Aplikacyjne zastosowania programowania w teledetekcji 1900-3-AZPT-GKT-W
Aplikacyjne zastosowania programowania w teledetekcji jest to cykl 45 godzin zajęć, podzielonych na 30 godzin ćwiczeń oraz 15 godzin projektu zaliczeniowego realizowanego. Zajęcia mają za zadanie nauczyć uczestników zajęć wykorzystania nabytej wcześniej umiejętności programowania do przetwarzania danych przestrzennych.
Wykłady mają na celu przybliżyć podstawy teoretyczne związane z wymogami opracowywania rozwiązań programistycznych oraz zastosowanymi algorytmami i technikami.
Ćwiczenia są prowadzone w środowisku języka Python, który w sposób jasny pozwala na zapoznanie się z regułami tworzenia programów. Dzięki prostocie i dużych możliwościach języka Python jest on coraz chętniej stosowanych przez środowiska akademickie i profesjonalne.
W ramach przedmiotu będą realizowane następujące tematy:
- Wstęp do Python.
- Pobieranie danych obrazowych przez API.
- Przetwarzanie pobranych danych rastrowych.
- Wiązanie ze sobą zbiorów rastrowych i wektorowych.
- Analizy środowiskowe, testy statystyczne, analiza rozkładu, zmienność w czasie, wskaźniki teledetekcyjne.
- Klasyfikacja zobrazowania.
- Modelowanie z wykorzystaniem danych obrazowych i pomiarów naziemnych..
Znajomość technik programowania umożliwia tworzenie własnych implementacji nowo publikowanych algorytmów, między innymi z zakresu przetwarzania obrazów, co może znacząco ułatwiać proces obróbki, klasyfikacji, czy interpretacji danych teledetekcyjnych.
Celem przedmiotu jest rozwinięcie dotychczasowych umiejętności studentów oraz zapoznanie ich w praktyce z tematyką zautomatyzowanego przetwarzania danych. Zajęcia kładą nacisk opracowywaniu nowych oraz wykorzystaniu już istniejących algorytmów w przetwarzaniu danych.
WYMIAR ZAJĘĆ
Liczba godzin, które student powinien przeznaczyć na osiągnięcie zdefiniowanych dla przedmiotu efektów uczenia się:
wykład: godziny zorganizowane 15 godzin, praca samodzielna studenta co najmniej 15 godzin,
ćwiczenia: godziny zorganizowane 15 godzin, godziny indywidualnych konsultacji (wg potrzeb studenta, do 10 godzin) praca samodzielna studenta (wykonanie ćwiczeń) 10 godzin.
projekt zaliczeniowy: 15 godzin.
Razem - około 80 godzin pracy.
METODY NAUCZANIA
Metody podające: wykład, prezentacja.
Metody praktyczne: ćwiczenia przedmiotowe, warsztaty komputerowe, dyskusja, prezentacja.
Koordynatorzy przedmiotu
Rodzaj przedmiotu
Tryb prowadzenia
Założenia (opisowo)
Efekty kształcenia
WIEDZA:
- Zna podstawowe zagadnienia z zakresu teorii informacji geograficznej,
- Rozumie podstawy działania infrastruktury informacji przestrzennej oraz zastosowania narzędzi geoinformatycznych,
UMIEJĘTNOŚCI:
- Potrafi wykorzystać wiedzę teoretyczną do opisu i rozwiązania problemu badawczego,
- Posługuje się szczegółową terminologią geograficzną w języku polskim oraz w języku obcym na poziomie B2+,
KOMPETENCJE SPOŁECZNE:
- Umie działać w sposób przedsiębiorczy w przygotowywaniu i realizacji projektów gospodarczych.
Studenci po zakończeniu przedmiotu:
- znają kluczowe zasady tworzenia programów i algorytmów
- potrafią napisać własne skrypty w języku Python
- potrafią przygotować własne implementacji algorytmów z zakresu telegeoinformatyki
- potrafią zaproponować rozwiązania programistyczne pomocne w realizacji projektów / pracy magisterskiej
- wiedzą w jaki sposób rozwijać oraz weryfikować poprawność pracy tworzonych przez siebie programów
- potrafią wykorzystywać uzyskaną wiedzę do rozwiązywania napotkanych problemów
Kryteria oceniania
Ocena końcowa wynika z projektu zaliczeniowego oraz prezentacji uzyskanych wyników.
Dopuszczalne są dwie nieusprawiedliwione nieobecności na zajęciach.
Literatura
Dowolne podręczniki z zakresu programowania w Pythonie np:
Python dla każdego. Podstawy programowania - Michael Dawson
Python : wprowadzenie - Mark Lutz, David Ascher
Poznaj Python w 24 godziny - Ivan Van Laningham
Dokumentacja wybranych pakietów oprogramowania:
https://scikit-learn.org/stable/index.html
https://geopandas.org/en/stable/getting_started/introduction.html
https://rasterio.readthedocs.io/en/latest/index.html