Descripteur
Termes IGN > informatique > langage de programmation
langage de programmationSynonyme(s)langage informatiqueVoir aussi |
Documents disponibles dans cette catégorie (819)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Titre : Développement d’outils web de data visualization : valorisation de données d’îlots de chaleur urbain Type de document : Mémoire Auteurs : Edson Olivares Medina, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 43 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] aide à la décision
[Termes IGN] analyse des besoins
[Termes IGN] ArcGIS
[Termes IGN] climat urbain
[Termes IGN] filtrage d'information
[Termes IGN] ilot thermique urbain
[Termes IGN] interface de programmation
[Termes IGN] Javascript (langage de script)
[Termes IGN] Python (langage de programmation)
[Termes IGN] valorisation des données
[Termes IGN] visualisation cartographique
[Termes IGN] visualisation de donnéesIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Le Cerema Sud-Ouest a un besoin fort en valorisation des données. En effet, il produit des cartographies dans plusieurs domaines, particulièrement dans celui du climat urbain (îlot de chaleur urbain). Cependant, l’établissement aimerait avoir à disposition des outils informatiques leur permettant de pouvoir mettre en valeur, de manière simple, leurs données produites afin de mieux les exploiter. L’objectif de mon stage est d’explorer une solution de Dataviz. Cette notion représente la vulgarisation de la donnée grâce à des diagrammes et de la cartographie web, elle est d’une grande aide à la prise de décision. Tout d’abord, j’ai mené une analyse du besoin pour mieux identifier les attentes du Cerema. Ensuite, après avoir réalisé une étude technique afin de choisir les technologies les plus adaptées, j’ai été amené à mettre l’outil en ligne et à disposition de l’équipe du Cerema. J’ai ainsi réalisé deux applications : la première qui est interne au Cerema et qui sera utilisée par des chargés d’étude dans le but de comparer des algorithmes de classification en LCZ, la deuxième qui permet de visualiser les données de l’algorithme qui sera retenu par les personnes ayant comparé les résultats. Tout cela en mettant en valeur, de façon synthétique, les informations devant être communiquées. Note de contenu : Introduction
1 Au Cerema, un besoin fort de la valorisation des données
1.1 La Data Visualization et l’objectif du stage
1.2 Analyse du besoin
2 Étude technique
2.1 Choix du framework Python : Dash - Bokeh
2.2 API Cartographique
2.3 Architecture de l’application
3 Résultats et mise en ligne
3.1 Données de travail
3.2 Limites de l’outil et résultats intermédiaires
3.3 Mise en ligne de l’application
4 Gestion du stage et retour d’expérience
4.1 Conditions particulières et organisation du travail
4.2 Bilan personnel du stage
ConclusionNuméro de notice : 26353 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Cerema Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95784 Documents numériques
peut être téléchargé
Développement d’outils web de data visualization... - pdf auteurAdobe Acrobat PDF
Titre : Distributed and parallel architectures for spatial data Type de document : Monographie Auteurs : Alberto Belussi, Éditeur scientifique ; Sara Migliorini, Éditeur scientifique ; Damiano Carra, Éditeur scientifique ; et al., Auteur Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2020 Importance : 170 p. ISBN/ISSN/EAN : 978-3-03936-751-1 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] base de données localisées
[Termes IGN] collecte de données
[Termes IGN] développement durable
[Termes IGN] données localisées
[Termes IGN] données massives
[Termes IGN] entrepôt de données localisées
[Termes IGN] géoportail
[Termes IGN] Hadoop
[Termes IGN] métadonnées
[Termes IGN] modèle numérique de surface
[Termes IGN] objet mobile
[Termes IGN] OLAP
[Termes IGN] OpenStreetMap
[Termes IGN] PostGIS
[Termes IGN] réseau social
[Termes IGN] SQL
[Termes IGN] système d'information géographique
[Termes IGN] téléphone intelligent
[Termes IGN] traitement parallèle
[Termes IGN] zone tamponRésumé : (Editeur) [Préface] In recent years, an increasing amount of spatial data has been collected by different types of devices, such as mobile phones, sensors, satellites, space telescope, and medical tools for analysis, or is generated by social networks, such as geotagged tweets. The processing of this huge amount of information, including spatial properties, which are frequently represented in heterogeneous ways, is a challenging task that has boosted research in the big data area in an attempt to investigate cases and propose new solutions for dealing with its peculiarities. In the literature, many different proposals and approaches for facing the problem have been proposed, addressing different goals and different types of users. However, most are obtained by customizing existing approaches which were originally developed for the processing of big data of the alphanumeric type, without any specific support for spatial or spatiotemporal properties. Thus, the proposed solutions can exploit the parallelism provided by these kinds of systems, but without taking into account, in a proficient way, the space and time dimensions that intrinsically characterize the analyzed datasets. As described in the literature, current solutions