Методи обробки геопросторових даних

Анотація навчальної дисципліни
Мета дисципліни:
освоєння теоретичних засад геоінформаційних даних та в оволодінні навичками програмування для ефективного вирішення завдань обробки геопросторової інформації в контексті моделювання природних, природно-господарських та соціально-економічних систем.
Завдання дисципліни:
- освоєння методів обробки геопросторової інформації та розвиток практичних навичок у написанні скриптів в консолі Python для ефективної обробки растрових та векторних шарів, а також для вирішення завдань з обробки картографічних проекцій.
- вдосконалення здібностей в аналізі та інтерпретації геопросторової інформації для прийняття обґрунтованих рішень у різних сферах, зокрема в екологічному моніторингу та управлінні ресурсами.

Тематика та види навчальних занять
Для денної форми здобуття освіти
Лекційні заняття Лекція 1. Поняття геопросторових даних. Лекція 2. Основи геостатистики. Лекція 3. Обробка точкових вимірів. Лекція 4. Цифрова обробка зображень.
Лекція 5. Класифікація геопросторових даних. Лекція 6. Геопросторовий аналіз. Лекція 7. Візуалізація геопросторових даних. Лекція 8. Аналіз рельєфу та поверхні. Лекція 9. Геопросторові бази даних. Лекція 10. Геопросторова інтерпретація. Лекція 11. Геопросторовий моделювання. Лекція 12. Геопросторовий аналіз в рішеннях управління. Лекція 13. Геопросторовий моніторинг. Лекція 14. Екологічний аналіз. Лекція 15. Перспективи розвитку геопросторових даних. (порожній рядок)* Лабораторні заняття
Лабараторне заняття №1. Основні інструменти Python для аналізу даних.
Мета заняття: Ознайомитись з середовищами розробки Python для аналізу даних.
Лабараторне заняття №2. Перетворення даних.
Мета заняття: Отримати навички перетворення данних в середовищі розробки Python.
Лабараторне заняття №3. Аналіз даних за допомогою Python. Частина 1.
Мета заняття: Ознайомитися з організацією сховища даних.
Лабараторне заняття №4. Аналіз даних за допомогою Python. Частина 2.
Мета заняття: Отримати навички аналізу даних використовуючи мову програмування Python.
Лабараторне заняття №5. Лінійна регресія.
Мета заняття: Набути навичок роботи в середовищі розробки Python та провести регресійний аналіз даних.
Лабараторне заняття №6. Багатофакторна регресія. Мета заняття: Отримати навички щоодо правил і етапів побудови регресійних моделей. Лабараторне заняття №7. Дерева рішень. Мета заняття: Отримати навички щодо типології побудови «дерева» рішень та процесу прийняття рішення в умовах невизначеності.
Для заочної форми здобуття освіти
Лекційні заняття
Лекція 1. Поняття геопросторових даних. Основи геостатистики. Лекція 2. Геопросторові бази даних. Екологічний аналіз.
Лабораторні заняття
Лабараторне заняття №1. Основні інструменти Python для аналізу даних. Аналіз даних за допомогою Python.
Мета заняття: Ознайомитись з середовищами розробки Python. Отримати навички аналізу даних використовуючи мову програмування Python.
Лабараторне заняття №2. Дерева рішень.
Мета заняття: Отримати навички щодо типології побудови «дерева» рішень та процесу прийняття рішення в умовах невизначеності.
Консультації здійснюються впродовж семестру згідно встановленого розкладу.
 Індивідуальна робота
Для денної форми здобуття освіти
Контрольна робота для здобувачів заочної форми
Для здобувачів заочної форми навчання передбачене самостійне виконання планової контрольної роботи, яка виконується протягом семестру. Завдання на виконання контрольної роботи здобувач отримає на установчій лекції.
Контрольна робота містить 2 теоретичних питання за тематикою лекційних занять та одне практичне завдання. Обсяг відповіді на кожне питання та завдання не менше двох сторінок рукописного тексту.
Термін надання виконаної контрольної роботи на перевірку – не пізніше, за 1 тиждень до початку заліково-екзаменаційної сесії.
Для заочної форми здобуття освіти
Не передбачається
 Форми контрольних заходів та оцінювання результатів навчання
Для денної форми здобуття освіти
Поточний контроль полягає у виконанні семи практичних робіт та двох модульних контрольних робіт, а також поточного контрольного опитування.
Модульні контрольні роботи складаються з теоретичної і практичної частин та проводяться у формі комп'ютерного тестування. Бездоганне виконання модульної контрольної роботи №1 становить 25 балів, бездоганне виконання модульної контрольної роботи №2 становить 20 балів, разом – 45 балів.
Бездоганне виконання лабораторних робіт № 1–7 оцінюється у 5 балів кожна, разом – 35 балів.
Виконання поточного контрольного опитування оцінюється по 10 балів в кожному семестровому модулі, разом – 20 балів.
Підсумковий контроль – залік. Максимальна оцінка, яку може отримати здобувач вищої освіти – 100 балів.
Для заочної форми здобуття освіти
Бездоганне виконання контрольної роботи оцінюється у 60 балів (теоретичне питання – 20 балів кожне; практичне завдання – 20 балів). Захист контрольної роботи – до 40 балів. Разом – 100 балів.
Підсумковий контроль – залік. Максимальна оцінка, яку може отримати здобувач вищої освіти – 100 балів.
Політика освітнього процесу та умови допуску до підсумкового контролю
Здобувач зобов’язаний своєчасно та якісно виконувати всі отримані завдання; за необхідністю з метою з’ясування всіх не зрозумілих під час самостійної та індивідуальної роботи питань, відвідувати консультації викладача. Дотримуватись принципів академічної доброчесності. (порожній рядок)*
Виконаний здобувачем не свій варіант завдання не оцінюється. Робота, яка виконана після встановлених викладачем термінів, не приймається. Відсутність здобувача на контрольній роботі відповідає оцінці «0».
Під час лекції здійснювати телефонні дзвінки забороняється.
Заборонено використання будь-яких підручників, посібників, конспектів лекцій, шпаргалок під час проходження модульних контролів.
До заліку допускаються здобувачі вищої освіти, які виконали всі види навчальних елементів навчальної дисципліни на не менш, ніж на 60 %.
Залік відбувається за всіма тематичними (змістовними) модулями дисципліни.
Складання/перескладання заліку організується за встановленим деканатом розкладом.