МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ
федеральное государственное бюджетное образовательное учреждение высшего образования
"Чувашский государственный аграрный университет"
(ФГБОУ ВО Чувашский ГАУ)
Земледелия, растениеводства, селекции и семеноводства
Утверждена в составе основной профессиональной образовательной программы высшего образования
Информационные технологии и ИИ в профессиональной деятельности
Направление подготовки 35.03.04 Агрономия
Направленность (профиль) Агротехнологии
рабочая программа дисциплины (модуля)
Виды контроля в семестрах:
Распределение часов дисциплины по семестрам
Семестр
(<Курс>.<Семестр на курсе>)
канд. с.-х. наук, доцент, Елисеев Иван Петрович
1. Федеральный государственный образовательный стандарт высшего образования - бакалавриат по направлению подготовки 35.03.04 Агрономия (приказ Минобрнауки России от 26.07.2017 г. № 699).
При разработке рабочей программы дисциплины (модуля) "Информационные технологии и ИИ в профессиональной деятельности" в основу положены:
2. Учебный план: Направление подготовки 35.03.04 Агрономия
Направленность (профиль) Агротехнологии, одобренный Ученым советом ФГБОУ ВО Чувашский ГАУ от 16.06.2026 г., протокол № 13.
Рабочая программа дисциплины (модуля) проходит согласование с использованием инструментов электронной информационно-образовательной среды Университета.
Заведующий кафедрой Елисеева Л.В.
Заведующий выпускающей кафедрой Елисеева Л.В.
Председатель методической комиссии факультета Мефодьев Г.А.
Директор научно-технической библиотеки Викторова В.А.
1. ЦЕЛИ ОСВОЕНИЯ ДИСЦИПЛИНЫ
сформировать у будущих специалистов цифровую компетентность, позволяющую эффективно использовать современные IT-инструменты и технологии ИИ для решения практических задач в растениеводстве, повышения продуктивности, устойчивости и экономической эффективности сельскохозяйственного производства.
2. МЕСТО ДИСЦИПЛИНЫ В СТРУКТУРЕ ООП
Требования к предварительной подготовке обучающегося:
Математика и математическая статистика
Физиология и биохимия растений
Землеустройство с основами геодезии
Сельскохозяйственная микробиология
Фитопатология и энтомология
Роботизированные и беспилотные системы в сельском хозяйстве
Учебная практика, технологическая практика
Дисциплины и практики, для которых освоение данной дисциплины (модуля) необходимо как предшествующее:
Программирование урожайности полевых культур
Сельскохозяйственные биотехнологии
Цифровые технологии и федеральные государственные информационные системы
3. КОМПЕТЕНЦИИ ОБУЧАЮЩЕГОСЯ, ФОРМИРУЕМЫЕ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ ДИСЦИПЛИНЫ (МОДУЛЯ)
ОПК-1. Способен решать типовые задачи профессиональной деятельности на основе знаний основных законов математических и естественных наук с применением информационно-коммуникационных технологий
ОПК-1.1 Использует основные законы математических, естественнонаучных и общепрофессиональных дисциплин для решения типовых профессиональных задач в области агрономии
ОПК-1.2 Способен решать типовые задачи профессиональной деятельности с использованием математического моделирования и современных цифровых технологий, владеет методикой интерпретации результатов, полученных естественнонаучными методами
ОПК-7. Способен понимать принципы работы современных информационных технологий и использовать их для решения задач профессиональной деятельности
ОПК-7.1 Использует системы точного земледелия и геоинформационных технологий (ГИС) для анализа пространственной неоднородности полей, составления карт-заданий и контроля выполнения агротехнических операций
ОПК-7.2 Применяет специализированное программное обеспечение и цифровые ресурсы для планирования севооборотов, расчета норм высева, доз удобрений и средств защиты растений, а также для ведения электронной производственной документации
ОПК-7.3 Работает с данными метеостанций и других источников цифровой информации для мониторинга состояния агроценозов
ОПК-7.4 Применяет специализированное программное обеспечение для прогнозирования урожайности, оптимизации сроков сева и уборки, а также для планирования ресурсов (вода, удобрения, СЗР)
В результате освоения дисциплины обучающийся должен
теоретическую базу и понимание принципов работы
основы ИИ и анализа данных
классификацию методов ИИ (нейронные сети, генетические алгоритмы, нечеткая логика) и область их применения в агрономии
основы статистической обработки полевых данных и методы предиктивной аналитики
принципы работы систем глобального позиционирования (GPS, ГЛОНАСС) и ГИС (геоинформационных систем) в агрономии
