Descripteur
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesEtendre la recherche sur niveau(x) vers le bas
Titre : Géomatique webmapping en open source : architectures web avec PostGIS, OpenLayers et MapServer Type de document : Guide/Manuel Auteurs : David Collado, Auteur Editeur : Paris : Ellipses-Edition Marketing Année de publication : 2019 Collection : Formations & Techniques Importance : 214 p. ISBN/ISSN/EAN : 978-2-340-02968-2 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes descripteurs IGN] Ajax
[Termes descripteurs IGN] architecture client-serveur
[Termes descripteurs IGN] calcul d'itinéraire
[Termes descripteurs IGN] géolocalisation
[Termes descripteurs IGN] image Sentinel-MSI
[Termes descripteurs IGN] Mapserver
[Termes descripteurs IGN] OpenLayers
[Termes descripteurs IGN] PostGIS
[Termes descripteurs IGN] QGIS
[Termes descripteurs IGN] SQL
[Termes descripteurs IGN] web mappingIndex. décimale : 37.50 Géomatique web Résumé : (Editeur) La mise en ligne de données spatiales, le webmapping, connaît un essor fulgurant, parallèlement au développement d'internet et d'applications faisant usage de données géolocalisées. Cet ouvrage aborde de façon concrète les logiciels open source les plus utilisés pour stocker, gérer, exploiter et cartographier ce type de données sur le web : PostGIS, OpenLayers et MapServer. A partir d'images satellites et de données OpenStreetMap librement accessibles, ces logiciels sont exploités pour construire des applications, dont les architectures sont écrites et coordonnées en HTML, SQL, Python et JavaScript. Les thèmes traités permettent un abord progressif de l'ensemble de ces outils et s'étendent du traitement d'images aux calculs d'itinéraires routiers, en passant par l'édition en ligne de données spatiales ou l'exploitation des données GPS. Cet ouvrage s'adresse à des étudiants en géomatique ou en informatique ainsi qu'aux techniciens ou ingénieurs de ces domaines, désireux de développer des applications cartographiques riches et dynamiques avec des outils open source. Les services SIG des entreprises ou administrations y trouveront de précieuses informations permettant de déployer leurs données sur internet ou sur leur intranet. Note de contenu : 1. Installation des logiciels
2. Intégration des données dans PostGIS
3. Exploitation des données en SQL
4. Notions d'objets topologiques et implémentation dans PostGIS
5. Pris en main de MapServer
6. Création d'une page web de calcul d'itinéraire routier
7. Création d'une page web de suivi d'un trajet
8. Du satellite à la page web en un clic
9. Un client cartographique : OpenLayers
10. La géolocalisation avec OpenLayers
11. Calcul d'itinéraire avec OpenLayers
12. Création d'un éditeur d'entités en ligneNuméro de notice : 26028 Thématique : GEOMATIQUE/INFORMATIQUE Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92790 Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 26028-01 37.50 Livre Centre de documentation Géomatique Disponible
Titre : ArcGIS for environmental and water issues Type de document : Monographie Auteurs : William Bajjali, Auteur Editeur : Springer International Publishing Année de publication : 2018 Collection : Springer Textbooks in Earth Sciences, Geography and Environment STEGE, ISSN 2510-1315 Importance : 353 p. ISBN/ISSN/EAN : 978-3-319-61158-7 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG
[Termes descripteurs IGN] ArcGIS
[Termes descripteurs IGN] ArcPAD
[Termes descripteurs IGN] base de données localisées
[Termes descripteurs IGN] données environnementales
[Termes descripteurs IGN] géocodage
[Termes descripteurs IGN] interpolation spatiale
[Termes descripteurs IGN] ressources en eau
[Termes descripteurs IGN] SQL
[Termes descripteurs IGN] système d'information géographiqueRésumé : (Editeur) This textbook is a step-by-step tutorial on the applications of Geographic Information Systems (GIS) in environmental and water resource issues. It provides information about GIS and its applications, specifically using the most advanced ESRI GIS technology and its extensions. Eighteen chapters cover GIS applications in the field of earth sciences and water resources in detail from the ground up. Author William Bajjali explains what a GIS is and what it is used for, the basics of map classification, data acquisition, coordinate systems and projections, vectorization, geodatabase and relational database, data editing, geoprocessing, suitability modeling, working with raster, watershed delineation, mathematical and statistical interpolation, and more advanced techniques, tools and extensions such as ArcScan, Topology, Geocoding, Hydrology, Geostatistical Analyst, Spatial Analyst, Network Analyst, 3-D Analyst. ArcPad, ESRI’s cutting-edge mobile GIS software, is covered in detail as well. Each chapter contains concrete case studies and exercises – many from the author’s own work in the United States and Middle East. This volume is targeted toward advanced undergraduates, but could also be useful for professionals and for anyone who utilizes GIS or practices spatial analysis in relation to geology, hydrology, ecology, and environmental sciences. Note de contenu :
