Célula de Ensino evolução que gera resultados
Núcleo de Dados Ambientais, Geoprocessamento e Sensoriamento Remoto

Ciência de Dados Espaciais e GeoAI: Google Earth Engine, Python GeoPandas, Rasterio e Machine Learning

Ciência de Dados Espaciais e GeoAI: Google Earth Engine, Python GeoPandas, Rasterio e Machine Learning

6 células 24h Avançado / Modelagem Computacional
🚀 Escada de Valor • Pacotes & Credit Upgrade (R$ 29,99 a R$ 199,99)

Jornada Executiva: Dados Ambientais, Geoprocessamento (SIG) e Sensoriamento Remoto

Do curso base em Dados Ambientais, SIG e Sensoriamento Remoto (R$ 29,99) ao Master Internacional em Inteligência Geoespacial e Sensoriamento OGC/ISPRS (R$ 199,99).

🎯 1. Porta de Entrada (R$ 29,99) Inicie pela Trilha Start (R$ 29,99) com baixo atrito financeiro e domine os fundamentos globais na prática.
💳 2. Abatimento no Upgrade (Credit Upgrade) 100% dos R$ 29,99 investidos na Trilha Start viram crédito imediato (cupom EDG29) para abater nas Trilhas 2, 3, 4 ou 5!
🌍 3. Certificação Dupla (PT-BR & EN) + ODS Certificados emitidos em Português e Inglês com competências alinhadas aos ODS da ONU para seu perfil global no LinkedIn.
Alinhamento ONU / Agenda Pós-2030: ODS 9 (Indústria, Inovação e Infraestrutura) ODS 11 (Cidades Sustentáveis) ODS 13 (Ação Climática) ODS 15 (Vida Terrestre)
Sugestões CdE

Compare com trilhas semelhantes

Sugestões ligadas ao conteúdo desta trilha para apoiar sua decisão de matrícula.

Jornada da trilha

Células de aprendizagem

1

Célula 01: Computação Geoespacial em Nuvem com Google Earth Engine (GEE): Coleções e Reduções

Dominar a arquitetura distribuída do GEE: manipulação de ImageCollections de Sentinel-2 e Landsat, filtragem espaço-temporal, mascaramento de nuvens com bandas QA e redução espacial/temporal (média, mediana, percentis).

4h
2

Célula 02: Séries Temporais e Detecção de Mudanças no GEE: Anomalias de NDVI e Alertas de Degradação

Construir séries temporais decenais de índices espectrais para identificar alterações sutis na cobertura vegetal causadas por corte seletivo, estresse hídrico e fogo (algoritmos BFAST e LandTrendr).

4h
3

Célula 03: Programação Geoespacial em Python com GeoPandas: Geometrias e Operações Espaciais

Manipular dados vetoriais em escala com Python: leitura e escrita de Geopackages, junções espaciais (*spatial joins*), buffers, interseções e cálculo de densidade de pontos com GeoPandas e Shapely.

4h
4

Célula 04: Processamento Matricial Avançado com Rasterio e Álgebra de Mapas em Python

Ler, fatiar e processar matrizes raster de alta dimensionalidade em Python utilizando Rasterio e NumPy: máscaras booleanas, cálculos de vizinhança e reclassificação de imagens georreferenciadas.

4h
5

Célula 05: Modelos de Machine Learning Espacial: Random Forest e XGBoost para Classificação de Imagens

Treinar e validar modelos preditivos de machine learning com Scikit-Learn e XGBoost para classificação do uso da terra a partir de atributos espectrais e texturais, avaliando importância de variáveis e overfitting.

4h
6

Célula 06: Desenvolvimento de Dashboards e WebSIG Interativos com Streamlit e Folium/Leaflet

Construir aplicações web interativas para visualização de indicadores geoespaciais ambientais, incorporando filtros temporais, camadas dinâmicas de satélite e gráficos estatísticos para tomadores de decisão.

4h