методы пространственного анализа урожайности, свойств почв (NDVI, вегетационные индексы) и создания карт полей
программные средства, современные цифровые платформы для агробизнеса
нормативно-правовые аспекты, требования к цифровой документации в АПК (электронные полевые дневники, паспорта полей)
вопросы кибербезопасности и защиты агро-данных
применять знания для решения конкретных задач
работать с данными (метеостанции, датчики почвы, данные со спутников/БПЛА) для анализа
использовать библиотеки для базового анализа урожайности и выявления корреляций
разрабатывать простые модели прогноза урожайности на основе исторических и погодных данных
использовать технологии компьютерного зрения для распознавания болезней, вредителей или сорняков по фото
работать в ГИС и системах точного земледелия
создавать электронные карты полей, выделять зоны неоднородности (зондирование) для дифференцированного внесения удобрений и СЗР
калибровать и загружать карты-задания в бортовые компьютеры сельхозтехники
настраивать автоматические системы управления поливом (умное орошение) на основе показаний датчиков
использовать чат-ботов для консультаций по регламентам применения агрохимикатов и прогнозам развития болезней
Иметь навыки и (или) опыт деятельности:
работы методами анализа агроданных
обработки мультиспектральных снимков полей для расчета вегетационных индексов
интерпретации результатов кластеризации полей (деление на зоны управления)
работы в веб-средах для обучения простых нейросетей (классификация сорняков/культуры, прогнозирование сроков сева)
использования готовых API для распознавания патогенов (например, Plantix API)
владения технологиями точного земледелия
составления агротехнологических карт в ГИС с привязкой к координатам поля
загрузки/выгрузки данных с автопилотов и систем параллельного вождения
презентации результатов цифрового аудита полей руководителю хозяйства
обоснования экономической эффективности внедрения ИИ-решений
Наименование разделов и тем /вид занятия/
4. СТРУКТУРА И СОДЕРЖАНИЕ ДИСЦИПЛИНЫ (МОДУЛЯ)
Раздел 1. Современные информационные технологии в АПК
Использование современных цифровых технологий в аграрной сфере. Технологии компьютерной обработки производственной информации. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Использование современных цифровых технологий в аграрной сфере. Технологии компьютерной обработки производственной информации. /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Методы и средства сбора, хранения, передачи и обработки информации. Информационные технологии аналитики производственных процессов. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Методы и средства сбора, хранения, передачи и обработки информации. Информационные технологии аналитики производственных процессов. /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Основы управления данными и информацией в агропромышленном комплексе. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Основы управления данными и информацией в агропромышленном комплексе. /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Применения информационных систем различного назначения, создание и использование цифровых платформ и экосистем в производстве растениеводческой продукции /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Применения информационных систем различного назначения, создание и использование цифровых платформ и экосистем в производстве растениеводческой продукции /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Перспективные технологии и концепции цифровизации АПК. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Перспективные технологии и концепции цифровизации АПК (Основные аспекты цифровой трансформации АПК для эффективного управление сельскохозяйственным производством). /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Информационные алгоритмы проектирования бизнес-процессов. Электронная обработка массивов производственных данных. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Информационные алгоритмы проектирования бизнес-процессов. Электронная обработка массивов производственных данных. /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Основы визуального проектирования производственных процессов. Процесс управления документами. Оформление документов и реквизитов. Корпоративная система электронного документооборота. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Основы визуального проектирования производственных процессов. Процесс управления документами. Оформление документов и реквизитов. Корпоративная система электронного документооборота. /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Современные информационные технологии в АПК /Ср/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Работа с литературой в СДО
