Основы работы с большими данными. основы с боль данными. Контрольная работа дисциплина основы работы с большими данными Номер варианта контрольной работы 7

• Название: Контрольная работа дисциплина основы работы с большими данными Номер варианта контрольной работы 7
• Анкор: Основы работы с большими данными
• Дата: 04.03.2022
• Размер: 121 Kb.
• Имя файла: основы с боль данными.doc
• Тип: Контрольная работа; #383006

МИНОБРНАУКИ РОССИИ

Федеральное государственное бюджетное образовательное учреждение

высшего образования

«Новосибирский государственный университет экономики и управления «НИНХ»

(ФГБОУ ВО «НГУЭУ, НГУЭУ)

Кафедра статистики

КОНТРОЛЬНАЯ РАБОТА
Дисциплина: основы работы с большими данными

Номер варианта контрольной работы: 7

Наименование направления: 38.03.01 Экономика

Ф.И.О студента:

Номер группы:

Номер зачетной книжки:

Дата регистрации контрольной работы кафедрой:

Проверил:

Новосибирск 2020
СОДЕРЖАНИЕ

Задание №1 3

Ответ на задание №1 3

Задание №2 4

Ответ на задание №2 4

Задание №3 5

Ответ на задание №3 5

Задание №4 7

Ответ на задание №4 7

Задание №5 7

Ответ на задание №5 8

Список использованных источников 10

Задание №1

На примере задач сельского хозяйства ответьте на следующие вопросы:

- какие данные, подходящие под определение big data, фиксируются/могут фиксироваться в исследуемой предметной области;

- какими инструментами можно воспользоваться для сбора и хранения данных. Какие ресурсы необходимы для этого (технические, программные);

- описать источники данных и способы добычи данных из этих источников. Ответ оформите в табличном виде.

Ответ на задание №1

Таблица 1

Наименование программного средства/ оборудования	Наименование собираемых/хранимых данных	Описание и краткая характеристика собираемых/хранимых данных, источники данных
1	2	3
интеллектуальные системы орошения	Данные о состоянии почвы	С помощью различных датчиков и дронов собираются данные о состоянии почвы, благодаря чему интеллектуальные системы орошения снижают потребление воды в сельскохозяйственных работах (экономят пресную воду), а также способствуют повышению урожайности и эффективности в сельском хозяйстве
Системы контроля за транспортом, беспилотные ситсемы	Данные о работе и маршруте сельхозтранспорта	Собираемые данные о координатах нахождения конкретного транспортного средства, его состояния. У беспилотных систем, установленных на тракторы и погрузчики, помимо снижения влияния человеческого фактора, есть еще одно весомое преимущество: они позволяют минимизировать риск кражи топлива и зерна.
Чипирование	Информация о животном	Чипирование - электронный паспорт животного, где содержатся данные о нем, но и его хозяине, а также много других полезных сведений: вакцинации, особенности животного, история болезни, фотографии и другое. Но самое важное, если животное потеряется (например когда крупнорогатый скот выпускается из загонов), то вероятность возврата его многократно увеличивается

Окончание таблицы 1

1	2	3
система управления продуктивностью посевов (точечное земледелие)	Данные о состоянии почвы	С помощью различных датчиков определяется состав почвы, необходимые удобрения. Полученные данные позволяют использовать технологию дифференцированного внесения удобрений (обеспечение изменения доз удобрений в зависимости от состава почвы, планируемой урожайности и потребностей каждой зоны поля). Для внесения нужного количества удобрений на каждом участке делают отборы проб, в лаборатории анализируют полученные результаты, составляют карты полей, определяют задачи для машин, работающих в поле. При этом задействуется спутниковая навигация и специализированные программы для удаленного управления техникой. Этот метод позволяет достичь максимальной урожайности, сократить объем вносимых удобрений.
Автоматизированные системы управления молочными фермами	Данные о нахождении и состоянии животных	В животноводстве технологии GPS/ГЛОНАСС и RFID помогают решать комплекс задач, начиная от учета поголовья скота, контроля его перемещения и всех текущих показателей, до вакцинации и оптимизации селекционной работы. Сокращаются трудозатраты, ликвидируется возможность ошибок, вызванных человеческим фактором, упрощается выявление положительной и отрицательной наследственности.

Задание №2

Приведите примеры способов обработки и визуализации данных с использованием инструментов работы с big data в сфере сельского хозяйства. Ответ оформите в табличном виде в формате.

