Spatial information crowdsourcing

2022/2023

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Faculty of Geography and Geoinformation Technology

Course type:

Elective course

When:

2 year, 1, 2 module

Instructors

Kuramagomedov, Bashir

Medvedev, Andrei

Осокин Степан Артемович

Программа дисциплины

Аннотация

Курс предлагается на выбор всем студентам образовательной программы «География глобальных изменений и геоинформационные технологии». Курс направлен на то, чтобы научить студентов осуществлять краудсорсинг пространственной информации с использованием функционала современных географических информационных систем. Цели освоения дисциплины Краудсорсинг пространственно информации» - дать студентам базовые знания о методах и средствах сбора географической информации, о различных источниках данных и формах представления информации; а также научить студентов практическим навыкам сбора и организации пространственных данных.

Цель освоения дисциплины

• дать студентам базовые знания о методах и средствах сбора географической информации
• познакомить студентов с различными источниками данных и формах представления информации
• научить студентов практическим навыкам сбора и организации пространственных данных

Планируемые результаты обучения

• Осуществляет краудсорсинг пространственной информации с использованием функционала современных географических информационных систем

Содержание учебной дисциплины

• Методы и инструменты краудсорсинга пространственной информации

Элементы контроля

• Практические работы
• Работа на занятиях
• Работа на занятиях
• Практические работы
• Итоговый проект

Промежуточная аттестация

• 2022/2023 учебный год 2 модуль
  0.2 * Практические работы + 0.2 * Практические работы + 0.1 * Работа на занятиях + 0.4 * Итоговый проект + 0.1 * Работа на занятиях

Список литературы

Рекомендуемая основная литература

• Simoff, S. J., Böhlen, M. H., & Mazeika, A. (2008). Assisting Human Cognition in Visual Data Mining. Springer. https://doi.org/10.5167/uzh-56371
• Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2017). Data Mining : Practical Machine Learning Tools and Techniques (Vol. Fourth edition). Cambridge, MA: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1214611

Рекомендуемая дополнительная литература

• Kotu, V., & Deshpande, B. (2014). Predictive Analytics and Data Mining : Concepts and Practice with RapidMiner. Amsterdam: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=919334
• Kotu, V., & Deshpande, B. (2019). Data Science : Concepts and Practice (Vol. Second edition). Cambridge, MA: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1866160
• Rigaux, P., Scholl, M. O., & Voisard, A. (2002). Spatial Databases : With Application to GIS. Morgan Kaufmann.
• Yang, Y. (2016). Temporal Data Mining Via Unsupervised Ensemble Learning. Elsevier.