Couvre l'utilisation pratique de QGIS pour l'analyse et la visualisation des données spatiales, y compris le géoréférencement des cartes historiques et la manipulation des données vectorielles.
Explore la morphologie urbaine, les systèmes urbains auto-organisés, les défis à relever pour réaliser le concept (urban) Digital Twin, les contributions d'analyse spatiale du LASIG et l'enseignement de la géomatique.
Couvre la cartographie statistique thématique, les types de cartes thématiques et les méthodes de discrétisation pour représenter et classer les caractéristiques des ensembles de données.
Couvre les attributs thématiques, la classification, la représentation des données et les méthodes de discrétisation dans les systèmes d'information géographique.
Couvre les composantes et les fonctions de la cartographie thématique, y compris les variables visuelles, la production de cartes et la cartographie interactive.
Explore la conception de mémoire cache, les succès, les ratés et les politiques d'expulsion dans les systèmes informatiques, en mettant l'accent sur la localité spatiale et temporelle.
Plonge dans les principes et les grandes questions de la cartographie, en mettant l'accent sur l'efficacité de la communication et de la créativité impliqués dans le travail cartographique.
Explore les causes et les conséquences des feux de brousse dans la région sahélienne, en mettant l'accent sur le rôle des systèmes d'information géographique.
Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.
Couvre les interactions entre les couches de données raster et vectorielles dans les SIG, y compris l'extraction d'informations à des points spécifiques et le calcul des statistiques dans les zones de polygone.
Couvre les attributs thématiques, la classification et la discrétisation des données dans la cartographie thématique en utilisant QGIS pour la cartographie proportionnelle des symboles.
Couvre les meilleures pratiques et les lignes directrices pour les mégadonnées, y compris les lacs de données, l'architecture, les défis et les technologies comme Hadoop et Hive.
