Formação em SIG para empresas

Com mais de 200.000 horas de formação em SIG leccionadas, a GeoPoint, para além da sua oferta em e-learning, oferece a possibilidade de efectuar acções de formação em SIG à medida dos seus clientes vocacionadas para empresas ou grupos pré-organizados.

Podemos adaptar qualquer conteúdo às suas necessidades! Consulte-nos.

 

 

 

Graduação em GeoSDM (Geo Susceptibility Distribution Models) (e-learning)

O programa de graduação GeoSDM oferece uma especialização profissional em Modelos de Distribuição de Espécies (SDM) para restauração ecológica, monitoramento de movimentos de superfície (InSAR) para exploração mineral e monitoramento de áreas de mineração, simulação geoespacial de mudanças no uso e cobertura da terra (LULC) para avaliação da estrutura e dinâmica da paisagem e deteção de inundações baseada em dados de Observação da Terra (EOD) e Tecnologias de Informação Geográfica (GIT) e Inteligência Artificial (IA). O GeoSDM é composto por quatro módulos, que podem ser frequentados individualmente ou em sequência.

Módulo 1 – Modelos de Distribuição de Espécies (SDM) com GeoIA em Python: Este módulo aborda SDMs integrados e correlativos, utilizando dados de ocorrência de espécies, variáveis ambientais, algoritmos de modelagem e pacotes Python comumente usados em estudos de IA-SDM. O foco inclui a influência de impulsionadores ecológicos, extração e fusão de dados espaciais, técnicas de SDM para adequação de habitat e algoritmos de IA. O curso utiliza o Jupyter Notebook (Python) e QGIS com plugins.

Módulo 2 – Monitoramento de Movimentos de Superfície (InSAR) e Análise de Comparação de MDE com GeoIA em Python: Este módulo explora a técnica InSAR para monitorar processos de deformação de superfície ao longo do tempo, com foco em áreas de mineração. Inclui conceitos de Interferometria TOPS, processamento de interferogramas com SNAP ESA, fusão de dados espaciais, formação de interferogramas e estimação de coerência. O curso utiliza Jupyter Notebook (Python) e SNAP ESA – Sentinel-1 Toolbox.

Módulo 3 – Geossimulação de Mudanças no Uso e Cobertura da Terra e Métricas de Paisagem com GeoIA em Python: Este módulo visa desenvolver modelos híbridos de geossimulação para diferentes categorias de mineração, utilizando técnicas como automatos celulares, redes neurais artificiais e correntes de Markov. Aborda conceitos de mudanças futuras no uso e cobertura da terra, fusão de dados espaciais, detecção de mudanças em Python, classificação de imagens, e estudos de caso em minas a céu aberto e subterrâneas. O curso utiliza Jupyter Notebook (Python).

Módulo 4 – Detecção Inteligente de Inundações com GeoIA em Python: Este módulo valida uma solução baseada em GeoIA para mapeamento rápido de inundações em larga escala, integrando dados abertos de alta resolução e algoritmos de IA. Inclui conceitos de modelagem hidrológica, fusão de dados espaciais, previsão e avaliação de impacto de inundações. Os estudos de caso incluem a bacia do rio Houston (Texas, EUA) após o furacão Harvey. O curso utiliza Jupyter Notebook (Python) e QGIS com o plugin Floodrisk.

Formador: Francisco Gutierres: PhD em Geografia Física, com especialização em modelos SDM e métricas de paisagem em escalas locais (Natura 2000 na costa oeste de Portugal). Mestre em Biologia da Conservação, pós-graduado em SIG aplicado às Ciências da Terra, especialização de doutorado em Análise Geoecológica de Dados e licenciatura em Engenharia Biofísica – Planeamento e Gestão Ambiental. Com mais de 20 anos de experiência, Francisco trabalhou como especialista em SIG e Meio Ambiente no governo nacional e local, além da indústria privada, antes de se juntar à OPT/NET B.V.

