Ik ga remote sensing machine learning doen met random forest, xgboost en shap

Sommige informatie is automatisch vertaald.

Pakistan

Ik spreek Engels, Spaans, Frans, Duits

8 bestellingen voltooid

GIS- en Remote Sensing-expert voor InSAR en Google Earth Engine

Ik ben Asad, een GIS- en remote sensing-specialist: PhD-onderzoeker aan Tianjin University met een MSc van de China University of Geosciences (Wuhan). Ik zet satellietdata om in duidelijke kaarten en ...
Over deze dienst

Machine learning voor satelliet- en milieu-data, gedaan op de manier zoals beoordelaars het verwachten. Ik ben een PhD-onderzoeker remote sensing aan de Tianjin University (MS CUG Wuhan) en bouw ML-modellen voor landdekking, water, warmte en hazard-kaartlegging. Voorbeeld in mijn galerij: XGBoost + SHAP die stadslandoppervlakte-temperatuur uitlegt (R2 0,75 op een ruimtelijk hold-out testzone).


WAT IK DOEN: landdekking / gewas- / bosclassificatie (Random Forest, SVM, XGBoost, LightGBM); regressie en voorspelling (waterkwaliteit, chlorofyl-a, LST, luchtvervuiling, biomassa, bodemsvochtigheid, yield); explainable AI met SHAP en feature importance; ruimtelijke cross-validatie (geen gegevenslek); onzekerheidskaarten en voorspellingsintervallen; nauwkeurigheidsbeoordeling (OA, kappa, R2, RMSE).


GEGEVENS: Sentinel-1/2, Landsat, MODIS, VIIRS, GEDI, ERA5, in-situ en veldgegevens. Gereedschappen: Python (scikit-learn, XGBoost, SHAP, PyTorch), R, Google Earth Engine.


Je krijgt schone, gecommentarieerde code, kaarten en grafieken die klaar zijn voor een paper of rapport, en een korte methods write-up. Stuur me eerst een bericht met jouw data en doel en ik zal het juiste model voorstellen.

Expertise:

Afbeeldingenverwerking

•

Representatieleren

Programmeertaal:

Python

•

R

•

MATLAB

•

Colab

Frameworks:

Scikit-learn

•

keras

•

PyTorch

•

Panda

Tools:

Jupyter-notitieboek

•

Excel

•

Colab

•

RStudio

Andere Data science en ML diensten die ik aanbied