Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie - Centralny System Uwierzytelniania
Strona główna

Doświadczalnictwo leśne

Informacje ogólne

Kod przedmiotu: L.1s.DOS.SM.LLESZ
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Doświadczalnictwo leśne
Jednostka: Katedra Zarządzania Zasobami Leśnymi
Grupy:
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Pełny opis:

wykład: 14 godz. "Co to jest nauka? Rodzaje podejść do badań naukowych. Etapy eksperymentu naukowego. Najczęstsze błędy w analizie wyników badań. Rzetelność naukowa a prezentowanie wyników badań.

Sposoby badania współzależności cech - korelacja i regresja. Współczynnik korelacji liniowej Pearsona. Współczynnik korelacji rang Spearmana. Prosta regresja liniowa i regresja wieloraka i warunki ich stosowania (normalność reszt, liniowość, homoskedastyczność, autokorelacja, współliniowość).

Budowa modeli regresyjnych. Linearyzowana regresja wieloraka. Regresja nieliniowa. Zmienne jakościowe w modelowaniu statystycznym, zmienne sztuczne (dummy variables). Ocena dokładności i testowanie modeli statystycznych.

Uogólnione modele addytywne - GAM. Wzmacniane drzewa klasyfikacyjne - BRT. Praktyczne zastosowanie modeli regresyjnych w leśnictwie.

Metody analiz dotyczących dwóch populacji. Testy parametryczne do porównania dwóch populacji - testy t – Studenta dla zmiennych zależnych i zmiennych niezależnych. Testy nieparametryczne dla dwóch populacji: test U – Manna-Whitneya, test serii Walda-Wolfowitza, test kolejności par Wilcoxona. Tabele dwudzielcze. Różnica pomiędzy dwoma wskaźnikami struktury.

Metody analiz dotyczących kilku populacji. Jednoczynnikowa analiza wariancji. Testy jednorodności wariancji. Testy post-hoc. Nieparametryczna analiza wariancji – Anova rang Kruskala-Wallisa. Wielokrotne porównanie średnich rang. Dwuczynnikowa analiza wariancji.

Sieci neuronowe - informacje podstawowe (typy sieci neuronowych; budowa sztucznego neuronu; struktura sieci; metody uczenia sieci – współczynniki uczenia i dobór ich wartości; metoda wstecznej propagacji błędu; problem minimów lokalnych; sieci samouczące się). Etapy i elementy konstrukcji modelu neuronowego (wybór odpowiedniej liczby warstw ukrytych, liczby neuronów w poszczególnych warstwach, określenie typu funkcji aktywacji neuronów w poszczególnych warstwach oraz sposobu uczenia sieci itd.). Zastosowania sieci neuronowych.

Struktura pracy naukowej. Zasady pisania prac naukowych i oprogramowanie usprawniające proces redakcji. Prezentowanie wyników badań doświadczalnych."

cwl 16 godz. "Ogólne zasady korzystania z programów statystycznych, zarządzanie danymi, okna wyników, wykresy. Selekcja przypadków. Wykonywanie podstawowych analiz statystycznych, statystyka opisowa, wykresy.

Analiza współzależności cech. Korelacja i regresja. Regresja liniowa. Regresja wieloraka. Regresja wieloraka. Testowanie warunków stosowania regresji liniowej i wielorakiej (liniowość, rozkład reszt regresyjnych, autokorelacja, współliniowość). Linearyzowana regresja wieloraka. Regresja nieliniowa. Regresja liniowa i nieliniowa ze zmiennymi jakościowymi. Uogólnione modele addytywne - GAM. Wzmacniane drzewa klasyfikacyjne - BRT Wstępna analiza danych; pre- i postprocessing danych; modele regresyjne i klasyfikacyjne – sieci typu MLP i RBF; neuronowa analiza szeregów czasowych; analiza skupień – sieci Kohonena.

Testy parametryczne do porównania dwóch populacji i warunki ich stosowania. Testy t dla dwóch prób niezależnych, test t dla zmiennych zależnych. Testy nieparametryczne dla dwóch populacji: test U – Manna-Whitneya, test serii Walda-Wolfowitza, test kolejności par Wilcoxona. Tabele wielodzielcze. Różnica pomiędzy dwoma wskaźnikami struktury. Interpretacja wyników testów dotyczących dwóch populacji.

Jednoczynnikowa analiza wariancji. Testowanie warunków analizy wariancji, testy normalności, test jednorodności wariancji Levene'a. Testy post-hoc i podstawy ich doboru. Anova rang Kruskala-Wallisa. Wielokrotne porównanie średnich rang. Interpretacja wyników analizy wariancji. Praktyczne zastosowanie metod statystycznej analizy danych w badaniach przyrodniczych"

Literatura:

Podstawowa

"1. Buchwald A., Statystyka matematyczna dla leśników, 1989.