include: (i) the on-top approach, where an underlying system for traditional big datasets is used as a black box while spatial processing is added through the definition of user-defined functions that are specified on top of the underlying system; (ii) the from-scratch approach, where a completely new system is implemented for a specific application context; and (iii) the built-in approach, where an existing solution is extended by injecting spatial data functions into its core. This book aims at promoting new and innovative studies, proposing new architectures or innovative evolutions of existing ones, and illustrating experiments on current technologies in order to improve the efficiency and effectiveness of distributed and cluster systems when they deal with spatiotemporal data. Note de contenu : Preface
1- Distributed Processing of Location-Based Aggregate Queries Using MapReduce
2- Towards the Development of Agenda 2063 Geo-Portal to Support Sustainable Development in Africa
3- HiBuffer: Buffer Analysis of 10-Million-Scale Spatial Data in Real Time
4- Mobility DataWarehouses
5- Parallelizing Multiple Flow Accumulation Algorithm using CUDA and OpenACC
6- LandQv2: A MapReduce-Based System for Processing Arable Land Quality Big Data
7- Mr4Soil: A MapReduce-Based Framework Integrated with GIS for Soil Erosion Modelling
8- High-Performance Geospatial Big Data Processing System Based on MapReduceNuméro de notice : 25884 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Monographie DOI : 10.3390/books978-3-03936-751-1 En ligne : https://doi.org/10.3390/books978-3-03936-751-1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95762
Titre : Introduction to data science and machine learning Type de document : Monographie Auteurs : Keshav Sud, Éditeur scientifique ; Pakize Erdogmus, Éditeur scientifique ; Seifedine Kadry, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2020 Importance : 236 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-1-83880-371-1 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] analyse de groupement
[Termes IGN] apprentissage automatique
[Termes IGN] classification par nuées dynamiques
[Termes IGN] langage à objets
[Termes IGN] logique floue
[Termes IGN] métadonnées
[Termes IGN] optimisation (mathématiques)
[Termes IGN] Python (langage de programmation)
[Termes IGN] segmentation d'imageRésumé : (éditeur) “Introduction to Data Science and Machine Learning” has been created with the goal to provide beginners seeking to learn about data science, data enthusiasts, and experienced data professionals with a deep understanding of data science application development using open-source programming from start to finish. This book is divided into four sections: the first section contains an introduction to the book, the second covers the field of data science, software development, and open-source based embedded hardware; the third section covers algorithms that are the decision engines for data science applications; and the final section brings together the concepts shared in the first three sections and provides several examples of data science applications. Note de contenu : 1- Introductory chapter: clustering with nature-inspired optimization algorithms
2- Best practices in accelerating the data science process in python
3- Software design for success
4- Embedded systems based on open source platforms
5- The K-means algorithm evolution
6- “Set of strings” framework for big data modeling
7- Investigation of fuzzy inductive modeling method in forecasting problems
8- Segmenting images using hybridization of K-means and fuzzy C-means algorithms
9- The software to the soft target assessment
10- The methodological standard to the assessment of the traffic simulation in real time
11- Augmented post systems: Syntax, semantics, and applications
12- Serialization in object-oriented programming languagesNuméro de notice : 28388 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.77469 En ligne : https://doi.org/10.5772/intechopen.77469 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98687
Titre : Introduction to scientific programming with Python Type de document : Guide/Manuel Auteurs : Joakim Sundnes, Auteur Editeur : Springer Nature Année de publication : 2020 Importance : 157 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-3-030-50356-7 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Langages informatiques
[Termes IGN] équation polynomiale
[Termes IGN] interface graphique
[Termes IGN] programmation adaptée à l'objet
[Termes IGN] Python (langage de programmation)Résumé : (éditeur) This open access book offers an initial introduction to programming for scientific and computational applications using the Python programming language. The presentation style is compact and example-based, making it suitable for students and researchers with little or no prior experience in programming. The book uses relevant examples from mathematics and the natural sciences to present programming as a practical toolbox that can quickly enable readers to write their own programs for data processing and mathematical modeling. These tools include file reading, plotting, simple text analysis, and using NumPy for numerical computations, which are fundamental building blocks of all programs in data science and computational science. At the same time, readers are introduced to the fundamental concepts of programming, including variables, functions, loops, classes, and object-oriented programming. Accordingly, the book provides a sound basis for further computer science and programming studies. Note de contenu : 1- Getting started with Python