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Раздел 2. Основные (ключевые) технологии ИИ, используемые в АПК
Машинное обучение в производстве растениеводческой продукции. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Машинное обучение в производстве растениеводческой продукции (Построение, обучение, валидация и оптимизация моделей искусственного интеллекта для прогнозирования урожайности и планирования ресурсов). /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Системы машинного зрения для анализа качества посевных площадей. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Системы машинного зрения для анализа качества посевных площадей (Использование ИИ для обнаружения вредителей и болезней растений, определение дефицита питательных веществ и стресса, степень созревания растений по визуальным данным с дронов и спутников). /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Автоматизация производства растениеводческой продукции на основе интеллектуальных систем ведения сельского хозяйства. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Автоматизация производства растениеводческой продукции на основе интеллектуальных систем ведения сельского хозяйства (Интеграция данных климатических датчиков в системы управления производственным процессом. Применение методов устойчивые ведения сельского хозяйства с помощью роботизированных систем на базе искусственного интеллекта для производства растениеводческой продукции). /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Интеграция, этика и масштабируемость внедрения ИИ-решений в агробизнес. /Лек/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Интеграция, этика и масштабируемость внедрения ИИ-решений в агробизнес (Интеграция моделей ИИ с существующими агрономическими платформами и системами управления подразделений агрохолдингов и в сфере продовольственных систем, использующих искусственный интеллект. Обеспечение конфиденциальности данных предприятий и организаций. Регуляторные и этические основы применения ИИ в отношении заинтересованных лиц). /Лаб/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Основные (ключевые) технологии ИИ, используемые в АПК (Определение задач для внедрения ИИ в сельское хозяйство). /Ср/
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
Л1.1 Л1.2 Л1.3Л2.1 Л2.2Л3.1
Э1 Э2 Э3 Э4 Э5
ОПК-1.1 ОПК-1.2 ОПК-7.1 ОПК-7.2 ОПК-7.3 ОПК-7.4
5. ФОНД ОЦЕНОЧНЫХ СРЕДСТВ
5.1. Примерный перечень вопросов к зачету
1. Роль цифровых технологий и ИИ в современном точном (прецизионном) земледелии. Понятие «Сельское хозяйство 4.0» и «Умная ферма».
2. Классификация информационных систем в АПК: ERP-системы, системы поддержки принятия решений (СППР), ГИС.
3. Программное обеспечение для агронома: обзор специализированных платформ (например, «Агросигнал», «Агротроник», «1С:Управление агрофирмой»).
4. Использование офисных приложений (Excel, Google Sheets) для агрономических расчетов: ведение истории полей, расчет норм удобрений, севооборотов.
5. Облачные технологии и их применение для хранения и обмена агрономическими данными (погода, карты полей, графики работ).
6. Цифровая коммуникация в агробизнесе: электронный документооборот, телеметрия техники, мессенджеры для оперативного управления бригадами.
7. Принципы работы ГИС в агрономии. Создание электронной карты поля (векторные и растровые слои).
8. Системы глобального позиционирования (GPS, ГЛОНАСС) и их точность. Навигация сельхозтехники.
9. Спутниковый мониторинг посевов: вегетационные индексы (NDVI, NDRE, LAI) и их интерпретация.
10. Использование беспилотных летательных аппаратов (БПЛА, дронов) для обследования полей: мультиспектральная съемка, выявление проблемных зон.
11. Зонирование поля на основе ГИС-анализа (карты урожайности, электропроводности почвы, рельефа). Выделение участков однородного реагирования.
12. Визуализация и анализ пространственных данных для дифференцированного внесения удобрений и средств защиты растений (СЗР).
13. Основные понятия ИИ: машинное обучение (обучение с учителем, без учителя), нейронные сети, компьютерное зрение.
14. Прогнозирование урожайности с использованием регрессионных моделей и нейронных сетей (на основе погодных данных, истории полей).
15. Распознавание болезней растений и вредителей по фотографиям (мобильные приложения Plantix, Petal, аналоги).
16. Компьютерное зрение для оценки качества семян, зрелости плодов, сорной растительности (системы умного опрыскивания).
