Dzień pierwszy
- Wprowadzenie do sztucznej inteligencji w kontekście GIS
- Przegląd możliwości zastosowania AI w analizie danych przestrzennych
- Narzędzia wspomagające pracę gisowca:
- Komunikacja ze środowiskiem GIS na przykładzie Mundi.ai:
- import i wczytywanie danych w oparciu o prompty
- operacje na danych z wykorzystaniem poleceń w języku naturalnym
- automatyczna georeferencja rastrów
- ćwiczenia praktyczne
- Połączenie modelu językowego z QGIS – analizuj teren przy pomocy AI:
- instalacja i konfiguracja agenta AI pod QGIS
- uruchamianie analiz, tworzenie własnych wtyczek i wyciąganie danych z dokumentów tekstowych przy użyciu poleceń w języku naturalnym w QGIS
- Komunikacja ze środowiskiem GIS na przykładzie Mundi.ai:
- Praca z wtyczką GeoAI:
- Klasyfikacja zdjęć lotniczych i satelitarnych – praca z modelami segmentacji semantycznej w całym cyklu od uczenia do wykorzystania:
- podstawy teoretyczne klasyfikacji obrazów lotniczych z wykorzystaniem AI
- przygotowanie danych treningowych
- ustawienie parametrów treningu
- wykonanie treningu modelu klasyfikacji z wykorzystaniem platformy Google Colab
- analiza wyników i dotrenowanie modelu
- przeniesienie modelu do QGIS i wykonanie klasyfikacji
- Wykorzystanie wybranych innych możliwości wtyczki GeoAI
- Klasyfikacja zdjęć lotniczych i satelitarnych – praca z modelami segmentacji semantycznej w całym cyklu od uczenia do wykorzystania:
- Przegląd innych narzędzi i nowości:
- Narzędzie Segment Anything Model 3 – co nam daje i jak je uruchomić?
- Wtyczka Deepness – przegląd funkcjonalności – plusy i minusy
- Szkolenie własnych modeli detekcji obiektów z wykorzystaniem serwisów Roboflow i Ultralytics.
- Inne narzędzia i nowinki – jesteśmy na bieżąco.
- Podsumowanie trendów i kierunków rozwoju narzędzi AI w GIS