2. James, G., Witten, D., Hastie, T., & Tibshirani, R. 2013. An Introduction to Statistical Learningw with Applications in R (1st ed.). New York: Springer-Verlag.

3. Quinn, Keough. 2002. Experimental Design and Data Analysis for Biologists. Cambridge University Press."

Uzupełniająca

"1. Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R. 2000. Sieci Neuronowe. [w] Biocybernetyka i Inżynieria Biomedyczna 2000 Tom 6, Akademicka Oficyna Wydawnicza EXIT.

2. Lek S., Guegan J. F. 1999. Artificial Neural Networks as a tool in ecological modelling, an introduction. Ecological Modelling 120 (1999) 65-73.

3. Tadeusiewicz R. 2007. Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C#. PAU Kraków, ss. 246."

Efekty uczenia się:

WIEDZA - zna i rozumie:

LES_DOSWIL_W01 Ma rozszerzoną wiedzę z zakresu statystyki matematycznej i doświadczalnictwa, umożliwiającą analizowanie i rozwiązywanie problemów naukowych związanych z leśnictwem LES2_W01 RL

LES_DOSWIL_W02 Posiada rozszerzoną wiedzę na temat źródeł danych służących do charakteryzowania środowiska leśnego i procesów w nim zachodzących, rozumie zasady integracji pozyskiwanych informacji statystycznych i przestrzennych z prawidłowym prowadzeniem gospodarki leśnej, ma pogłębioną wiedzę z zakresu geomatyki i zasad funkcjonowania systemów informacji przestrzennej oraz zna szczegółowo technologie pozyskiwania, przechowywania, zarządzania, przetwarzania i udostępniania geodanych wykorzystywanych w gospodarce leśnej. LES2_W02 LES2_W06 RL

UMIEJĘTNOŚCI - potrafi:

LES_DOSWIL_U01 Potrafi opisywać, analizować i wyjaśniać związki pomiędzy zjawiskami i procesami zachodzącymi w ekosystemach leśnych oraz przeprowadzać symulacje i zaproponować optymalizacje procesów technologicznych i metod hodowlanych stosowanych w leśnictwie z wykorzystaniem wiedzy z zakresu nauk matematyczno-przyrodniczych, modelowania i technologii informatycznych. LES2_U01 RL

LES_DOSWIL_U02 Potrafi posługiwać się technologiami geoinformacyjnymi i informatycznymi, samodzielnie interpretować, klasyfikować, mierzyć i obliczać, pozyskiwać, przetwarzać, integrować dane przestrzenne i opisowe oraz dokonywać ich wizualizacji w celu sporządzenia dokumentacji branżowej. LES2_U04 RL

LES_DOSWIL_U03 Posiada umiejętność przygotowania prac pisemnych i wystąpień ustnych, potrafi aranżować, prowadzić i podsumować dyskusję na tematy związane z leśnictwem w różnych środowiskach i na różnych poziomach, z wykorzystaniem środków audiowizualnych i technologii informatycznych. LES2_U06 LES2_U07 RL

KOMPETENCJE SPOŁECZNE - jest gotów do:

LES_DOSWIL_K01 Ma świadomość potrzeby dokształcania i samodoskonalenia w zakresie wykonywanego zawodu i rozumie potrzebę uczenia się przez całe życie, potrafi inspirować i organizować proces uczenia się innych osób. LES2_K01 LES2_K02 RL

Metody i kryteria oceniania:

Sposoby weryfikacji oraz zasady i kryteria oceny

wykład:test jednokrotnego wyboru (minimum 51% poprawnych odpowiedzi w celu uzyskania oceny 3.0); udział oceny z zaliczenia wykładów w ocenie końcowej wynosi 50%.

cwl. "sprawdzian umiejętności: wykonania zadania obliczeniowego, analitycznego, czynności, wypracowania decyzji

-rozwiązanie zadania problemowego, analiza przypadku, z dostępem do podręczników

- demonstracja praktycznych umiejętności

Udział oceny z zaliczenia ćwiczeń projektowych w ocenie końcowej wynosi 50%."

Zajęcia w cyklu "Semestr letni 2020/2021" (zakończony)

Okres: 2021-02-25 - 2021-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia laboratoryjne, 16 godzin więcej informacji
Wykład, 14 godzin więcej informacji
Koordynatorzy: Jarosław Socha
Prowadzący grup: Dominika Cywicka, Duong Xo Viet Hoang, Jarosław Socha
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2021/2022" (zakończony)

Okres: 2022-02-28 - 2022-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia laboratoryjne, 16 godzin więcej informacji
Wykład, 14 godzin więcej informacji
Koordynatorzy: Jarosław Socha
Prowadzący grup: Dominika Cywicka, Duong Xo Viet Hoang, Srdjan Keren, Paweł Netzel, Daryna Pasichnyk, Jarosław Socha
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Wykład - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie.
kontakt deklaracja dostępności USOSweb 7.0.3.0 (2024-03-22)