Бакалавриат
2022/2023
Краудсорсинг пространственной информации
Лучший по критерию «Полезность курса для Вашей будущей карьеры»
Лучший по критерию «Новизна полученных знаний»
Статус:
Курс по выбору (География глобальных изменений и геоинформационные технологии)
Направление:
05.03.02. География
Где читается:
Факультет географии и геоинформационных технологий
Когда читается:
2-й курс, 1, 2 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Курамагомедов Башир Магомедович,
Медведев Андрей Александрович,
Осокин Степан Артемович
Язык:
русский
Кредиты:
3
Контактные часы:
46
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
Элементы контроля
- Практические работы
- Работа на занятиях
- Работа на занятиях
- Практические работы
- Итоговый проект
Промежуточная аттестация
- 2022/2023 учебный год 2 модуль0.2 * 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.