Kursliste

EO Browser zur Recherche, Auswahl und Beurteilung von Satellitenbildern

EO Browser

Dieser Kurs richtet sich an Einsteiger in die Verwendung von Erdbeobachtungsdaten und die Nutzung von EO-Lab. Der EO Browser ermöglicht eine intuitive und schnelle Suche auf der EO Cloud nach geeigneten Satellitenbildern und daraus abgeleiteten Geoinformationen. Die Daten stammen aus dem Erdbeobachtungsprogramm Copernicus. Es unterstützt deutsche Behörden bei der Berichtslegung, etwa für die Umsetzung der Agenda 2030 für nachhaltige Entwicklung. Im Kurs wird erklärt, wie man den EO Browser nutzt, um Satellitenbilder und daraus abgeleitete Karten der Landbedeckung zu vergleichen. Die enthaltene Übung stellt die Qualität der abgeleiteten Karten den Anforderungen der Behörden gegenüber und diskutiert den möglichen Nutzen für die Berichtslegung. Die Kursdauer beträgt etwa 2,5 Stunden.

Course description in English

This course is for beginners in the use of Earth observation data and the use of EO-Lab. The EO Browser enables an intuitive and fast search on the EO Cloud for suitable satellite images and derived geoinformation. The data originates from the Copernicus Earth observation program. It supports German authorities in reporting, for example for the implementation of the 2030 Agenda for Sustainable Development. This course explains how to use the EO Browser to compare satellite imagery and derived land cover maps. The included exercise contrasts the quality of the EO-derived maps with the requirements of the authorities and discusses the potential benefits for reporting. The course duration is about 2,5 hours. 

This course is offered in German.


Setting up cloud resources and virtual machines on EO-Lab

Banner_SetUpVMs

Willkommen zum Online-Kurs "Setting up cloud resources and virtual machines on EO-Lab". Dieser Kurs ist für alle gedacht, die Virtuelle Maschinen (VMs) auf EO-Lab einrichten möchten, um damit große Mengen an EO-Daten zu verarbeiten oder Deep Learning (DL) Workflows auszuführen. Dieser Kurs enthält eine Einführung, wie man für den eigenen Bedarf an VMs das richtige Paket an EO-Cloud-Ressourcen auswählt. Es wird der Arbeitsablauf zur Erstellung einer (GPU-unterstützten) VM mit OpenStack sowie deren Ausstattung mit Software und einer Entwicklungsumgebung vorgestellt. Es folgt ein Beispiel zur Einrichtung einer Linux VM, die für die Entwicklung von DL-Modellen vorbereitet wird. In einem zweiten Beispiel wird eine Windows-VM mit ArcGIS aufgesetzt, um auf ihr einen DL-Workflow zur Bildklassifikation zu testen und ihre Leistung mit der anderer VMs und Desktop-Computer zu vergleichen. Die Kursdauer beträgt etwa 3,5 Stunden.

Dieser Kurs wird auf Englisch angeboten.


Course description in English

Welcome to the online course "Setting up cloud resources and virtual machines on EO-Lab". This course is intended for anyone who wants to set up Virtual Machines (VMs) to process large amounts of EO data or to run Deep Learning (DL) workflows that require large computational resources. Therefore, the course offers an introduction how to decide for a specific package of EO-Lab cloud resources for a required set of VMs. Further, the course presents the workflow to create a (GPU-enabled) VM with OpenStack and equip it with software and a development environment. An example follows that is focused on setting up a Linux VM and preparing it for DL development. In a second example, a Windows VM with ArcGIS is set up for testing DL workflows for EO image classification in ArcGIS and comparing the performance to that on other VMs and desktop settings. The course duration is about 3,5 hours.

