• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2019/2020

Научно-исследовательский семинар "Геоинформационные системы"

Статус: Курс по выбору (Программная инженерия)
Направление: 09.03.04. Программная инженерия
Когда читается: 1-й курс, 1-3 модуль
Формат изучения: без онлайн-курса
Язык: русский
Кредиты: 3

Программа дисциплины

Аннотация

НИС «Геоинформационные системы» направлен на обзорное изучение полного стека научных и практических подходов к разработке геоинформационных систем – аппаратно-программных комплексов, которые получают, хранят, передают, обрабатывают, визуализируют и позволяют выполнять анализ данных с географической привязкой. Основными инструментами нашего курса будут Python и его модули для работы с геопространственными данными, изучению которых будет уделено особое внимание. В современном мире, около 80% всех данных содержат географическую привязку по словам Forbes [1]. Многие крупные компании часто объявляют вакансии, которые связаны с географическими данными. Например, Apple объявила одновременно 70 таких вакансий [2]. Стоит только упомянуть GPS и ГЛОНАСС, Карты Google и Yandex, а также последние тренды в области Big Data и Machine Learning: «Селфи Земли каждые 24 часа» — девиз компании Planet Labs, которая в этом году будет иметь более 400 спутников на орбите, создает «Космический Google для планеты». Цель такой системы – распознавание и подсчет объектов на поверхности Земли, оценка урожайности, обнаружение изменений в городских постройках и многие другие практически важные задачи [3]. Геоданные проникают во все сферы человеческой деятельности. Знания этого семинара очень важны в широком спектре отраслей, работающих с геоданными: — мониторинг окружающей среды — транспорт — городское планирование — сельское хозяйство — страхование — сектор недвижимости и многие другие практически важные области: Роскосмос [4], Forest Watch [5], Planet [6], КРОК [7], DigitalGlobe [8], ESRI [9], Carto [10], и многие другие [11]. Работа с геопривязанными данными кардинально отличается от работы с обычными векторными объектами и массивами. Для этого используются особые координатные системы, подходы хранения и визуализации для эффективного использования геоданных и принятия решений на их основе.Следовательно, целью данного курса является знакомство с подходами решения задач, которые ставят для обеспечения эффективной и результативной работы с географически привязанными данными. Одной из основных целей является обеспечить целостный охват и дать целостное представление студентам всей сферы работы с геоданными от получения этих данных до принятия решений на их основе. Курс сопровождается практическими примерами из различных областей человеческой деятельности. Будут рассмотрены как теоретические, так и практические аспекты работы с геоданными. Теория охватывает методы хранения, доступа и анализа геоданных. Также одна из особенностей курса – его практическая направленность. НИС «Геоинформационные системы» будет полезен для любого современного разработчика программного обеспечения ввиду чрезвычайного роста популярности приложений и услуг, которые используют данные с географической привязкой. [1] https://www.forbes.com/sites/truebridge/2016/05/06/how-imaging-technologies-are-changing-the-world-part-2/ [2] https://www.cnbc.com/2017/08/02/apple-has-over-70-map-tech-job-openings.html [3] https://geektimes.ru/post/295569/ [4] https://www.youtube.com/watch?v=LsR_gfCeSlQ [5] https://www.globalforestwatch.org [6] https://www.planet.com/markets/ [7] http://geohack.ru/ [8] https://www.digitalglobe.com/ [9] https://www.esri.com/en-us/industries/index [10] https://carto.com/ [11] http://geoawesomeness.com/
Цель освоения дисциплины

