Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ITPV_PR_3.docx
Скачиваний:
1
Добавлен:
13.05.2025
Размер:
735.97 Кб
Скачать

Контрольные вопросы

1. Какие цифровые технологии отнесены к сквозным? Сквозные цифровые технологии включают: искусственный интеллект (AI), квантовые вычисления, робототехнику, большие данные (Big Data), интернет вещей (IoT), новые производственные технологии (включая 3D-печать), технологии распределённого реестра (например, блокчейн), сенсорные технологии, нейротехнологии.

2. Что представляет собой система поддержки принятия решений (СППР)? СППР — это информационная система, предназначенная для помощи в принятии управленческих решений в условиях неопределённости, анализируя большие объёмы данных и предлагая возможные варианты решений.

3. Какова структура СППР? Структура СППР включает:

  • Базу данных (с фактическими данными),

  • Модельную базу (набор математических моделей),

  • Систему управления данными,

  • Пользовательский интерфейс (для взаимодействия с системой).

4. Понятие и структура ETL. ETL (Extract, Transform, Load) — процесс извлечения данных из источников, их преобразования к нужному формату и загрузки в хранилище данных. Структура:

  • Extract (извлечение): получение данных,

  • Transform (преобразование): очистка, валидация, форматирование данных,

  • Load (загрузка): сохранение данных в систему хранения.

5. Какие технологии входят в технологии Big Data? Технологии Big Data включают:

  • Hadoop,

  • Spark,

  • NoSQL базы данных (например, MongoDB, Cassandra),

  • Инструменты потоковой обработки данных (Kafka, Flink),

  • Машинное обучение для анализа больших данных.

6. Big Data: предиктивная аналитика. Примеры. Предиктивная аналитика предсказывает будущие события на основе данных. Примеры:

  • Прогнозирование урожайности в сельском хозяйстве,

  • Оценка кредитоспособности в банках,

  • Прогнозирование спроса на товары в ритейле.

7. Big Data: имитационное моделирование. Примеры. Имитационное моделирование воспроизводит реальные процессы для их изучения. Примеры:

  • Моделирование транспортных потоков в городе,

  • Симуляция роста урожая в зависимости от погодных условий,

  • Моделирование работы фабрики для оптимизации производства.

8. Big Data: визуализация данных, статистический анализ. Примеры.

  • Визуализация данных: построение графиков, тепловых карт, дашбордов (например, в Power BI или Tableau),

  • Статистический анализ: выявление закономерностей в поведении клиентов банка, анализ посещаемости интернет-магазинов.

9. Какие технологии включает Data Mining? Data Mining включает:

  • Классификацию,

  • Кластеризацию,

  • Ассоциативный анализ (поиск закономерностей),

  • Анализ отклонений (анализ аномалий),

  • Регрессионный анализ.

10. Примеры методов классификации и кластеризации:

  • Классификация: метод опорных векторов (SVM), деревья решений, логистическая регрессия,

  • Кластеризация: алгоритм k-средних (k-means), иерархическая кластеризация, DBSCAN.

11. Примеры применения в сельском хозяйстве методов регрессии, ассоциативных правил, анализа отклонений:

  • Регрессия: прогнозирование урожайности в зависимости от количества осадков и температуры,

  • Ассоциативные правила: выявление связей между типом почвы и эффективностью удобрений,

  • Анализ отклонений: обнаружение аномалий в показателях роста растений, выявление заражений или болезней растений.

7

Соседние файлы в предмете Почвоведение