Kursa kods InfT3032

Kredītpunkti 3

ĢIS uzdevumu automatizācija

Zinātnes nozareInformācijas tehnoloģija (nav zn)

Kopējais stundu skaits kursā81

Lekciju stundu skaits16

Laboratorijas darbu stundu skaits16

Studenta patstāvīgā darba stundu skaits49

Kursa apstiprinājuma datums18.10.2022

Atbildīgā struktūrvienībaDatoru sistēmu un datu zinātnes institūts

Kursa izstrādātājs

author asoc. prof.

Laima Bērziņa

Dr. sc.ing.

Priekšzināšanas

DatZ1009, Programmēšanas pamati I

DatZ1010, Programmēšanas pamati II

DatZ2004, Datu bāzu tehnoloģijas I

DatZ2005, Datu bāzu tehnoloģijas II

Kursa anotācija

Kursa mērķis ir veidot teorētisku izpratni par ģeogrāfiskās informācijas sistēmām (ĢIS) un to pielietojumu. Studenti apgūst lietišķas zināšanas ĢIS uzdevumu risināšanai un Phyton skriptēšanas pamatus, kā arī iegūst iemaņas, izmanot Python skriptus digitālas kartes izveides un ģeotelpisko datu pārvaldības procesos. Kursa uzdevums ir sniegt zināšanas par daudzveidīgu ĢIS uzdevumu automatizēšanas risinājumiem un IT nozīmi to īstenošanā.

Kursa rezultāti un to vērtēšana

Zināšanas – zina par ĢIS tehnoloģiju nozīmi un to lietošanas galvenajiem uzdevumiem (teorijas tests). Prasmes – spēj patstāvīgi izmantot apgūtos teorētiskos pamatus, lai izvēlētos un kritiski izvērtētu sarežģītu ĢIS metožu pielietošanas automatizācijas iespējas ģeotelpisko datu analīzē (laboratorijas darbi). Kompetence – prot patstāvīgi sagatavot ĢIS pamatuzdevumu automatizācijas risinājumu, kas saistīts ar digitālo karšu sagatavošanu, datu apmaiņu, validāciju un analīzi, izmantojot Phyton skriptēšanas pamatus (patstāvīgais darbs).

Kursa saturs(kalendārs)

1. ĢIS jēdziens un uzdevumi. Telpisko datu iegūšana, uzglabāšana un organizēšana (2 h).
2. ĢIS datu modeļi un to struktūra. Vektora un rastra datu pārvaldīšana (2 h).
3. ĢIS datu analīzes metodes un modelēšana (2 h).
4. ĢIS programmatūra. ESRI platforma (2 h).
5. Python programmēšanas valodas pamati (2h).
6. Python funkciju un klašu veidošana (2 h).
7. Automatizācijas uzdevumi ģeotelpisko datu vizualizācijai karšu izveidē (2 h).
8. Modeļu veidošana un izmantošana ģeotelpisko datu apstrādē (4 h).
9. Telpisko vaicājumu automatizācija (4 h).
10. Ģeotelpisko datu analīzes uzdevumu automatizācija (4 h).
11. Automatizācijas modelis rastra datu analīzei (4 h).
12. Rīku izveide lietotāja specifisku uzdevumu automatizācijai. Teorijas tests (2 h).

Prasības kredītpunktu iegūšanai

Eksāmens.
Kumulatīvo eksāmenu veido:
-izpildīti un ieskaitīti laboratorijas darbi;
-prezentēti patstāvīgi veiktā darba rezultāti noslēguma seminārā;
-uzrakstīts teorijas tests.

Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums

Semestra laikā studentam patstāvīgi jāizpilda viens praktiskais darbs, kurā sniegts un analizēts risinājums noteikta ĢIS uzdevuma automatizācijai (2 balles). Darbu noformē rakstiskā veidā (viena darba apraksta apjoms vismaz 8 lpp) un iesniedz elektroniski e-studiju vietnē.
Ar prezentāciju uzstājas noslēguma seminārā.

Studiju rezultātu vērtēšanas kritēriji

Regulārs laboratorijas darbu apmeklējums un to (saskaņā ar kursa plānu) izpilde (maksimāli 5 balles).
Patstāvīgā darba izpildes rezultātu prezentācija noslēguma seminārā (maksimāli 2 balles).
Teorijas tests (maksimāli 3 balles).
Iegūtā ballu summa veido semestra kumulatīvo vērtējumu. Studenti, kuriem kumulatīvais vērtējums ir mazāks par 4 ballēm, kārto eksāmenu.

Obligātā literatūra

1.Crampton J. Mapping: A Critical Introduction to Cartography and GIS. John Wiley & Sons, 2011. 232 p.
2.Toms S., Parker B. Python for ArcGIS Pro: Automate cartography and data analysis using ArcPy, ArcGIS API for Python, Notebooks, and pandas. Packt Publishing, 2022. 586 p.
3.Allen D. W. GIS Automation with ModelBuilder: for ArcGIS Pro. GIS Guidebooks Publishing, 2022. 84 p.

Papildliteratūra

1.Carreira P. Geospatial Development By Example with Python. Packt Publishing, 2016. 340 p.
2.Garrard C. Geoprocessing with Python. Manning Publications, 2016. 360 p.
3.Learning Geospatial Analysis with Python: Understand GIS fundamentals and perform remote sensing data analysis using Python 3.7, 3rd Edition. ‎ Packt Publishing, 2019. 456 p.

Periodika un citi informācijas avoti

ESRI mājas lapa [tiešsaiste]. Pieejams: https://www.esri.com/training/
Introduction to Python for Geographic Data Analysis [tiešsaiste]. Pieejams: https://pythongis.org/
Automating GIS-processes 2021 [tiešsaiste]. Pieejams: https://autogis-site.readthedocs.io/en/latest/index.html

Piezīmes

ITF profesionālā augstākās izglītības bakalaura studiju programma „Informācijas tehnoloģijas ilgtspējīgai attīstībai”