Geoestatística com R e Python

Aprenda a trabalhar com dados Geoespaciais, fazer mapas de calor, krigagem, geoestatística, criação e validação de modelos Geoestatísticos.

Ementa:

Tópico 1 Dados Geoespaciais (1 – 5 video)

•  Dados Geospaciais
•  Geopandas
•  Criação de mapas de calor
•  Introdução a Geoestatística

Tópico 2 Introdução a geoestatística e ao Variograma (6 – 13 video)

•  O que é um variograma
•  Variogram experimental
•  Variograma teórico
•  Modelos diferentes de variogrma
•  Autoajuste de variograma
•  Criar variograma no r e no python

Tópico 3 Krigagem e os diferentes tipos(14 – 25)

•  O que é krigagem
•  Quais são os passos para criar uma krigagem
•  Quais diferentes formas de krigagem
•  Krigagem com External Drift (KED)
•  Krigagem no r e no python
•  Cross validation
•  Métricas de avaliação

Tópico 4 Simulação condicional e não condicional (26 – 30)

•  O que é simulação condicional
•  Quais são os passos para uma simulação condicional
•  Qual a diferença de simulação condicional e krigagem
•  Aplicação prática

Topico 5 Geração de cenários possíveis (30 – 35)

•  O que são simunalações probabilísticas
•  Sequential Gaussian Simulation
•  Outros métodos de geração de cenários possíveis
•  Métricas de avaliação
•  Aplicação prática

Tópico 6 Informações adicionais (35 – 40)

•  Combinação de geoestatística e algoritmos de machine learning
•  Fontes de bases de dados reais
•  Métodos e técnicas adicionais
•  Blogs, fontes de referências e informações

Você vai aprender:

• Materiais e Leituras
• Aula 01 – 14:48
• Aula 02 – 13:39
• Aula 03 – 12:41
• Aula 04 – 06:34
• Aula 05 – 10:19
• Aula 06 – 10:45
• Aula 07 – 08:00
• Aula 08 – 10:26
• Aula 09 – 16:45
• Aula 10 – 14:33
• Aula 11 – 09:47
• Aula 12 – 04:51
• Aula 13 – 11:07
• Aula 14 – 13:16
• Aula 15 – 08:18
• Aula 16 – 13:33
• Aula 17 – 17:23
• Aula 18 – 10:05
• Aula 19 – 14:12
• Aula 20 – 11:19
• Aula 21 – 10:16
• Aula 22 – 10:31
• Aula 23 – 06:48
• Aula 24 – 11:26
• Aula 25 – 11:29
• Aula 26 – 09:08
• Aula 27 – 07:24
• Aula 28 – 11:33
• Aula 29 – 10:01
• Aula 30 – 10:17
• Aula 31 – 08:05
• Aula 32 – 10:14
• Aula 33 – 12:40
• Aula 34 – 07:47
• Aula 35 – 10:40
• Aula 36 – 07:54
• Aula 37 – 07:41
• Aula 38 – 08:34
• Aula 39 – 06:29
• Aula 40 – 08:16

Carga Horária: 7 Horas

Prof. Dra. Angélica Nardo Caseri:

É PhD em hidrologia e pós-doutora em modelos de previsão de hidrometeorologia. Atualmente atua como especialista de ciências de dados na diretoria de inovação em uma das maiores distribuidoras de energia do Brasil, desenvolvendo modelos de inteligência artificial nas mais variadas naturezas de problemas. Além disso, atua em colaborações com universidades e centros de pesquisas como PUC-RIO e Cemaden. Incentivadora da área de ciência de dados, criou o canal no instagram D4T4 (@d_4t4) a fim de divulgar e propagar o conhecimento nesta área.