项目

以下的项目涵盖了深度学习、城市交通分析、数据可视化以及交互式地图制作的领域。

1. 建筑年代与风格识别：深度学习的力量

项目概述

通过论文“利用深度学习来识别建筑年代和风格”学习如何使用深度学习技术来自动识别建筑物的年代和风格。这项工作不仅对历史建筑的保护具有重要意义，还可以为城市规划和发展提供有价值的洞察。

技术细节

• 模型训练： 使用Pytorch框架来构建和训练深度学习模型。
• 数据集： 通过收集和标注大量的建筑图像来训练模型。
• 实现： 项目复现了相关论文，并在实际数据上验证了模型的有效性。

2. 城市交通大数据分析与可视化

项目背景

城市交通大数据分析与可视化是一个跨学科的领域，它结合了交通工程、数据分析和可视化技术，以解决城市交通问题。

项目目标

我们的目标是通过高级分析技术揭示交通流量、路网效率和出行模式等关键指标，从而为城市交通管理提供决策支持。

技术应用

• 数据收集： 利用Python进行数据收集和预处理。
• 共享单车数据： 特别关注了深圳共享单车的使用情况。
• 可视化： 使用数据可视化技术展示分析结果。

3. 使用Streamlit制作数据地图可视化

地图：点我或者下方图片直达（项目免费托管在Streamlit Cloud，长时间无访问可能会遇到项目休眠的情况，需手动点击“Yes, get this app back up!”）

项目创新

本项目展示了如何结合爬虫技术、机器学习和Web开发技术来创建一个交互式的数据地图。

项目流程

• 数据采集： 使用scrapy框架进行网络数据采集。
• 信息提炼： 利用ChatGPT从采集的数据中提炼项目信息。
• 地理编码： 对项目地址进行逆地理编码，转换为坐标点。
• Web地图构建： 使用streamlit构建交互式Web地图。

技术亮点

• 交互性： 用户可以通过交互式界面探索不同项目的位置和相关信息。
• 实时更新： 地图可以实时更新，以反映最新的数据和信息。

未来预计会更新项目：

• ArcPy 案例集锦：挑选官方案例来演示。

• LLM、AI 应用探索：
  • LLM 与 AI 简介
  • 应用场景与案例分析
  • 未来发展趋势探讨

如果你有任何想法，欢迎在下方留言。