1. Introduction to GIS
2. Working with ArcGIS: Classification
3. Map Classification and Layout
4. Data Acquisition and Getting Data into GIS
5. Cordinate Systems and Projections
6. ArcScan
7. Geodatabase
8. Data Editing and Topology
9. Geoprocessing
10. Site Suitability and Modeling
11. Geocoding
12. Working with Raster
13. Spatial Interpolation
14. Watershed Delineation
15. Geostatistical Analysis
16. Proximity and Network Analysis
17. 3-D Analysis
18. Mobile GIS Using ArcPadNuméro de notice : 26286 Thématique : GEOMATIQUE Nature : Monographie DOI : 10.1007/978-3-319-61158-7 En ligne : https://doi.org/10.1007/978-3-319-61158-7 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94943
Titre : Systèmes d'information géographique : avec les logiciels libres Grass et Qgis Type de document : Guide/Manuel Auteurs : Yves Auda, Auteur Editeur : Paris : Dunod Année de publication : 2018 Collection : Sciences Sup Sous-collection : Sciences de l'ingénieur Importance : 197 p. Format : 17 x 24 cm ISBN/ISSN/EAN : 978-2-10-077584-2 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique
[Termes descripteurs IGN] base de données localisées
[Termes descripteurs IGN] données maillées
[Termes descripteurs IGN] données vectorielles
[Termes descripteurs IGN] géoréférencement indirect
[Termes descripteurs IGN] GRASS
[Termes descripteurs IGN] modèle hydrographique
[Termes descripteurs IGN] modèle numérique de terrain
[Termes descripteurs IGN] QGIS
[Termes descripteurs IGN] R (langage)
[Termes descripteurs IGN] représentation cartographique
[Termes descripteurs IGN] SQL
[Termes descripteurs IGN] traitement de données localiséesIndex. décimale : 37.35 Logiciels SIG Résumé : (Editeur) Un système d'information géographique (SIG) est un système d'information conçu pour recueillir, stocker, traiter, analyser, gérer et présenter tous les types de données spatiales et géographiques issues de la télédétection (observation des ressources terrestres et de leur utilisation par l'homme). Les applications sont multiples : recherche du cheminement le plus économique en termes de temps pour la distribution du courrier par le facteur, du tracé dont l'impact sera le plus faible pour l'implantation d'une nouvelle ligne électrique, de la localisation du central téléphonique optimisant le raccord des abonnés, mais aussi aménagement du territoire, prospection minière, études de démographie, état des risques naturels … À partir d’une zone de quelques km2 au nord du Laos, l’ouvrage montre grâce aux logiciels libres Grass et Qgis comment cartographier, référencer, modéliser, classifier les données recueillies dans une perspective de gestion de l’espace. À travers une partie théorique et de nombreux exercices issus de cas concrets, l'auteur rend compte de son expérience pour présenter une structure de gestion de projet adaptée à la gestion des bases de données spatialisées. Note de contenu : INTRODUCTION
1-PARTIE THEORIQUE
- Qu'est-ce qu'un SIG
- Modèles de données
- Localisation sur Terre
- Composition de carte
- Modèles hydrologiques et MNT
- Modèles de paysage
- Traitement des données
2-PARTIE PRATIQUE
- Prise en main de GRASS et QGIS
- Repères cartographiques
- Géoréférencement d'une carte scannée
- Organisation des données et de leur traitement
- Base de données et SQL
- SQL spatial, requêtes géométriques
- SQL spatial, requêtes topologiques
- Modèle Numérique de Terrain
- Complémentarité R du CRAN/GRASS
- Modèle hydrologique
- Traitement des données
- Modèle de paysage
- Composition de carte
CONCLUSIONNuméro de notice : 22927 Thématique : GEOMATIQUE Nature : Manuel de cours Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90874 Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 22927-01 37.35 Livre Centre de documentation Géomatique Disponible Hub Labels on the database for large-scale graphs with the COLD framework / Alexandros Efentakis in Geoinformatica [en ligne], vol 21 n° 4 (October - December 2017)
Titre : Hub Labels on the database for large-scale graphs with the COLD framework Type de document : Article/Communication Auteurs : Alexandros Efentakis, Auteur ; Christodoulos Efstathiades, Auteur ; Dieter Pfoser, Auteur Année de publication : 2017 Article en page(s) : pp 703 - 732 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes descripteurs IGN] base de données localisées
[Termes descripteurs IGN] chemin le plus court (algorithme)
[Termes descripteurs IGN] compression de données
[Termes descripteurs IGN] graphe
[Termes descripteurs IGN] plus proche voisin (algorithme)