Цель освоения дисциплины

  • познакомиться с управлением данными с географической привязкой
  • освоить основы языка Python для работы с геоданными
  • научиться хранить и анализовать данные с географической привязкой
  • научиться основам работы с геоинформационными системами
  • знать области применения геоинформационных систем
  • знать особенности данных с географической привязкой
  • знать научные и практические аспекты задач, которые возникают при получении, хранении, передаче, обработке, визуализации и анализе данных с географической привязкой
  • знать о способах практического применения геоданных в различных отраслях хозяйства, промышленности, экономики
  • приобрести навыки выступлений с научными докладами в форме презентаций
  • приобрести навыки работы с некоторыми программными библиотеками управления данными с географической привязкой
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать и понимать особенности данных с географической привязкой, знать типы геоданных, ориентироваться в задачах управления геоданными
  • Освоить основы языка программирования Python для работы с геоданными
  • Знать основные подходы к хранению геоданных
  • Знать основные подходы анализа геоданных
  • Знать определение данных ДЗЗ, области их применения, способы использования
  • Ориентироваться в современных трендах управления данными с географической привязкой
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в управление данными с географической привязкой
    Цели курса, организация, типы и формы контроля знаний студентов. Пространственные данные и их фундаментальные отличия от других типов данных. Два основных типа геопространственных данных (растр и вектор). Примеры геопространственных данных. Понятие геопривязки. Основные типы растровых данных: результаты дистанционного зондирования и численное моделирование. Основные типы векторных данных (точка, многоугольник, линия и т.д.). Оценка и обзор востребованности на международном рынке труда специалистов со знаниями в области данных с географической привязкой. Примеры компаний и проектов по использованию этого вида данных.
  • Введение в язык программирования Python
    Основы, операторы и выражения, поток команд, функции, модули, структуры данных, объектно-ориентированное программирование, исключения, наиболее востребованные модули (scipy, numpy, matplotlib и другие). Модули для работы с геопространственными данными.
  • Хранение геопространственных данных
    Примеры геопространственных данных и операций по их извлечению с систем хранения. Носители информации HDD, SSD, NVM, особенности облачных хранилищ данных. Проблемы и задачи, связанные с хранением геопространственных данных. Структуры хранения геопространственных данных. Заполняющие пространство кривые (в том числе кривая Гильберта, z-кривая). Сжатие геопространственных данных (вейвлеты и другие методы).
  • Визуализация геопространственных данных
    Цифровые карты. Web как наиболее популярная платформа для графических интерфейсов к геопространственным данным. Основы HTML, CSS, JavaScript. Сетевые протоколы для передачи и визуализации геоданных. Frameworks для визуализации геоданных.
  • Анализ геопространственных данных
    Примеры задач анализа данных с географической привязкой. Примеры практического применения методов и способов анализа геопространственных данных. Обнаружение изменений, выделение объектов на спутниковых снимках, оценка состояния регионов и другие задачи. Краткое введение в нейросетевые технологии.
  • Данные дистанционного зондирования Земли из космоса
    Физические основы дистанционного зондирования Земли (ДЗЗ) из космоса. Пассивное и активное ДЗЗ. Обзор существующих космических аппаратов ДЗЗ и их полезной нагрузки. Примеры практического применения данных ДЗЗ при чрезвычайных ситуациях, в сельском хозяйстве, в городском планировании, транспортной инфраструктуре и других областях.
  • Современные тренды управления данными с географической привязкой
    Spatial data mining. Unmanned Aerial Vehicles (UAV) and geo-aware software. Reconstructing urban environment using community photography. Augmented reality. Distributed systems: ChronosDB, Hadoop GeoMesa, GeoTrellis. Summary of the course.
Элементы контроля

