Machine Learning i geografisk kontekst

Session

Studerende har ordet

Abstract

Machine Learning er blevet et varmt emne blandt diverse studieretninger inden for de seneste år. Som geografistuderende uden baggrund i computer science har jeg kastet mig ud i dette emne for at afprøve dens nytte i en geografisk kontekst.

I mit specialeprojekt undersøger jeg plantageskove i det sydlige Kina. Jeg vil kortlægge disse ved hjælp af en forholdsvis simpel Deep Learning-model, som klassificerer arealanvendelser ud fra satellitbilleder.

Workflowet til dette er skrevet i Python med open source-platformen, TensorFlow.

Målgruppe

Målgruppen er studerende, deltagere, der arbejder med remote sensing, samt deltagere, der er interesserede i brugen af kunstig intelligens.

Yderligere uddybning af abstract

I oplægget vil jeg fortælle om min arbejdsproces og diskutere foreløbige resultater i forhold til udviklingen af Kinas plantageskove. Jeg vil forklare, hvordan man som geograf skal håndtere store datamængder, mærkeligt computersprog og sorte bokse på skærmen - og hvordan alt dette kan have stor geografisk relevans.

Mest af alt vil jeg dog opmuntre interesserede til at afprøve Machine Learning-metoder som et alternativ til de mere traditionelle klassifikationsmetoder inden for feltet.

Machine Learning i geografisk kontekst
Gyde Krüger
Københavns Universitet