Ответ на задание №2

Таблица 2

Наименование данных	Характеристика результата после обработки/визуализации	Наименование программного средства, с помощью которого получен результат
1	2	3
Информация о структуре посева различных культур	позволяет определить количество посеянных культур или урожай, соотношение посевных площадей	Кольцевая диаграмма (Donut Chart)

Окончание таблицы 2

1	2	3
Урожайность	Позволяет отследить динамику урожайности отдельных культур в разные периоды	Линейный график (Line Graph)
Численность поголовья скота	Помогают оценить динамику изменения численности поголовья скота, структуру поголовья. Данные могут быть представлены по конкретному сельхозпредприятию, региону, стране и т. д.	Таблицы
Различные показатели с/х отрасли	Позволяют оценить изменения показатели с/х отрасли, оценить эффективность различных государственных сельхоз программ	Базы сельхоз отрасли в разных форматах (графики, диаграммы, таблицы Microsoft Excel)

Задание №3

Сформулируйте задачи, возникающие в сфере сельского хозяйства, которые можно было бы решить с использованием машинного обучения. Опишите возможные результаты.

Ответ на задание №3

Задачи сферы сельского хозяйства, решаемые с использованием машинного обучения:

1. 
   Прогнозирование урожайности - технологии ИИ могут применяться различных областях сельскохозяйственного производства, в частности для прогнозирования урожайности сельскохозяйственных культур в зависимости от различных факторов (алгоритм принимает решение и выдает прогноз на основе анализа свойств и плодородия почв, выбирает почвы с наиболее оптимальными свойствами).
   
2. 
   Снижение потребности в ручном труде – разрабатываются системы машинного зрения для уборки культур (например, вишни, апельсинов). Всё больше развиваются и применяются специализированные роботы для сбора урожая: зерноуборочные комбайны существуют давно, но только сейчас, при помощи современных методов компьютерного зрения и робототехники, получилось разработать, например, робота, собирающего клубнику. [1]
   
3. 
   Повышение эффективности управленческих решений в сельском хозяйстве – применение технологий мониторинга и прогнозирования влажности почвы, её температуры, позволяют понимать динамику почвенных процессов, оптимизировать время посадки и увлажнение почвы, внесения удобрений для повышения урожайности.
   
4. 
   Проведение исследований в области болезней растений и животных - так разработана система для обнаружения азотного стресса и желтой ржавчины, инфицированных и здоровых растений озимой пшеницы, основанная на иерархическом самоорганизующемся классификаторе и гиперспектральных данных. Исследование было направлено на точное выявление этих категорий для более эффективного использования фунгицидов и удобрений. [2]
   
5. 
   Прогнозирование погоды - применение технологий машинного обучения (ELM) позволяют получать более точные прогнозы потенциальных рисков засухи.
   
6. 
   Оценка эффективности деятельности - в животноводстве технологии ИИ применяются при оценке продуктивности и моделей поведения животных. Разработан метод классификации поведения крупного рогатого скота на основе моделей машинного обучения с использованием данных, собранных ошейниковыми датчиками с магнитометрами и трехосными акселерометрами. Целью исследования было прогнозирование таких событий, как эструс и распознавание изменений рациона у крупного рогатого скота. [5]
   
7. 
   Распознавание заболеваний культур - растениеводы используют компьютерное зрение для распознавания заболеваний культур: как на микроуровне, по снимкам листьев и растений крупным планом, так и на макроуровне, выявляя ранние признаки заболеваний растений или распространения вредителей по данным аэрофотосъёмки. Все эти проекты обычно основаны на сверточных нейронных сетях (convolutional neural networks, CNN). [5]
   

Задание №4

Сформулировать и перечислить основные заинтересованные лица (стейкхолдеры), кто был бы заинтересован в полученных результатах. Опишите возможные результаты.