2- Computing with formulas
3- Loops and lists
4- Functions and branching
5- User input and error handling
6- Arrays and plotting
7- Dictionaries and strings
8- Classes
9- Object-oriented programmingNuméro de notice : 28555 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Manuel informatique DOI : 10.1007/978-3-030-50356-7 En ligne : https://doi.org/10.1007/978-3-030-50356-7 Format de la ressource électronique : url Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97444
Titre : Mise en place d’une visionneuse de photographies immersives dans QGIS Type de document : Mémoire Auteurs : Thibault Petiet, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 45 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Termes IGN] acquisition d'images
[Termes IGN] analyse des besoins
[Termes IGN] chambre panoramique
[Termes IGN] image panoramique
[Termes IGN] Lyon
[Termes IGN] plan du corps de rue simplifié
[Termes IGN] Python (langage de programmation)
[Termes IGN] QGIS
[Termes IGN] système d'information géographique
[Termes IGN] visualisation de données
[Termes IGN] vue immersive
[Vedettes matières IGN] GéovisualisationIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Immergis est un bureau d’étude au service des gestionnaires de voiries et de réseaux de transports et d’énergies. Immergis a reçu la mission, par la métropole de Lyon, de participer à la réalisation de leur Plan de Corps de Rue Simplifié (PCRS). Il s’agit d’un plan unique structuré et normalisé représentant l’espace public. Il comporte majoritairement la voirie et les affleurants (plaques d’égouts, télécommunications, bouches à clés). Afin d’acquérir ces données, Immergis a à sa disposition un véhicule, muni d’une caméra prenant des photographies en 360°. Ils visualisent ensuite ces images afin d’ajouter les affleurants et la voirie via le logiciel QGIS. L’objectif de mon stage était donc de créer un outil capable de visualiser les images 360° via ce logiciel, à la manière de Street View sur Google Maps. L’outil développé permet donc, à partir d’une couche de points, de visualiser les images. Sur la carte de QGIS, l’indication de la position de l’image et de la direction de la vue permet de mieux localiser les objets dans l’image. Des boutons à l’intérieur de l’image permettent de naviguer d’une image à une autre et la couleur permet de distinguer les jours de relevés. Le plugin permet aussi de visionner des images normales et de télécharger l’image. A terme, cet outil sera utilisé dans une grande majorité des projets d’Immergis, incluant la visualisation d’images mais il a aussi vocation à être repris dans le cadre du développement d’un logiciel pour la gestion de voirie. Note de contenu :
Introduction
1. Contexte du stage
1.1 L’entreprise
1.2 Le PCRS
1.3 Étude du besoin
2. Étude de l’existant
2.1 Google Street View
2.2 Marzipano
2.3 PanoViewer
2.4 Equirectangular Viewer
3. Technique
3.1 Corrections et compréhension du code
3.2 Déroulement de l’utilisation
3.3 Améliorations effectuées, choix et difficultés rencontrées
3.4 Architecture du plugin
4. Perspectives
4.1 Améliorer le plugin en lui-même
4.2 Création d’une API et un outil Web
ConclusionNuméro de notice : 26386 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : IMMERGIS Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96002 Documents numériques
peut être téléchargé
Mise en place d’une visionneuse de photographies immersives dans QGIS - pdf auteurAdobe Acrobat PDF PermalinkPermalinkRestitution de profils verticaux de la distribution de gouttes de pluie à partir de mesures au sol et en altitude / Christophe Samboun (2020)PermalinkA factor model approach for the joint segmentation with between‐series correlation / Xavier Collilieux in Scandinavian Journal of Statistics, vol 46 n° 3 (September 2019)PermalinkPpC: a new method to reduce the density of lidar data. Does it affect the DEM accuracy? / Sandra Bujan in Photogrammetric record, vol 34 n° 167 (September 2019)PermalinkSpatially-explicit sensitivity and uncertainty analysis in a MCDA-based flood vulnerability model / Mariana Madruga de bruto in International journal of geographical information science IJGIS, vol 33 n° 9 (September 2019)PermalinkBridging open source tools and geoportals for interactive spatial data analytics / Bing She in Geo-spatial Information Science, vol 22 n° 3 (August 2019)PermalinkMise en oeuvre d'outils open source pour le suivi opérationnel de l'occupation des sols et de la déforestation à partir des données Sentinel radar optique : études de cas en Guyane et au Togo / Cédric Lardeux in Revue Française de Photogrammétrie et de Télédétection, n° 219-220 (juin - octobre 2019)PermalinkThe simplicity of modern audiovisual web cartography : An example with the open-source JavaScript library leaflet.js / Dennis Edler in KN, Journal of Cartography and Geographic Information, vol 69 n° 1 (May 2019)PermalinkGeographic Knowledge Graph (GeoKG): A formalized geographic knowledge representation / Shu Wang in ISPRS International journal of geo-information, vol 8 n° 4 (April 2019)Permalink