17. Интеллектуальные системы поддержки принятия решений (СППР) для агронома: рекомендации по срокам сева, полива, уборки.
18. Обработка естественного языка (NLP) в агрономии: чат-боты для консультации фермеров, анализ текстов научных статей и погодных сводок.
19. Дифференцированное внесение удобрений (Variable Rate Technology, VRT): принципы, оборудование, экономическая эффективность.
20. Технология «картографической памяти» комбайнов: построение карт урожайности в реальном времени.
21. Параллельное вождение и автопилот на сельхозтехнике: снижение перекрытий и пропусков.
22. Сенсоры и IoT (интернет вещей) в агрономии: почвенные датчики влажности, температуры, рН, метеостанции.
23. Интеллектуальные системы полива (капельного, дождевального) на основе данных IoT и прогнозов погоды.
24. Роботизированные системы в растениеводстве: роботы для прополки, сбора урожая, мониторинга.
25. Большие данные (Big Data) в агрономии: источники, сбор, хранение, анализ (погодные архивы, спутниковые снимки, данные техники).
26. Экономическая оценка внедрения ИТ и ИИ в агропредприятие: ROI, снижение затрат на семена, удобрения, ГСМ.
27. Кибербезопасность и защита данных агропредприятия. Риски использования облачных сервисов.
28. Этические и юридические аспекты применения ИИ в сельском хозяйстве: ответственность за ошибочный прогноз, использование дронов.
29. Навыки цифрового агронома: анализ дашбордов, работа с большими массивами данных, интерпретация моделей ИИ.
30. Тенденции развития: цифровые двойники полей, ИИ для генетики растений (подбор гибридов), вертикальные фермы с ИИ-управлением.
5.2. Примерный перечень вопросов к экзамену
1. Роль информационных технологий в современном агропромышленном комплексе (АПК).
2. Классификация и назначение программного обеспечения для агронома.
3. Использование электронных таблиц (Excel, Google Sheets) для агрономических расчетов: урожайность, нормы внесения удобрений, севообороты.
4. Базы данных в агрономии: структура, примеры (почвенные карты, сорта, пестициды).
5. Геоинформационные системы (ГИС) в земледелии: QGIS, ArcGIS — обзор возможностей.
6. Спутниковые системы позиционирования (GPS/ГЛОНАСС) и их применение в полеводстве.
7. Дистанционное зондирование Земли (ДЗЗ) для агрономии: виды снимков, вегетационные индексы (NDVI, NDRE).
8. Понятие искусственного интеллекта, машинного и глубокого обучения.
9. Основные задачи ИИ в агрономии: классификация, регрессия, кластеризация, прогнозирование.
10. Этапы создания ИИ-модели для агрозадачи: сбор данных, обучение, валидация.
11. Понятие «обучающая выборка», «признаки», «целевая переменная» на примере прогноза урожайности.
12. Концепция точного земледелия (Precision Agriculture): цели, элементы, эффективность.
13. Технологии переменного нормирования (VRT) внесения удобрений и средств защиты растений.
14. Цифровые карты полей (электропроводность почвы, рельеф, питательные вещества).
15. Беспилотные летательные аппараты (БПЛА/дроны) в агрономии: обзор полей, мониторинг стрессов.
16. Наземные роботизированные системы: роботы для прополки, междурядной обработки, сбора данных.
17. Искусственный интеллект для распознавания болезней растений по изображениям (сверточные нейросети).
18. Системы компьютерного зрения для идентификации вредителей и сорных растений.
19. Мобильные приложения с ИИ для агронома (Plantix, AgroScout и аналоги) — принцип работы.
20. Прогнозирование распространения болезней и вредителей с помощью ИИ (метеоданные + модели).
21. Использование ИИ для прогноза урожайности на основе погоды, почвенных данных, NDVI.
22. Системы поддержки принятия решений (СППР) для агронома: структура, примеры.
23. Рекомендательные системы для выбора сортов, удобрений, схем севооборота.
24. Оценка экономической эффективности внедрения ИИ-решений в хозяйстве.
