Module also offered within study programmes:
General information:
Name:
Spatial data analysis
Course of study:
2015/2016
Code:
BIT-1-702-s
Faculty of:
Geology, Geophysics and Environmental Protection
Study level:
First-cycle studies
Specialty:
-
Field of study:
Applied Computer Science
Semester:
7
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
prof. dr hab. inż. Leśniak Andrzej (lesniak@uci.agh.edu.pl)
Academic teachers:
prof. dr hab. inż. Leśniak Andrzej (lesniak@uci.agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 rozumie potrzebę i zna możliwości ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych i osobistych IT1A_K01 Activity during classes
Skills
M_U001 potrafi łączyć znane algorytmy obliczeniowe i tworzyć własne w celu rozwiązywania prostych zagadnień obliczeniowych IT1A_U15 Test,
Execution of laboratory classes
M_U002 potrafi zastosować zasady rozumowania algorytmicznego do rozwiązywania problemów. IT1A_U16 Test,
Execution of laboratory classes
Knowledge
M_W001 ma wiedzę w zakresie metod matematycznych i numerycznych niezbędną do rozwiązywania zagadnień obliczeniowych IT1A_W13 Test
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 rozumie potrzebę i zna możliwości ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych i osobistych + - - - - - + - - - -
Skills
M_U001 potrafi łączyć znane algorytmy obliczeniowe i tworzyć własne w celu rozwiązywania prostych zagadnień obliczeniowych + - - - - - + - - - -
M_U002 potrafi zastosować zasady rozumowania algorytmicznego do rozwiązywania problemów. - - - - - - + - - - -
Knowledge
M_W001 ma wiedzę w zakresie metod matematycznych i numerycznych niezbędną do rozwiązywania zagadnień obliczeniowych + - - - - - - - - - -
Module content
Lectures:

1. Charakterystyka danych przestrzennych – zapis w różnych systemach odniesienia
2. Pobieranie próbek i zagadnienia błędów
3. Różne sposoby prezentacji danych przestrzennych
4. Rodzaje analiz przestrzennych
5. Metody analiz statystycznych danych przestrzennych (metody korelacyjne, regresyjne)
6. Metody analiz geostatystycznych
7. Symulacja i modelowanie danych przestrzennych
8. Zastosowania do GIS, prospekcji minerałów,

Practical classes:

W trakcie ćwiczeń komputerowych implementowane będą algorytmy analizy danych jedno-, dwu- i trójwymiarowych. Analizowane będą wszystkie metody omawiane w trakcie wykładów. Interpretowane będą pomiary geofizyczne, geologiczne i środowiskowe. Używane będą systemy Surfer, Voxler, ISATIS, MatLab, ArcGIS.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 105 h
Module ECTS credits 4 ECTS
Participation in lectures 15 h
Realization of independently performed tasks 30 h
Participation in practical classes 30 h
Preparation for classes 30 h
Additional information
Method of calculating the final grade:

Ocena końcowa = 100% oceny z ćwiczeń

Prerequisites and additional requirements:

Wiedza matematyczna i informatyczna zakresu analizy matematycznej i algebry liniowej z zakresu I roku studiów Informatyki Stosowanej, podstawowa znajomość systemów GIS

Recommended literature and teaching resources:

1. Houlding S. W., Practical geostatistics : modeling and spatial analysis, Springer, 2000.
2. Haining, R. P. Spatial data analysis : theory and practice, Cambridge University Press, 2004.
3. Schabenberger, O., Gotway , C., A., Statistical methods for spatial data analysis. Chapman & Hall/CRC / Taylor & Francis Group, 2005.
4. Applied GIS and spatial analysis, John Stillwell, J., Graham Clarke, G., John Wiley & Sons, 2004.

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

Wymagane jest by student samodzielne opracował praktyczne realizacje poznanych algorytmów numerycznych w wybranym języku programowania (co najmniej 6 prostych algorytmów)

udział „praktycznych” punktów ECTS: 2
udział „teoretycznych” punktów ECTS: 2

Podstawowym terminem uzyskania zaliczenia jest koniec zajęć w danym semestrze. Student może przystąpić do poprawkowego zaliczenia dwukrotnie, w terminie wyznaczonym przez prowadzącego zajęcia.
Student który bez usprawiedliwienia opuścił więcej niż 20% zajęć może zostać pozbawiony przez prowadzącego możliwości poprawkowego zaliczania.