NVIDIA Katastrofeovervågning ved hjælp af satellitbilleder
Tag dette onlinekursus for at lære, hvordan modeller for dyb læring kan anvendes til at overvåge og reagere på naturkatastrofer.
Er du interesseret i katastroferisikostyring? Nysgerrig om, hvordan du kan bruge dybtgående læringsmodeller til at overvåge potentielle katastrofer? Dette gratis onlinekursus, som NVIDIA Deep Learning Institute har udviklet sammen med FN's Satellitcenter (UNOSAT), er for dig!
Kurset underviser deltagerne i at opbygge og anvende en dyb læringsmodel, der er bygget med forskellige rammer, og som anvender satellitbilleder til at opdage naturkatastrofer — navnlig oversvømmelser. Anvendelsen af modeller for dyb læring til katastroferisikostyring er fordelagtig, fordi de sænker omkostningerne, øger effektiviteten og øger effektiviteten af overvågningen af katastroferisici.
Forudsætninger
For at deltage i dette kursus skal deltagerne allerede være kompetente på Python 3-programmeringssproget. De skal også have en grundlæggende forståelse af koncepter og rørledninger til maskinlæring og dybtgående læring samt interesse i at manipulere satellitbilleder.
Læringsresultater
Ved at deltage i dette kursus lærer deltagerne:
- Gennemførelse af en arbejdsgang for maskinindlæring med henblik på katastrofehåndteringsløsninger
- Behandling af store satellitbilleddata ved hjælp af hardwarefremskyndede værktøjer
- Omkostningseffektiv opbygning af modeller for dyb læringssegmentering ved at anvende transfer-læring
- Anvendelse af modeller for dyb læring til realtidsovervågning og -analyse
- Detektering af og reaktion på oversvømmelseshændelser ved hjælp af en model baseret på dyb læring