Элементы контроля

  • неблокирующий Работа на семинаре (LP)
  • неблокирующий Выступление с презентацией (PP)
  • неблокирующий Индивидуальный проект (CW)
  • неблокирующий Экзамен (EX)
    Экзамен письменный. С синхронным прокторингом. Технические требования: web-камера, микрофон, наушники / колонки
  • неблокирующий Инициативная тема (IT)
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (3 модуль)
    LP – процент посещения студентом семинаров (0% ничего не посетил, 100% посетил все семинары). Вычисляется следующим образом: LP=(max⁡(LP_total-2^(LP_absent )+1,0 ))/(LP_total )×100%×0.3 где LP_total – общее количество занятий в курсе, LP_absent – количество пропущенных занятий студентом. CW вычисляется следующим образом: CW=CWM×30/10% где CWM – среднее значение за все задания во время всех семинаров. Балл за не показанное/не защищенное задание равен 0. PP вычисляется следующим образом: PP=PPM×20/10% где PPM – оценка за выступление с научным докладом в форме презентации. Накопленная оценка O_A вычисляется следующим образом: O_A=(LP+PP+CW)×10/80 Оценка за курс вычисляется следующим образом: O_C=O_A×0.8+EX×0.2 При вычислении процентов, значения остаются в своей изначальной форме. При вычислении оценок (0..10), происходит стандартное математическое округление. Таким образом, на определенных этапах округляются только O_A, EX, и O_C. В научном докладе в форме презентации оцениваются: сложность темы, степень раскрытия темы, качество устного выступления, качество презентации (слайды), ответы на вопросы. В заданиях на семинарах оцениваются: аккуратность выполнения задания, корректность результата. Если разрабатывается программный код, то к нему применяются здравые критерии оценки такого вида задания, которые во многим общи для дисциплин, в которых необходимо программировать. За творческий подход к выполнению задания могут начисляться баллы. По желанию студент может выбрать индивидуальную образовательную траекторию, в которую входит научная либо проектная работа, участие в конференциях, конкурсах и другие виды деятельности. Индивидуальная образовательная траектория должна заранее согласовываться с преподавателем. Сроки и объемы работ должны заранее обговариваться и согласовываться с преподавателем. Оценивание работы индивидуальной образовательной траектории выполняется по правилам, обговариваемым со студентом. В таком случае, формула O_C и/или O_A может быть изменена с добавлением IT, вес которого обговаривается со студентом заранее. Если студент опаздывает на семинар более чем на 20 минут, он считается отсутствующим. Работа не может быть защищена во время перерыва между семинарами и не во время семинара или если студент считается отсутствующим. Запрещается использовать компьютеры, мобильные телефоны, Интернет не в целях НИС. Будут вычитаться баллы из LP в случае нарушения правил. За вызывающее поведение могут вычитаться баллы из LP (критерии устанавливаются преподавателем согласно здравым культурным нормам поведения студентов в высшем учебном заведени). Во время экзамена запрещается выходить из аудитории. Задания во время семинаров студенты должны выполнять письменно на бумаге либо на компьютере (в зависимости от задания). Отсутствие у студента бумаги, пишущего предмета, ноутбука, зарядки от ноутбука или других необходимых принадлежностей не является причиной освобождения студента от задания и может привести к оценке в 0 баллов за задание. Преподаватель оставляет за собой право задавать вопросы во время защиты работ, чтобы обеспечить понимание материала студентом, написанного исходного кода, подлинность исходного кода. Вопросы также могут основываться на материалах, которые были освещены на семинаре. Преподаватель оценивает работы в соответствии с процентом отвеченных вопросов, количеством выполненной работы, точностью исходного кода и приложением в целом, правильностью приложения и другими здравыми критериями, применимыми к данным видам работы. Студент имеет только 3 попытки дать правильный ответ на поставленный преподавателем вопрос, включая первый ответ студента. Остальные детали оценивания сообщаются на семинарах/по почте в зависимости от задания.
Список литературы

Список литературы

Рекомендуемая основная литература

  • Shashi Shekhar and Hui Xiong. 2017. Encyclopedia of GIS (Springer Reference)
  • H, S. (2013). A Byte of Python. Place of publication not identified: H, Swaroop. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsotl&AN=edsotl.OTLid0000581

Рекомендуемая дополнительная литература

  • De Miguel Gonzalez, Rafael, Donert, Karl, Koutsopoulos, Kostis. Geospatial Technologies in Geography Education. 2019. Springer International Publishing
  • McInerney, D. O., & Kempeneers, P. (2015). Open Source Geospatial Tools : Applications in Earth Observation. Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=910182