Analys av miljödata 2
Analys av miljödata 2 bygger vidare på analys av miljödata 1 och syftar till att rusta dig med verktyg som krävs för att hantera olika typer av data som genereras från olika delar av samhället. Nationella laserskanningar, satelliter och skogsmaskiner är några exempel på moderna datakällor som används både inom forskning och näringslivet. I kursen lär du dig att kombinera olika datakällor med fältinventeringar för att implementera ledande maskininlärningsmetoder.
Kursen är uppbyggd i olika moduler där varje modul innehåller en föreläsning, ett inledande exempel och en individuell uppgift där du självständigt tillämpar metoden på nytt data. Genom praktiska övningar får du bästa möjliga förutsättningar för ett ökat lärande.
Kursvärdering
Kursvärderingen är avslutad
SV0020-30257 - Sammanställning av kursvärdering
Efter att kursvärderingen stängt har kursansvarig och studentrepresentanten upp till en månad på sig att skriva kommentarer. De publiceras automatiskt i sammanställningen.
Kursplan och övrig information
Kursplan
SV0020 Analys av miljödata 2, 7,5 Hp
Analysis of Environmental Data 2Ämnen
Skogsbruksvetenskap BiologiUtbildningens nivå
Avancerad nivåModuler
| Benämning | Hp | Kod |
|---|---|---|
| Enda modul | 7,5 | 0001 |
Fördjupning
Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskravAvancerad nivå (A1N)
Betygsskala
Kraven för kursens olika betygsgrader framgår av betygskriterier, som ska finnas tillgängliga senast vid kursstart.
Språk
EngelskaFörkunskapskrav
Kunskaper motsvarande 120 hp inkluderande något av följande- 60 hp Skogsbruksvetenskap
- 60 hp Biologi
- 60 hp Miljövetenskap
- 60 hp Naturresursförvaltning
- 60 hp Skogshushållning
- 60 hp Markvetenskap
samt 7.5 hp i dataanalysmetoder och engelska 6.
Mål
Syftet med kursen är att lära studenterna att hantera stora datamängder för att skaffa underlag för slutsatser och beslutsfattande om ekologi- och skogsbruksrelaterade frågor och problem. De lär sig att kombinera olika spatiala datakällor med typiska fältdata från skogsbruk och ekologi för att implementera några vanliga maskininlärningsalgoritmer. Kursen har ett fokus på praktiska övningar med stöd av litteraturinläsning och föreläsningar.
Efter avslutad kurs ska studenten kunna
- inhämta och förbereda skogliga data från myndigheter som skogsstyrelsen och naturvårdsverket för analys
- självständigt utföra spatiala modelleringar av skogsmark utifrån laserdata
- identifiera och kategoriserar skillnader och likheter mellan statistik och maskininlärning för ekologiska data
- jämföra några traditionella maskininlärningsmodeller utifrån träffsäkerhet och beräkningshastighet
- kombinera maskininlärning med geografiska data för att framställa kartor över biologiska förutsättningar för ett hållbart skogsbruk.
Innehåll
Ämnesmässigt innehåll
Kursen behandlar miljödata över olika ekosystem, med fokus på skogsmark, ur olika aspekter. Några exempel på data som analyseras i kursen är: laserdata från LiDAR-skanningar, hydrologiska data som vattendrag och ytligt grundvatten, skördardata med skogsskador och fältdata från skogliga inventeringar.
Kursen fokuserar på att tillämpa statistiska modeller och maskininlärningsmetoder på spatiala data. Kursen är indelad i flera avsnitt: 1) bearbetning av spatiala data med öppna programvaror. 2) Programmering för att analysera spatiala data; 3) Kombinera data från fältstudier med spatiala data och statistiska metoder och maskininlärning; 4) Implementera maskininlärningsmodeller på spatiala data.
Genomförande
Kursen utnyttjar olika undervisningsformer för att främja studenternas lärande och diskussioner genom interaktiva föreläsningar och övningar.
Varje avsnitt börjar med online introduktioner och övningar som studenterna gör i sin egen takt, litteratur för inläsning och inspelade föreläsningar. Varje avsnitt avslutas med en inlämningsuppgift där studenterna ska lösa ett problem med ett nytt dataset. Studenterna kommer att ha möjlighet för konsultationer med läraren.
I kursen fokuseras på följande generella kompetenser; informationskompetens, problemlösning, vetenskapliga metoder, digital kompetens, teknikanvändning.
Samverkan med det omgivande samhället sker genom kursuppgifter baseras på verklig och komplex data som studenter kan möta i sina framtida jobb, exempelvis data från Skogsstyrelsen eller Sveriges Geologiska Undersökning.
Betygsformer
Kraven för kursens olika betygsgrader framgår av betygskriterier, som ska finnas tillgängliga senast vid kursstart.Examinationsformer och fordringar för godkänd kurs
Godkända inlämningsuppgifter.
- Examinatorn har, om det finns skäl och är möjligt, rätt att ge en kompletteringsuppgift till den student som inte blivit godkänd på en examination.
- Om studenten har ett beslut från SLU om riktat pedagogiskt stöd på grund av funktionsnedsättning, kan examinatorn ge ett anpassat prov eller låta studenten genomföra provet på ett alternativt sätt.
- Om denna kursplan läggs ned, ska SLU besluta om övergångsbestämmelser för examination av studenter, som antagits enligt denna kursplan och ännu inte blivit godkända.
- För examination av självständigt arbete (examensarbete) gäller dessutom att examinatorn kan tillåta studenten att göra kompletteringar efter inlämningsdatum. Mer information finns i utbildningshandboken.
Övriga upplysningar
- Rätten att delta i undervisning och/eller handledning gäller endast det kurstillfälle, som studenten blivit antagen till och registrerad på.
- Om det finns särskilda skäl, har studenten rätt att delta i moment som kräver obligatorisk närvaro vid ett senare kurstillfälle. Mer information finns i utbildningshandboken.
Ytterligare information
ProgressionDen här kursen förbereder studenterna för deras masterexamensarbeten och ge dem kunskaper för att designa sin studie, samla och analysera sitt data. De får också generella kompetenser i flera områden listade för mastersprogrammet på skogsfakulteten.
Ansvarig institution/motsvarande
Institutionen för skogens ekologi och skötsel