25. Облачные агроплатформы (OneSoil, Cropio, СКИФ, Агросигнал) — функции и возможности.
26. Управление данными поля: электронный дневник агронома, учет операций.
27. Интернет вещей (IoT) в агрономии: почвенные датчики, метеостанции, системы автоматического полива.
28. Большие данные (Big Data) в АПК: источники, обработка, применение.
29. Требования к точности и надежности ИИ-систем в агропроизводстве.
30. Вопросы авторского права на цифровые карты полей и прогнозные модели.
31. Экономические барьеры внедрения ИИ для малых и средних агропредприятий.
32. Перспективы развития ИИ в агрономии: цифровые двойники полей, автономное земледелие.
33. Алгоритм создания карты-задания на дифференцированное внесение азота на основе NDVI.
34. Как проверить корректность работы ИИ-модели распознавания болезней на реальном поле?
35. Разработка минимального набора датчиков для «умного поля» под озимую пшеницу.
36. Сравнение ручного, GPS- и ИИ-управляемого внесения гербицидов: плюсы и минусы.
5.3. Тематика курсовых работ (курсовых проектов)
1. Обзор платформ точного земледелия: «Агросигнал», «Скаут», OneSoil.
2. Применение машинного обучения для прогнозирования урожайности зерновых культур.
3. Спектральный анализ посевов по данным БПЛА: технологии и программное обеспечение.
4. Искусственный интеллект в системах поддержки принятия решений для агронома (на примере Cropwise, xFarm).
5. Агрометеорологические базы данных и сервисы: структура, форматы, API.
6. Цифровые двойники полей – современное состояние и перспективы.
7. Системы компьютерного зрения для выявления сорняков и болезней растений.
8. Анализ больших данных (Big Data) в селекции и семеноводстве.
9. Роботизированные агрокомплексы: обзор существующих решений (это роботы для прополки, сбора урожая).
10. Блокчейн в прослеживаемости агропродукции: возможности и ограничения.
5.4. Фонд оценочных средств для проведения текущего контроля
6. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ (МОДУЛЯ)
6.1. Рекомендуемая литература
6.1.1. Основная литература
Вычислительная техника и информационные технологии: учебное пособие
Санкт-Петербург: Лань, 2024
Информационные технологии: учебное пособие
Информационные технологии в цифровой экономике сельского хозяйства: учебное пособие
Тюмень: ГАУ Северного Зауралья, 2022
6.1.2. Дополнительная литература
Информационные технологии в цифровой экономике: учебное пособие
Коломейченко А. С., Польшакова Н. В., Чеха О. В.
Информационные технологии: учебное пособие
Санкт-Петербург: Лань, 2021
6.1.3. Методические разработки
Информационные технологии в профессиональной деятельности: учебное пособие для вузов
Санкт-Петербург: Лань, 2022
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
Платформа "АссистАгро" (Россия). Распознает сорняки и культурные растения, считает их количество на кв.м, определяет стадию развития и рекомендует конкретный гербицид.
Система Crop Health Monitoring достигает точности обнаружения болезней до 94%
Платформа "Точные поля" (Агроноут): Автоматически анализирует архив спутниковых снимков (40 лет) за секун-ды, чтобы построить карты внутриполевой неоднородно-сти и рассчитать нормы внесения удобрений
ChatGPT, для агронома. Они полезны для написания отчетов, анализа текстов инструкций к пестицидам или поиска информации по справочникам.
