Está é a sua oportunidade para ter acesso à melhor oferta que já fizemos até hoje do Codificando Soluções
Ao clicar no botão abaixo você acessará o grupo onde vamos revelar a Oferta Relâmpago para o nosso treinamento completo de Google Earth Engine e Python para Análises Geoespaciais.
Acredite, você vai ficar impressionado com o que preparamos!!
OFERTA SERÁ LIBERADA DIA 15 DE MAIO
Recarregue a página caso você não tenha conseguido entrar no grupo
Essa é a OPORTUNIDADE que pode mudar a sua carreira profissional e acadêmica
O Codificando Soluções é um curso para quem quer aprender a processar e analisar imagens de satélite utilizando o Google Earth Engine, Javascript e Python. Além disso, te possibilita a aprender a automatizar tarefas do seu dia a dia no que diz respeito a análise de dados Geoespaciais. Se você busca ter um diferencial em sua carreira e quer ter maior velocidade em seus processamentos e tarefas repetitivas do cotidiano, este curso é para você! Destrave todo o potêncial de suas análises utilizando o Google Earth Engine e Python.
O curso possui certificado de conclusão reconhecido pelo Ministério da Educação (MEC) como curso de extensão universitária.
Módulos do curso de Google Earth Engine
Introdução ao curso
Google Earth Engine – Apresentação da Plataforma
Google Earth Engine – Datasets e Features – Parte 1
Google Earth Engine – Datasets e Features – Parte 2
Projetos desenvolvidos com o Google Earth Engine
Cadastro no Google Earth Engine
Criando nosso repositório e navegando no GEE – Parte 1
Criando nosso repositório e navegando no GEE – Parte 2
Catalogo da Comunidade do GEE – Awesome Google Earth Engine – Parte 1
Catalogo da Comunidade do GEE – Awesome Google Earth Engine – Parte 2
Introdução e recado importante
O que é sensoriamento remoto e espectro eletromagnétrico
Assinatura espectral e resoluções
Número digital, bandas e Sentinel-2
Dúvidas Recorrentes, Discussões sobre Js ,GEE, Objetos, funções e muito mais
Introdução ao JavaScript , Objetos e Métodos do Google Earth Engine
Client vs Server
Strings
Números
O que é uma Image no GEE
Visualizando imagens
Acessando os metadados de uma image
Operações Matemáticas – Parte 1
Operações Matemáticas – Parte 2
Operações relacionais, condicionais e booleanas
Operações Morfológicas
Kernel e Convulações
Transformações espectrais – Pansharpening
Transformações Espectrais Unmix
Detecção de borda
SRTM
IDW
Kridagem
Exportando uma imagem
Recotando uma imagem (clip)
Raster to Vector – Cálculo de área
Visão geral da coleção de imagens
Funções – Discutindo e passo a passo (aula complementar)
Visualização de Imagens – Parte 1
Visualização de Imagens – Parte 2
Visualização de Imagens (chuva)
Filtrando dados de uma coleção
Informações e metadados da coleção de imagens
Mapeando uma ImageCollection (argumento map) – Parte 1
Mapeando uma ImageCollection (argumento map) – Parte 2
Composição e Mosaico
Exportando Múltiplas Imagens
Merge coleções
Quantas imagens estou utilizando?
Mosaico para grandes áreas
Mosaico para grandes áreas Collection MAP
Feature e FeatureCollection
Feature Collection e Table
Feature e Assets
Filtrando uma asset
Criando pontos aleatórios
Mapeando sobre uma FeatureCollection
Precipitação e séries temporais – Parte 1
Precipitação e séries temporais – Parte 2
Precipitação e séries temporais – Parte 3
Precipitação e séries temporais – Parte 4
Precipitação Acumular mm/h para mm/dia
Temperatura – Parte 1
Temperatura – Parte 2
Evapotranspiração
Climograma
Balanço Hídrico (P-ET)
ERA 5 – Dados de Reanálise e método ToBands()
NDVI, EVI, SAVI e Spectral
NDWI, mNDWI e Spectral
Criando máscaras com índices – Plantio Florestal
Gráfico Série Temporal
Gráfico Image Series e Histograma
Reduce Region
Reduce Regions
Reduce Regions Collection
Grid Reduce Regions Collection
Extraindo valores por pontos aleatórios
Classificação Não Supervisionada – Kmeans
Classificação Supervisionada – Random Forest (Machine Learning) – Preparando nossas bases
Classificação Supervisionada – Random Forest (Machine Learning) – Definindo classificação e parâmetros
Classificação Supervisionada – Random Forest (Machine Learning) – Rodando Estatísticas e Acurácia
Classificação MapBiomas – Parte 1
Classificação MapBiomas – Parte 2 – REMAP
Cálculo de área MapBiomas
MapBiomas Fogo – Parte 1
MapBiomas Fogo (GIF e Vídeo) – Parte 2
Mapbiomas-Cálculo de área de forma automática por ano
Dynamic World – Parte 1
Dynamic World – Parte 2
Detecção de árvores
Exemplos de APPs com o GEE – Parte 1
Exemplos de APPs com o GEE – Parte 2
Criando nosso APP – Parte 1
Criando nosso APP – Parte 2
Trabalhando com imagens do Sentinel-1
Métodos de Filtragem
Detecção de áreas inundáveis utilizando Radar
Cadastro Planet Norway’s International Climate and Forest Initiative (NICFI)
Acessando Imagens Planet
Metadados das Imagens Planet
Índice de Vegetação e Água
Exportando Resultados
Séries Temporais e Gráficos
ChatGPT cadastro
Erros no GEE
Comentar Código com GPT
JavaScript com GPT
Gerando Códigos do Zero no ChatGPT
Criando APPs no GPT – Processo Completo
Módulos do curso Python para Análises Geoespaciais
Bases
Primeiros passos no Python
Conhecendo o Google Colab
Material de Apoio Python – ASSISTA!