Ответ на задание №4

Таблица 3

Наименование заинтересованного лица (стейкхолдера)	Какой полезный результат могут получить
Государство, политики	Учет показателей деятельности сферы сельского хозяйства, использование результатов для оценки эффективности действующих законов, применение статистических данных при разработке мер господдержки отрасли
Сельхозпроизводители	Применение полученных результатов для повышения урожайности, оценке продуктивности применяемых моделей животноводства, рационального использования почв, повышения эффективности деятельности в целом благодаря мониторингу движения сельхозтехники, сокращению использования ручного труда, сокращение количества краж топлива и урожая
Ученые	Применение полученной информации для проведения различных исследований, при разработке удобрений, средств для борьбы с сорняками, вредителями, болезнями растений и скота
Журналисты	Могут использовать различные данные, в том числе статистические данные по отрасли для подготовки информационных материалов, анализа ситуации в отрасли
Обычные обыватели	Жители могут использовать полученные и проанализированные данные для эффективного использования личного подсобного хозяйства (например данные об урожайности сельхозкультур, болезнях, борьбе с вредителями, и т.д.) Чипирование животных помогает собирать информацию о питомце, отслеживать его местонахождение при

Задание №5

Сформулировать требования к возможным изменениям в нормативно-правовой базе.

Ответ на задание №5

Основная задача совершенствования нормативно-правовой базы в сельском хозяйстве состоит в том, чтобы стимулировать в аграрной сфере не инерционный путь развития в уже достигнутых рамках темпов роста объема валовой сельхозпродукции, производительности и урожайности, а переходить на инновационный путь, развивать технологии, всемерно способствовать привлечению инвестиций в отрасль. Рассмотрим требуемые изменения в нормативно-правовой базе (государственный, отраслевой, внутренний уровни).

1. 
   Необходимо внесение изменений и дополнений в федеральные и региональные законодательные акты, регулирующие отношения между органами государственной власти и сельскохозяйственными товаропроизводителями в сфере оказания поддержки аграрной отрасли;
   
2. 
   Корректировка нормативных документов (целевых программ развития
   

сельского хозяйства, порядков предоставления государственной поддержки, административных регламентов оказания государственных услуг) с целью усиления мотивации развития отрасли и выполнения индикативных показателей роста.

Изменение методологических подходов к процессам взаимодействия государства и сельхозпроизводителей в вопросах предоставления и расходования средств государственной поддержки; совершенствование экономических косвенных методов государственной поддержки отрасли, в частности налогообложения. [3]

3. 
   Формирование системы показателей и мониторинга качества и доступности государственных услуг в сфере взаимодействия органов государственной власти и сельхозтоваропроизводителей с целью повышения эффективности государственной поддержки.
   
4. 
   В составе мер по совершенствованию нормативной базы, регламентирующей порядок и условия взаимодействия государства с сельхозпроизводителями, необходимо внести изменения в ведомственные нормативные акты (административные регламенты оказания государственных услуг по предоставлению субсидий). В частности, дополнить их положениями о сроках административных процедур, выполняемых специалистами многофункциональных центров, указаниями ответственных должностных лиц за выполнение действий, операций на определенных этапах предоставления услуги. [3]
   

Список использованных источников

1. 
   Искусственный интеллект в сельском хозяйстве: подходы и направления использования [Электронный ресурс] URL: https://ai-news.ru/2020/03/iskusstvennyj_intellekt_v_selskom_hozyajstve_podhody_i_napravleniya.html
   
2. 
   Искусственный интеллект в АПК: роботы, компьютерное зрение и весы для свиней [Электронный ресурс] URL: https://milknews.ru/longridy/Iskusstvennyj-intellekt-v-APK.html
   
3. 
   Курдюк П. М. Административно-правовое регулирование в агропромышленном комплексе: учеб. пособие / П. М. Курдюк, А. А. Долгополов, В. А. Очаковский. – Краснодар: КубГАУ, 2019
   
4. 
   Почему большие данные играют ключевую роль в развитии современного земледелия [Электронный ресурс] URL: https://blog.onesoil.ai/ru/why-big-data-is-crucial-for-modern-agriculture
   
5. 
   Скворцов Е.А., Набоков В.И., Некрасов К.В., Скворцова Е.Г., Кротов М.И. Применение технологий искусственного интеллекта в сельском хозяйстве // АВУ. 2019. №8 (187). URL: https://cyberleninka.ru/article/n/primenenie-tehnologiy-iskusstvennogo-intellekta-v-selskom-hozyaystve (дата обращения: 16.10.2020).
   
6. 
   Совет о поливе со спутника: как «большие данные» приходят в сельское хозяйство [Электронный ресурс] URL: https://www.forbes.ru/tehnologii/342477-sovet-o-polive-so-sputnika-kak-bolshie-dannye-prihodyat-v-selskoe-hozyaystvo
   
7. 
   Умное фермерство: может ли машина заменить агронома [Электронный ресурс] URL: https://ect-center.com/blog/smart_farming