Mais info aqui: https://www.geopoint.pt/en/formacao-em-sig/

Formação em SIG para empresas

Com mais de 200.000 horas de formação em SIG leccionadas, a GeoPoint, para além da sua oferta em e-learning, oferece a possibilidade de efectuar acções de formação em SIG à medida dos seus clientes vocacionadas para empresas ou grupos pré-organizados.

Podemos adaptar qualquer conteúdo às suas necessidades! Consulte-nos.

 

 

 

Graduação em GeoSDM (Geo Susceptibility Distribution Models) (e-learning)

O programa de graduação GeoSDM oferece uma especialização profissional em Modelos de Distribuição de Espécies (SDM) para restauração ecológica, monitoramento de movimentos de superfície (InSAR) para exploração mineral e monitoramento de áreas de mineração, simulação geoespacial de mudanças no uso e cobertura da terra (LULC) para avaliação da estrutura e dinâmica da paisagem e deteção de inundações baseada em dados de Observação da Terra (EOD) e Tecnologias de Informação Geográfica (GIT) e Inteligência Artificial (IA). O GeoSDM é composto por quatro módulos, que podem ser frequentados individualmente ou em sequência.

Módulo 1 – Modelos de Distribuição de Espécies (SDM) com GeoIA em Python: Este módulo aborda SDMs integrados e correlativos, utilizando dados de ocorrência de espécies, variáveis ambientais, algoritmos de modelagem e pacotes Python comumente usados em estudos de IA-SDM. O foco inclui a influência de impulsionadores ecológicos, extração e fusão de dados espaciais, técnicas de SDM para adequação de habitat e algoritmos de IA. O curso utiliza o Jupyter Notebook (Python) e QGIS com plugins.

Módulo 2 – Monitoramento de Movimentos de Superfície (InSAR) e Análise de Comparação de MDE com GeoIA em Python: Este módulo explora a técnica InSAR para monitorar processos de deformação de superfície ao longo do tempo, com foco em áreas de mineração. Inclui conceitos de Interferometria TOPS, processamento de interferogramas com SNAP ESA, fusão de dados espaciais, formação de interferogramas e estimação de coerência. O curso utiliza Jupyter Notebook (Python) e SNAP ESA – Sentinel-1 Toolbox.

Módulo 3 – Geossimulação de Mudanças no Uso e Cobertura da Terra e Métricas de Paisagem com GeoIA em Python: Este módulo visa desenvolver modelos híbridos de geossimulação para diferentes categorias de mineração, utilizando técnicas como automatos celulares, redes neurais artificiais e correntes de Markov. Aborda conceitos de mudanças futuras no uso e cobertura da terra, fusão de dados espaciais, detecção de mudanças em Python, classificação de imagens, e estudos de caso em minas a céu aberto e subterrâneas. O curso utiliza Jupyter Notebook (Python).

Módulo 4 – Detecção Inteligente de Inundações com GeoIA em Python: Este módulo valida uma solução baseada em GeoIA para mapeamento rápido de inundações em larga escala, integrando dados abertos de alta resolução e algoritmos de IA. Inclui conceitos de modelagem hidrológica, fusão de dados espaciais, previsão e avaliação de impacto de inundações. Os estudos de caso incluem a bacia do rio Houston (Texas, EUA) após o furacão Harvey. O curso utiliza Jupyter Notebook (Python) e QGIS com o plugin Floodrisk.

Formador: Francisco Gutierres: PhD em Geografia Física, com especialização em modelos SDM e métricas de paisagem em escalas locais (Natura 2000 na costa oeste de Portugal). Mestre em Biologia da Conservação, pós-graduado em SIG aplicado às Ciências da Terra, especialização de doutorado em Análise Geoecológica de Dados e licenciatura em Engenharia Biofísica – Planeamento e Gestão Ambiental. Com mais de 20 anos de experiência, Francisco trabalhou como especialista em SIG e Meio Ambiente no governo nacional e local, além da indústria privada, antes de se juntar à OPT/NET B.V.

Mais info aqui: https://www.geopoint.pt/en/formacao-em-sig/

Temas relationados