Tipo de variáveis
Operações básicas
Estruturas de repetição
Estruturas Condicionais
Pandas – Dataframe conceitos básicos e exportando resultado
Pandas – Dados CSV – Filtrando dados, consultando valores, condicionais,datetime
Numpy – Funcionalidades Básicas
Numpy – Operações básicas
Numpy e Imagens de Satélite (breve introdução)
Gráficos no Python – Matplolib
Gráficos no Python – Seaborn
Primeiros passos no GEE – Parte 1
Primeros passos no GEE – Parte 2
Corrigindo erros de autenticação do GEE
Private Key GEE – Autenticação com Chave
Funções do GEE no Python
Pansharpening – Transformações Espectrais
Índice de Água (NDWI)
Reduce Region
Reduce Regions
Series Temporais – Área da superfície de água
Séries Temporais – Timelapse no Python
Índice de Vegetação
Malha Amostral – Análise Estatística
Climograma – Temperatura e Precipitação – Parte 1
Climograma – Temperatura e Precipitação – Parte 2
Criando Mapas com Escala e Norte
Criando um mapa integrando diferentes bibliotecas – Parte 1
Criando um mapa integrando diferentes bibliotecas – Parte 2
EarthPy – Hillshade, Mapa com Sombreamento – Parte 1
EarthPy – Hillshade, Mapa com Sombreamento – Parte 2
GeoBR – Parte 1
GeoBR – Parte 2
GeoPandas e GeoBR (SRC e Sjoin)
GeoBr, GeoPandas e Folium
Plotando mapas de maneira automática
Trabalhando com shapefile no GEE – Parte 1
Trabalhando com shapefile no GEE – Parte 2
Folium Primeiros Passos
Mapa Coropléticos – Parte 1
Mapa Coropléticos – Parte 2
HeatMap
HeatMap – Complemento (Layer Control)
Classificação de Imagens – Não Supervisionada
Classificação de Imagens – Supervisionada
Projeção de série temporal usando o Prophet – Parte 1
Projeção de série temporal usando o Prophet – Parte 2
Projeção de série temporal usando o Prophet – Parte 3
MapBiomas – Selecionando imagens
MapBiomas – Cálculo de área
MapBiomas – Cálculo de área, Série Temporal e Gráficos
Regressão Linear Simples – Precipitação x NDVI
Regressão Linear Múltipla – Precipitação x NDVI x Temperatura
Trabalhando com raster – Rasterio
Aritmética de bandas
Zonal Statistics -Análises Estatísticas Descritivas, limiar e máscaras
Zonal Statistics – Estatísticas zonais, OSM e Geopandas
NetCDF – Dados de Precipitação
Contextily – Acessando Bases
Contextily – Como utilizar BaseMap
Contextily – BaseMap com GEE
Automatizando elaboração de Mapas – Parte 1
Automatizando elaboração de Mapas – Parte 2
SAM Geospatial
SAM Máscaras automáticas – Parte 1
SAM Máscaras automáticas – Parte 2
Segmentação de imagens de sensoriamento remoto com prompts de texto e o Segment Anything Model
SAM Mapeando Carros
Qual o diferencial do Codificando Soluções?
- Área de membros exclusiva
- Suporte via comunidade no Discord
- Acesso a 4 bônus exclusivos
- Acesso a todos os códigos das aulas
- Exemplos práticos em todos os módulos
- Certificado reconhecido pelo MEC
Recarregue a página caso você não tenha conseguido entrar no grupo
SOBRE O INSTRUTOR
CHRISTHIAN SANTANA CUNHA
Bacharel em Gestão Ambiental, Mestre em Recursos Hídricos e Saneamento Ambiental e Doutorando em Sensoriamento Remoto.
Possui 10 anos de experiência com atuação na área de recursos hídricos, sensoriamento remoto, geoprocessamento e pesquisa.
Cientista de dados com ênfase em Análises Geoespaciais utilizando linguagem de programação Javascript e Python.
