Отраслевой модуль: Искусственный интеллект в рациональном природопользовании

Проект ТОП-ИИ

Искусственный интеллект в рациональном
природопользовании

Формат обучения

Объем модуля

Период проведения

Добывающая промышленность и природопользование (техносферная безопасность, промышленное природопользование)

Онлайн (очный с применением дистанционных технологий)

152 ак. часа

Рекомендуется студентам со 2 курса

ТОП-ИИ

Отраслевой модуль

Модуль разработан для внедрения
в образовательные программы вузов

Модуль ориентирован на подготовку специалистов, способных применять технологии искусственного интеллекта для решения задач в области рационального природопользования, мониторинга окружающей среды, прогнозирования природных процессов и обеспечения экологической безопасности. В рамках обучения рассматриваются современные методы машинного обучения, анализа данных и интеллектуальной обработки информации, а также их применение для анализа экологических данных, прогнозирования изменений состояния окружающей среды и поддержки принятия управленческих решений.

Особое внимание уделяется решению прикладных экологических задач. Обучающиеся работают с временными рядами, спутниковыми снимками и данными сенсоров, применяют методы классификации, регрессии и кластеризации для выявления загрязнений, прогнозирования экологических показателей и анализа состояния природных территорий. В ходе обучения студенты также осваивают принципы проектирования интеллектуальных систем поддержки принятия решений и изучают этические и правовые аспекты использования искусственного интеллекта в сфере экологии и природопользования.

Модуль разработан в рамках проекта ТОП-ИИ Минцифры России при участии АНО «Аналитический центр при Правительстве
Российской Федерации" и предлагается вузам для внедрения в образовательные программы высшего образования.

Включение модуля в образовательный процесс позволяет усилить прикладную и отраслевую направленность подготовки, обеспечить
связь ИТ-компетенций обучающихся с актуальными запросами индустрии и сформировать у студентов базовые навыки работы с
данными, цифровыми инструментами и прикладными ИИ-решениями, востребованными в области рационального природопользования.

Для кого подготовлен

о модуле

05.03.06 «Экология и природопользование»,
09.03.04 «Программная инженерия» (профиль «Разработка программного обеспечения для экологических задач»)

Специальности и направления подготовки высшего образования, при реализации которых применяется модуль:

Модуль предполагается к прохождению студентами 2-ого курса бакалавриата и старше. Реализуется как компонент основной профессиональной образовательной программы (ОПОП).

Формат обучения

1 семестр, 5 зачетных единиц

Продолжительность

180 академических часов: лекции, практические и лабораторные занятия, самостоятельная работа, проектная деятельность и итоговая аттестация.

Трудоемкость

Сетевой договор о реализации дисциплины. Модуль рекомендуется включать в учебный план как обязательную или вариативную дисциплину образовательной программы.

Условия реализации

Онлайн с применением дистанционных образовательных технологий, включая видеолекции, практические и лабораторные занятия, работу над проектами и решение кейсов.

Формат обучения

Русский

Язык обучения

Программа обучения

Отраслевой модуль знакомит с применением искусственного интеллекта в экологии и природопользовании. Студенты изучают методы машинного обучения, анализа экологических данных и компьютерного зрения, а также решают практические отраслевые кейсы.

Технологический стек модуля

TensorFlow и PyTorch

Современные фреймворки глубокого обучения для создания нейронных сетей, анализа спутниковых снимков и решения задач компьютерного зрения.

Pandas и NumPy

Библиотеки для обработки, анализа, подготовки и визуализации экологических данных, включая временные ряды и данные мониторинга окружающей среды.

ГИС и данные дистанционного зондирования Земли

Инструменты работы с геопространственными данными, спутниковыми снимками и экологическим мониторингом для решения прикладных задач природопользования

Jupyter Notebook / JupyterLab

Интерактивная среда разработки для программирования, визуализации результатов и выполнения лабораторных работ по анализу данных.

Matplotlib

Библиотека для визуализации данных и построения графиков, используемая при анализе экологических процессов и результатов моделирования.

Scikit-learn

Библиотека классического машинного обучения для решения задач классификации, регрессии, кластеризации и оценки качества моделей.

Python

Основной язык программирования модуля для анализа экологических данных, разработки моделей машинного обучения и создания интеллектуальных систем.

Разработчики, преподаватели, эксперты

Ирина Николаевна Шабас

Кандидат физико-математических наук, доцент кафедры информатики и вычислительного эксперимента Института математики, механики и компьютерных наук имени И. И. Воровича Южного федерального университета.

Галина Викторовна Муратова

Доктор физико-математических наук, профессор кафедры информатики и вычислительного эксперимента Института математики, механики и компьютерных наук имени И. И. Воровича Южного федерального университета.

Модуль разработан учеными-исследователями в области математического моделирования и анализа данных

Результаты обучения

Анализировать возможности применения ИИ в экологии и природопользовании

Слушатель сможет соотносить конкретные экологические задачи (мониторинг загрязнений, прогнозирование уровня воды, детекция разливов нефти, оценка состояния растительности, оптимизация маршрутов сбора отходов) с подходящими ИИ‑подходами и инструментами (классификация, регрессия, кластеризация, детекция объектов, анализ временных рядов), а также определять, в каких кейсах использование ИИ дает наибольший практический эффект для научных и прикладных проектов в сфере рационального природопользования и техносферной безопасности.

Работать с экологическими данными и геопространственной информацией для задач ИИ

Слушатель сможет подбирать и формировать датасеты из открытых источников (спутниковые снимки, данные с датчиков, временные ряды, геоданные), выполнять полный цикл предобработки данных (очистка от пропусков, нормализация, кодирование категориальных признаков, аггрегация), применять методы работы с пространственными данными в ГИС и подготавливать экологические данные к использованию в моделях машинного обучения и нейросетевых архитектурах.

Применять модели ИИ к решению экологических и природоохранных задач

Слушатель сможет использовать современные алгоритмы машинного обучения и глубокого обучения для решения задач прогнозирования уровня загрязнений, классификации спутниковых снимков (детекция нефтяных пятен, оценка NDVI), кластеризации территорий по экологическим рискам, анализа временных рядов и обнаружения объектов на изображениях, интерпретируя полученные результаты с точки зрения экологии и природопользования.

Оценивать качество и ограничения ИИ‑подходов в экологических задачах

Слушатель сможет подбирать метрики для оценки качества решений (точность, полнота, F‑мера, RMSE, MAE, матрица ошибок), анализировать типичные ошибки моделей на экологических данных, выявлять влияние качества данных, погодных условий и пространственно-временных факторов на результат и формулировать ограничения применимости конкретных моделей для принятия управленческих решений в области экологической безопасности.

Учитывать междисциплинарные, этические и практические аспекты применения ИИ в природопользовании

Слушатель сможет учитывать взаимодействие ИИ с экологией, математикой, ГИС и экономикой природопользования, выявлять этические и социальные риски (ответственность за неверный прогноз, приватность данных, зависимость от технологий), анализировать правовые ограничения и формулировать рекомендации по ответственному и научно обоснованному применению ИИ в проектах по охране окружающей среды, мониторингу и рациональному использованию природных ресурсов.