный код, в душе понимая, что вряд ли это здесь прокатит.

В конце концов, плевал и шёл смотреть, как решили другие. Но не чтобы чему-то научиться, а чтобы убедиться в том, что я пёс 🐕 и мне "не дано".

Только выгорев несколько раз, как медведь 🐻 в машине, я понял, что надо начинать с разбора решений и просто прорабатывать таким образом задачу за задачей.

2. Расстраивался, что не смог бы сам додуматься до такого решения.

Некоторые задачи настолько хитро решались, что возникала мысль: даже если я буду заниматься алгоритмами всю жизнь, сам я до этого никогда не додумаюсь.

Видимо, всё-таки я пёс.

Это сильно демотивировало.

Но потом я понял: ведь я не расстраивался, что не сам открыл теорему Пифагора, например.

До неё бы я тоже вряд ли додумался сам, но это не мешает мне ей пользоваться!

И я стал спокойно изучать разные приёмы в алгоритмах и пользоваться ими, как теоремой Пифагора – Пифагор вот точно был не пёс).

3. Не группировал задачи по темам

Когда я только начинал, то решал подряд просто рандомные задачи и не обращал внимания на тему (массив, хэш-таблица, два указателя).

От этого в голове возникала каша, как утром после Виноградного дня 🍇. Систематизировать знания не получалось.

Когда я начал группировать задачи по темам, то картинка сразу начала складываться.

4. Не обращался за помощью в изучении алгосов.

Думаю, это происходило из того, что в начале я считал алгоритмические задачи проверкой интеллекта. Решил – молодец, не решил – пёс.

А что можно поделать с тем, что пёс? Этому казалось ничем не поможешь.

Я, мне кажется, сначала даже видосы на Ютюб не смотрел (только сам снимал, лол), не то что курсы проходил.

Но проблема ещё в том, что контент по алгосам в основном очень задротский.

Я пытался открывать книги, а от туда сразу какие-то параграфы, формулы, интегралы. Что?
Опять чувствуешь себя псом.

С видосами и курсами то же самое: либо какое-то лютое олимпиадное задротство, с которым у меня никогда "химии" не было, либо бессистемные видосы на Youtube.

Но главный мой "тормоз" – это убеждение, что я всё должен освоить сам. Что мне не нужна живая помощь и поддержка. Мужик сам всё должен сделать!

Ох, сколько времени я потерял, и во многих сферах продолжаю терять, из-за этого, реально ограничивающего убеждения!

Мой курс по алгоритмам – это та система, помощь и поддержка, которые помогут тебе сэкономить кучу времени в изучении алгоритмов и пройти алгоритмическое интервью (или закрыть гештальт по информатике).

Я сделал курс без задроства и зауми, без резких повышений сложности, без внезапной неподъёмной математики.

Но главное с поддержкой, любовью и пониманием, и без академического холода 🥶 и высокомерия.

Запись на курс идёт через бот курса, где я лично общаюсь с каждым, кто хочет научиться решать алгоритмические задачи.

Запись на 5-й поток, который стартует 7 октября, ещё открыта.👇
1👍1
🤑 Привет! У кого есть опыт работы продактом в гео продукте (кто хорошо разбирается в процессе доставки гео продукта, знает рынок, понимает как работает цикл разработки), напишите мне, есть интересное предложение. Если знаете про таких знакомых, то тоже пишите :)
Please open Telegram to view this post
VIEW IN TELEGRAM
1
Конспект LLM.pdf
38.1 MB
Делюсь конспектом по современным LLM с описанием того, как они работают внутри.
1
С Машей делаем курс по пространственной аналитике, хотим нормально разобрать, как это работает под капотом и как применять в реальных задачах.
Делаем упор на практику: как из инструментов, фреймворков и ML собирать решения - от оценки локаций до работы с городскими данными.
Сейчас собираем фидбек, чтобы не делать в вакууме: понять уровень, темы и кейсы, которые реально нужны.
Если есть 2 минуты - заполните анкету:
https://docs.google.com/forms/d/e/1FAIpQLSdtqQPMdNYhibQS1ofY4OGMxmNhP0qEwYp6lDZu0ZFs6qDL4w/viewform
Спасибо!
🔥31
Forwarded from URBAN MASH (Мария Эрцеговац)
‼️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
Please open Telegram to view this post
VIEW IN TELEGRAM
2