Применение искусственного интеллекта для исследования и моделирования компонентов окружающей среды

Цель обучения – развитие новых профессиональных компетенций, необходимых для применения методов искусственного интеллекта в исследованиях окружающей среды.

Для кого?

- для преподавателей вузов и научных институтов в сфере наук о Земле и окружающей среды;

- для специалистов и ученых в сфере картографии, экологии и климата;

- для всех желающих получить новые востребованные профессиональные компетенции в сфере машинного обучения и цифровой картографии.

В результате освоения курса обучающийся:

- узнает основы работы в среде программирования R;

- овладеет навыками применения методов машинного обучения и их интерпретации;

- научится методам цифрового пространственного моделирования объектов и явлений окружающей среды.

Практическая часть курса представляет собой работу в среде программирования R для интегрирования пространственных и атрибутивных данных в целях цифрового картографирования объектов и явлений методами машинного обучения.

Навыки, полученные при изучении программы, позволят масштабировать собственные исследования с применением методов искусственного интеллекта.

Программа курса

Раздел 1. Основы цифрового картографирования

Лекция 1. Картография и геоинформационные системы. Основные понятия в картографии. История развития ГИС. Основные понятия ГИС, их типы и виды. Область применения. Векторные и растровые пространственные данные.

Практическая работа 1. Скачивание, установка и ознакомление с геоинформационной системой QGIS, основными блоками интерфейса. Установка базовых необходимых модулей.

Лекция 2. Данные дистанционного зондирования и цифровые модели рельефа. Краткая история развития и теоретические основы. Классификация. Пространственное разрешение. Спектральные каналы. Дешифрирование спутниковых снимков. Источники данных. Области применения.

Практическая работа 2. Получение данных дистанционного зондирования Земли через web-ресурс EarthExplorer. Получение цифровой модели рельефа. Импорт и обработка пространственных данных в QGIS. Визуализация, получение производных продуктов.

Раздел 2. Применение искусственного интеллекта в пространственном моделировании и цифровом картографировании.

Лекция 3. Искусственный интеллект (ИИ) и машинное обучение. История развития. Классификация. Область применения. Языки программирования. Язык программирования R.

Практическая работа 3. Скачивание, установка и ознакомление с языком программирования R. Установка библиотек. Основные функции.

Лекция 4. Пространственное моделирование объектов и явлений с применением методов ИИ и машинного обучения. Обзор библиотек для работы и моделирования пространственных данных в R. Подготовка данных для реализации алгоритмов машинного обучения. Выбор пространственных переменных.

Практическая работа 4. Подготовка данных для запуска алгоритма машинного обучения и цифрового картографирования. Импорт, обработка и унификация атрибутивных и пространственных данных в R.

Лекция 5. Обзор метода “случайный лес”. Мультиколлинеарность данных. Валидация прогнозных моделей. Оценка ведущих предикторов. Оценка неопределённостей прогнозов.

Практическая работа 5. Моделирование объектов и явлений с использованием алгоритмов машинного обучения. Валидация и оценка точности прогнозных моделей. Выявление ведущих предикторов и интерпретация модели. Создание цифровой карты на основе предсказаний алгоритма. Оценка неопределённостей прогнозов.

Объем программы: 72 часа

Форма обучения – заочная с применением дистанционных образовательных технологий

Старт обучения: по мере комплектования групп

Стоимость обучения: 30 000 руб.

Стоимость обучения для студентов УГНТУ: 10 000 руб.

Стоимость обучения для студентов других вузов: 15 000 руб.