Przetwarzanie oraz analiza danych geoprzestrzennych i teledetekcyjnych

➡️ Czego się nauczysz?

W trakcie warsztatu nabędziesz następujące umiejętności:
– Zapoznanie się z podstawowymi pojęciami i typami danych geoprzestrzennych oraz teledetekcyjnych,
– Podstawowe umiejętności pracy z danymi geoprzestrzennymi z wykorzystaniem języka Python,
– Przetwarzanie i ekstrakcja cech z obrazów satelitarnych i danych rastrowych.

➡️ Dla kogo jest ten materiał?

Materiał jest skierowany do:
– Osób z branży IT i AI, które chcą poszerzyć swoją wiedzę w zakresie analizy danych geoprzestrzennych i teledetekcji,
– Osób prowadzących badania lub pracujących w sektorze geoinformacji, które chcą dowiedzieć się, jak stosować uczenie maszynowe i głębokie uczenie do przetwarzania i analizy danych geoprzestrzennych.

➡️ Program

1. Wprowadzenie do danych geoprzestrzennych i teledetekcji:
– Podstawowe definicje,
– Typy danych rastrowych i wektorowych,
– Podstawowe formaty plików.
2. Źródła danych geoprzestrzennych i narzędzia do pracy z nimi:
– Przykładowe źródła danych,
– Podstawowa analiza danych przestrzennych w QGIS.
3. Przetwarzanie i ekstrakcja cech z danych geoprzestrzennych:
– Czyszczenie i przetwarzanie danych geoprzestrzennych,
– Ekstrakcja cech z obrazów satelitarnych.

Materiał „Przetwarzanie oraz analiza danych geoprzestrzennych i teledetekcyjnych” (C) Sages 2025.

➡️ Informacje o prowadzącym:

Mateusz Wójcik

Doświadczony inżynier ds. uczenia maszynowego oraz pasjonat edukacji w dziedzinie Data Science i AI. Obecnie pracuje jako Machine Learning Engineer w AI Clearing, gdzie rozwija innowacyjne rozwiązania do monitorowania postępów na projektach budowlanych, kontroli jakości i analizy defektów, specjalizując się w analizie danych z farm fotowoltaicznych pozyskiwanych za pomocą teledetekcji. Pracował jako Research Software Engineer w projekcie xLUNGS w MI2.ai, gdzie zajmował się rozwojem systemów wspomagających identyfikację zmian chorobowych na zdjęciach rentgenowskich i tomografii komputerowej płuc. Wcześniej, jako Machine Learning Engineer na Politechnice Warszawskiej, brał udział w projekcie INKUB, związanym z wykorzystaniem dronów i AI do inspekcji fasad budynków. Jest absolwentem Politechniki Warszawskiej, gdzie studiował na kierunku Data Science oraz ukończył studia licencjackie z matematyki, będąc również prezesem Koła Naukowego Matematyków i pracownikiem dydaktycznym.