Spatial Data Management

2023/2024

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered at:

Faculty of Geography and Geoinformation Technology

Course type:

Elective course

When:

4 year, 1, 2 module

Instructor

Осокин Степан Артемович

Программа дисциплины

Аннотация

Курс является обязательным для студентов, выбравших специализацию (направление) «Геоинформационные технологии и пространственное моделирование». Курс направлен на то, чтобы научить студентов эффективно управлять пространственными данными с использованием функционала современных географических информационных систем и систем управлениями базами данных. Студенты научатся создавать метаданные различных стандартов и применять инструменты преобразования форматов геоданных.

Цель освоения дисциплины

• научить студентов эффективно управлять пространственными данными с использованием функционала современных географических информационных систем и систем управлениями базами данных; создавать метаданные различных стандартов и применять инструменты преобразования форматов геоданных

Планируемые результаты обучения

• Эффективно управляет пространственными данными с использованием функционала современных географических информационных систем и систем управлениями базами данных

Содержание учебной дисциплины

• Инфраструктура пространственных данных и управление ими

Элементы контроля

• Практическая работа
  Оценка за практические работы Опрактич определяется как среднее оценок за практические работы на занятиях в течение модуля. В течение модуля студент выполняет три практических работы. Практическая работа оценивается по 5 критериям, каждый из которых оценивается максимально в 2 балла: 1) соответствие содержания работы поставленной задаче, 2) соответствие изложения требованиям оформления научных текстов, 3) логическая ясность и целостность, 4) корректность применения инструментов и методов, 5) качество представления результатов. Таким образом, суммарная оценка за практическую работу составляет 10 баллов.
• Проект
  Тематики индивидуальной работы (проекта) определяется между 1-й лекцией и 1-м семинарским занятиям. Запись на конкретную тему проекта осуществляется у преподавателя, ведущего семинары в группе, не позднее 2-го семинарского занятия. Проект может основываться на результатах практических работ, проводимых в течение курса. Проект оценивается по 5 критериям, каждый из которых оценивается максимально в 2 балла: 1. Логическая структура проекта (последовательность и связь отдельных задач). 2. Применение современных и релевантных проблеме методов исследования и работы с данными, программных инструментов и источников данных. 3. Обоснованность и достоверность полученных результатов и выводов. 4. Качество изложения, визуализации и презентации результатов. 5. Критическая оценка полученных результатов, понимание ограничений примененных методов и источников данных.
• Экзамен
  Экзамен проводится в устной форме. Устная часть экзамена представляет собой устную беседу с преподавателем на основе плана учебной дисциплины и списка примерных вопросов. Студенту будет задано 2 вопроса, каждый из которых оценивается 5 баллами (знание определений основных понятий, грамотное употребления понятий – 1 балл; полнота и логичность раскрытия вопроса – 1 балл; умение раскрыть взаимосвязи между отдельными компонентами проблемы –1 балл; понимание основных методических приемов анализа проблемы / решения задач по теме – 1 балл; ответы на дополнительные вопросы – 1 балл). Таким образом, суммарная оценка за экзамен составляет 10 баллов.

Промежуточная аттестация

• 2023/2024 учебный год 2 модуль
  0.3 * Практическая работа + 0.3 * Проект + 0.4 * Экзамен

Список литературы

Рекомендуемая основная 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
• Rigaux, P., Scholl, M. O., & Voisard, A. (2002). Spatial Databases : With Application to GIS. Morgan Kaufmann.
• Simoff, S. J., Böhlen, M. H., & Mazeika, A. (2008). Assisting Human Cognition in Visual Data Mining. Springer. https://doi.org/10.5167/uzh-56371
• Yang, Y. (2016). Temporal Data Mining Via Unsupervised Ensemble Learning. Elsevier.
• Чубукова, И. А. Data Mining : учебное пособие / И. А. Чубукова. — 2-е изд. — Москва : ИНТУИТ, 2016. — 470 с. — ISBN 978-5-94774-819-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100582 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Dittrich, K. R., & Geppert, A. (2001). Component Database Systems. Morgan Kaufmann.
• Leondes, C. T. (2002). Database and Data Communication Network Systems, Three-Volume Set : Techniques and Applications. Academic Press.