GeoAI con Python

Aprende a aplicar aprendizaje profundo e inteligencia artificial a imágenes satelitales, fotografías aéreas y datos geoespaciales utilizando Python. Esta guía práctica y aplicada te lleva desde la descarga de datos de teledetección hasta el entrenamiento y evaluación de modelos de aprendizaje profundo, todo utilizando herramientas de código abierto.

Lo que aprenderás

• Configurar un entorno completo de GeoAI con Python, PyTorch y aceleración por GPU.
• Descargar imágenes satelitales desde Microsoft Planetary Computer y portales de datos abiertos.
• Crear mapas interactivos y preparar conjuntos de datos de entrenamiento a partir de grandes imágenes satelitales.
• Entrenar y evaluar modelos para siete tareas principales de IA geoespacial: reconocimiento de imágenes, detección de objetos, segmentación semántica, segmentación de instancias, traducción de imágenes, detección de cambios y regresión a nivel de píxel.
• Aplicar modelos fundacionales, incluyendo el Segment Anything Model (SAM), modelos de visión-lenguaje y embeddings satelitales, a problemas reales de observación de la Tierra.
• Ejecutar flujos de trabajo de IA en QGIS sin escribir código mediante plugins para segmentación de árboles, detección de agua y más.

Estructura y formato

• 23 capítulos con ejemplos de código ejecutable organizados en cinco partes: Fundamentos, Adquisición y Preparación de Datos, Tareas Principales de IA, Modelos Fundacionales y Plugins de QGIS.
• Todos los ejemplos utilizan imágenes satelitales reales con PyTorch, torchgeo, segment-geospatial, leafmap y geoai.
• Todo el código y los conjuntos de datos están disponibles gratuitamente en GitHub y Source Cooperative para garantizar la reproducibilidad completa.

Público objetivo

Profesionales de SIG, científicos de teledetección, científicos de datos y estudiantes que desean aplicar IA a datos geoespaciales utilizando Python y herramientas de código abierto.