Deep Learning for EO data processing on the EO Cloud in TensorFlow and PyTorch


Willkommen zum Online-Kurs "Deep Learning für die Prozessierung von Erdbeobachtungsdaten auf der EO Cloud mit TensorFlow und PyTorch". Dieser Kurs richtet sich an alle, die Deep Learning (DL) Skripten erstellen möchten, um Erdbeobachtungsdaten auf den EO-Lab-Ressourcen zu verarbeiten. Anfängern in DL für Erdbeobachtung (EO) bietet der Kurs eine Einführung in den Arbeitsablauf und die Schlüsselkonzepte von DL. Ein Beispielskript in TensorFlow wird vorgestellt, das erste Prozessierungen von Satellitenbildern auf EO-Lab-Ressourcen vorstellt und zum Experimentieren einlädt. Außerdem wird ein PyTorch-Skript für das gleiche Anwendungsbeispiel präsentiert. Für Experten bietet der Kurs Best-Practice-Beispiele als Anregung für eigene Projekte. Die Kursdauer beträgt etwa 2,5 Stunden.

Dieser Kurs wird in englischer Sprache angeboten.

Course description in English

Welcome to the online course "Deep Learning for EO data processing on the EO Cloud with TensorFlow and PyTorch". This course is intended for anyone who wants to start with creating deep learning (DL) scripts for processing Earth observation (EO) data on EO lab resources. For beginners in DL for EO, the course introduces the workflow and key concepts of DL. Further, it presents an example TensorFlow script for the first processing of EO data on EO-Lab resources and for starting to experiment with the code. In addition, the course presents a PyTorch script for the same application context. For experts in DL for EO, the course provides best practice examples as an impulse for their own projects. The course duration is about 2,5 hours.

Using EO cloud resources more efficiently

EfficientEOCloud banner

Willkommen zum Online-Kurs "Effizientere Nutzung von EO Cloud Ressourcen". Dieser Kurs richtet sich an alle, die virtuelle Maschinen in der EO Cloud nutzen, insbesondere zur Verarbeitung von EO-Daten mit Deep-Learning-Modellen. Der Kurs präsentiert eine Reihe von Ansätzen für eine effizientere Nutzung von EO-Cloud-Ressourcen, von denen zwei genauer betrachtet werden. Es wird die Managementperspektive auf Effizienz beleuchtet. Sie strebt eine verbesserte Auslastung der Ressourcen an und basiert auf Tools zur Überwachung und Anpassung der Nutzung der EO-Cloud. Außerdem wird Effizienz aus der Perspektive eines Entwicklers von EO-Datenverarbeitungsprozessen und DL-Modellen vorgestellt. Sie verfolgt das Ziel verbesserter Qualität der Ergebnisse bei weniger Ressourceneinsatz. Zu diesem Zweck wird eine Übersicht der vorhandenen Techniken für effizientes Deep Learning vorgestellt, sowie ein generischer Optimierungsansatz zur schrittweisen Verbesserung von DL-Modellen.
Die Kursdauer beträgt etwa 2 Stunden.
Dieser Kurs wird in englischer Sprache angeboten.

Course description in English

Welcome to the online course "Using EO cloud resources more efficiently". This course is for all that use virtual machines on the EO cloud, especially for EO processing with deep learning models. The course starts with an overview of approaches for efficient usage of EO cloud resources. Two of them are presented in more detail. The first one covers efficiency from a management perspective. It follows the objective to increase resource utilization and is based on tools for monitoring and adjusting the use of the EO cloud. The second approach considers efficiency from the perspective of a developer of EO processing workflows with DL models. It follows the objective to improve quality of processing results with fewer resources. Therefore, an overview of techniques for efficient deep learning is presented and complemented with a generic approach for optimization that iteratively improves DL models.

The course duration is about 2 hours.

Developing Courses on the E-Learning Platform of EO-Lab

Banner blank

Willkommen zum Online-Kurs "Entwicklung von Kursen auf der E-Learning-Plattform von EO-Lab". Dieser Kurs richtet sich an Kursautoren, die neue Kurse zur Veröffentlichung auf der E-Learning-Plattform erstellen möchten. Er enthält Anleitungen zur Nutzung der E-Learning-Plattform und zur Gestaltung von Kursinhalten. Die Kursdauer beträgt etwa 2,5 Stunden.

Dieser Kurs ist in englischer Sprache verfasst.


Course description in English

Welcome to the online course "Developing Courses on the E-Learning Platform of EO-Lab". This course is is intended for course authors that want to create new courses for publication on the E-Learning platform. It contains instructions for using the E-Learning platform and for designing course content. The course duration is about 2,5 hours.