[Termes descripteurs IGN] SQLRésumé : (Auteur) Shortest-path computation on graphs is one of the most well-studied problems in algorithmic theory. An aspect that has only recently attracted attention is the use of databases in combination with graph algorithms, so-called distance oracles, to compute shortest-path queries on large graphs. To this purpose, we propose a novel, efficient, pure-SQL framework for answering exact distance queries on large-scale graphs, implemented entirely on an open-source database engine. Our COLD framework (COmpressed Labels on the Database) can answer multiple distance queries (vertex-to-vertex, one-to-many, k-Nearest Neighbors, Reverse k-Nearest Neighbors, Reverse k-Farthest Neighbors and Top-k Range) not handled by previous methods, rendering it a complete database solution for a variety of practical large-scale graph applications. Our experimentation shows that COLD outperforms existing approaches (including popular graph databases) in terms of query time and efficiency, while requiring significantly less storage space than these methods. Numéro de notice : A2017-601 Thématique : GEOMATIQUE Nature : Article DOI : 10.1007/s10707-016-0287-5 En ligne : https://doi.org/10.1007/s10707-016-0287-5 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86909
in Geoinformatica [en ligne] > vol 21 n° 4 (October - December 2017) . - pp 703 - 732[article]
Titre : Data science par la pratique : fondamentaux avec Python Type de document : Guide/Manuel Auteurs : Joël Grus, Auteur ; Dominique Durand-Fleischer, Traducteur Editeur : Paris : Eyrolles Année de publication : 2017 Importance : 307 p. Format : 19 x 23 cm ISBN/ISSN/EAN : 978-2-212-11868-1 Note générale : index Langues : Français (fre) Descripteur : [Vedettes matières IGN] Informatique
[Termes descripteurs IGN] algèbre linéaire
[Termes descripteurs IGN] analyse de groupement
[Termes descripteurs IGN] apprentissage automatique
[Termes descripteurs IGN] arbre de décision
[Termes descripteurs IGN] classification barycentrique
[Termes descripteurs IGN] classification bayesienne
[Termes descripteurs IGN] classification par réseau neuronal
[Termes descripteurs IGN] classification par séparateurs à vaste marge
[Termes descripteurs IGN] collecte de données
[Termes descripteurs IGN] corrélation
[Termes descripteurs IGN] exploration de données
[Termes descripteurs IGN] gradient
[Termes descripteurs IGN] inférence
[Termes descripteurs IGN] plus proche voisin (algorithme)
[Termes descripteurs IGN] probabilités
[Termes descripteurs IGN] Python (langage de programmation)
[Termes descripteurs IGN] régression linéaire
[Termes descripteurs IGN] régression logistique
[Termes descripteurs IGN] régression multiple
[Termes descripteurs IGN] réseau neuronal artificiel
[Termes descripteurs IGN] science des données
[Termes descripteurs IGN] SQL
[Termes descripteurs IGN] théorie des graphes
[Termes descripteurs IGN] traitement du langage naturel
[Termes descripteurs IGN] visualisation de donnéesIndex. décimale : 26.00 Informatique - généralités Résumé : (éditeur) Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans la discipline sans comprendre la data science. Dans cet ouvrage, vous apprendrez comment fonctionnent les outils et algorithmes les plus fondamentaux de la data science, en les réalisant à partir de zéro. Si vous êtes fort en maths et que vous connaissez la programmation, l'auteur, Joël Grus, vous aidera à vous familiariser avec les maths et les statistiques qui sont au coeur de la data science et à acquérir les compétences informatiques indispensables pour démarrer comme data scientist. La profusion des données d'aujourd'hui contient les réponses aux questions que personne n'a encore pensé à poser. Ce livre vous enseigne comment obtenir ces réponses. Suivez un cours accéléré de Python. Apprenez les fondamentaux de l'algèbre linéaire, des statistiques et des probabilités, et comprenez comment et quand les utiliser en data science. Collectez, explorez, nettoyez, bricolez et manipulez les données. Plongez dans les bases de l'apprentissage automatique. Implémentez des modèles comme les k plus proches voisins, le Bayes naïf, les régressions linéaire ou logistique, les arbres de décision, les réseaux neuronaux et le clustering. Explorez les systèmes de recommandation, le traitement du langage naturel, l'analyse de réseau, MapReduce et les bases de données. Cet ouvrage s'adresse aux développeurs, statisticiens, étudiants et chefs de projet ayant à résoudre des problèmes de data science, aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art de ce métier du futur. Note de contenu : Introduction
Cours accéléré de Python
Visualisation des données
Algèbre linéaire
Statistique
Probabilités
Hypothèse et inférence
Descente de gradient
Collecte des données
Travail sur les données
Apprentissage automatique
k plus proches voisins
Classification naïve bayésienne
Régression linéaire simple
Régression linéaire multiple
Régression logistique
Arbres de décision
Réseaux neuronaux
Clustering
Traitement automatique du langage naturel
Analyse des réseaux
Systèmes de recommandation
Base de données et SQL
MapReduce
En avant pour la data scienceNuméro de notice : 17524 Thématique : GEOMATIQUE/SOCIETE NUMERIQUE Nature : Manuel informatique Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90601 Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 17524-01 26.00 Manuel Informatique Centre de documentation Informatique Sorti jusqu'au 24/02/2020 PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalink
