Ogólne Cele Efekty Treści Literatura Informacje
dodatkowe ECTS Weryfikacja
efektów uczenia się
Ogólne
Cele
Efekty
Treści
Literatura
Informacje
dodatkowe
ECTS
Weryfikacja
efektów uczenia się

Nazwa przedmiotu Machine Learning, Application of Mathematics
Kod DRSGIS.II2P.63849144b7161.23
Cykl dydaktyczny 2023/2024
Forma studiów Full-time studies
Poziom kształcenia Second-cycle studies
Jednostka organizacyjna Faculty of Geo-Data Science, Geodesy, and Environmental Engineering
Kierunek Remote Sensing and Geo Informatics

Informacje ogólne - Opis sekcji

Proszę uzupełnić:
- listę osób prowadzących zajęcia;
- wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów;
- czy przedmiot jest powiązany z badaniami naukowymi.

Przedmiot
 Machine Learning, Application of Mathematics
Kod
DRSGIS.II2P.63849144b7161.23
Blok
Foundation Modules
Cykl dydaktyczny
2023/2024
Jednostka
Faculty of Geo-Data Science, Geodesy, and Environmental Engineering
Profil studiów
General academic
Liczba punktów ECTS
6
Kierunek
Remote Sensing and Geo Informatics
Języki wykładowe
english
Obligatoryjność
Obligatory
Specjalność
-
Poziom kształcenia
Second-cycle studies
Forma studiów
Full-time studies
Koordynator przedmiotu
Urszula Marmol

Parametry

  • Okresy
    Aktywność studenta [godz.]
    Forma zaliczenia
    ECTS
  • Semester 2
    • Lectures: 15
    • Workshop: 60
    Completing the classes
    6

Wymagania wstępne i dodatkowe

en

Basic knowledge of mathematical statistics. Python for remote sensing.

Przedmiot kształtujący umiejętności praktyczne

Tak

Przedmiot powiązany z badaniami naukowymi

Lista badań

2020-2022 Integracja danych teledetekcyjnych na potrzeby kontroli w systemie dopłat bezpośrednich do rolnictwa (IACS), Inicjatywa Doskonałości – Uczelnia Badawcza – AGH,

Lista publikacji

Drzewiecki W.: Thorough statistical comparison of machine learning regression models and their ensembles for sub-pixel imperviousness and imperviousness change mapping, Geodesy and Cartography, 2017 vol. 66 no. 2, s. 171–209
Drzewiecki W. Improving sub-pixel imperviousness change prediction by ensembling heterogeneous non-linear regression models , Geodesy and Cartography, 2016 vol. 65 no. 2, s. 193–218
Drzewiecki W.: Comparison of selected machine learning algorithms for sub-pixel imperviousness change assessment. 2016 Baltic Geodetic Congress (Geomatics) : Gdansk, Poland 2–4 June 2016 : proceedings. S. 67–72.
Wojciech Drzewiecki, Anna Wawrzaszek, Michał Krupiński, Sebastian Aleksandrowicz, Katarzyna Bernat: Applicability of multifractal features as global characteristics of WorldView-2 panchromatic satellite images. European Journal of Remote Sensing, 2016 vol. 49, s. 809–834
Bernat K., Drzewiecki W.: Two-stage subpixel impervious surface coverage estimation: comparing classification and regression trees and artificial neural networks. Proc. SPIE 9244, Image and Signal Processing for Remote Sensing XX, 92441I (October 23, 2014); doi:10.1117/12.2067308
Drzewiecki W., Wawrzaszek A., Krupiński M., Aleksandrowicz S., Bernat K.: Comparison of selected textural features as global content-based descriptors of VHR satellite image - the EROS-A study. 2013 Federated Conference on Computer Science and Information Systems, 43-49
Borowiec N., Marmol U., 2022. Using LiDAR system as a data source for agricultural land boundaries Remote Sensing, vol. 14 iss. 4 pp. 1–17.
Marmol U., 2017. Wavelet analysis of airborne laser scanning data in the process of automatic extraction of selected objects. Rozprawy Monografie. Wydawnictwa AGH.
Dalej