6.3.1 Перечень программного обеспечения
Справочная правовая система КонсультантПлюс
Электронный периодический справочник «Система Гарант»
6.3.2 Перечень информационных справочных систем
Электронный периодический справочник «Система ГАРАНТ». Полнотекстовый, обновляемый. Доступ по локальной сети академии
Электронная библиотечная система издательства «Лань». Полнотекстовая электронная библиотека. Индивидуальный неограниченный доступ через фиксированный внешний IP адрес академии неограниченному количеству пользователей из любой точки, в которой имеется доступ к сети Интернет.http://e.lanbook.com
7. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ (МОДУЛЯ)
Моноблок 21,5 ASUS Vivo 222FBK-BAO11Mi51021U/8192Mb/256SSDGb\MX110(2048Mb) ( 23шт ), МФУ Kyocera EcosysM2235 DN (1102VS3RUO) A4 Duplex Net белый (1 шт), интерактивная панель TeachTouch TT40-55U 4.0 55 UHD 20 касаний (1 шт.), проектор BENG MX560 DLP 4000Lm (1024x768) 2000 (1 шт.), А4 Стол письменный на металлокаркасе GUATTRO 80*70*75 вишня скандинавия /антрацит (23 шт.), кресло Оператора ( 23 шт.), экран CACTUS 175*200 см, SilverMotoExpert настенно –потолочный темно-серый (моторизованный привод) (1 шт.), АКК 49Н022 Мод. Шкафа –витрины 3 ур (3 шт.), шкаф телекоммуникационный настенный Lanmaster Pro TWST – CDWPG – 9U-6X6-GY (9U, 600*600, дверца стекло, замок, серый (1 шт.), белая лаковая маркерная доска
Демонстрационное оборудование (проектор Toschibaх200, экран с электроприводом СЕНА EcMaster Electric 180*180, ноутбук Acer Aspire А315-21-434) и учебно-наглядные пособия, доска классная (1 шт.), столы (31 шт.), стулья ученические (61 шт.)
Помещение для самостоятельной работы
Компьютерная техника с возможностью подключения к сети "Интернет" и обеспечением доступа в электронную информационно-образовательную среду организации(19 шт.), столы (17 шт.), компьютерный стол 6-и местный (3 шт.), стулья ученические (34 шт.), стулья п/м (18 шт.), стеллажи с литературой, видеоувеличитель Optelec Wide Screen (1 шт.)
8. МЕТОДИЧЕСКИЕ УКАЗАНИЯ ДЛЯ ОБУЧАЮЩИХСЯ ПО ОСВОЕНИЮ ДИСЦИПЛИНЫ (МОДУЛЯ)
Методика изучения курса предусматривает наряду с лекциями и лабораторными занятиями, организацию самостоятельной работы студентов, проведение консультаций, руководство докладами студентов для выступления на научно-практических конференциях, осуществление текущего и промежуточного форм контроля.
Система знаний по дисциплине формируется в ходе аудиторных и внеаудиторных (самостоятельных) занятий. Используя лекционный материал, учебники и учебные пособия, дополнительную литературу, проявляя творческий подход, студент готовится к занятиям, рассматривая их как пополнение, углубление, систематизацию своих теоретических знаний.
Для освоения дисциплины студентами необходимо:
1. Посещать лекции, на которых в сжатом и системном виде излагаются основы дисциплины: даются определения понятий, которые должны знать студенты. Студенту важно понять, что лекция есть своеобразная творческая форма самостоятельной работы. Надо пытаться стать активным соучастником лекции: думать, сравнивать известное с вновь получаемыми знаниями, войти в логику изложения материала лектором, следить за ходом его мыслей, за его аргументацией, находить в ней кажущиеся вам слабости. Во время лекции можно задать лектору вопрос, желательно в письменной форме, чтобы не мешать и не нарушать логики проведения лекции. Слушая лекцию, следует зафиксировать основные идеи, положения, обобщения, выводы. Работа над записью лекции завершается дома. На свежую голову (пока еще лекция в памяти) надо уточнить то, что записано, обогатить запись тем, что не удалось зафиксировать в ходе лекции, записать в виде вопросов то, что надо прояснить, до конца понять. Важно соотнести материал лекции с темой учебной программы и установить, какие ее вопросы нашли освещение в прослушанной лекции. Тогда полезно обращаться и к учебнику. Лекция и учебник не заменяют, а дополняют друг друга.
2. Посещать лабораторные занятия, к которым следует готовиться и активно на них работать. Задание к лабораторному занятию выдает преподаватель. Задание включает в себя основные вопросы, тесты и рефераты для самостоятельной работы, литературу. Лабораторные занятия начинаются с вступительного слова преподавателя, в котором называются цель, задачи и вопросы занятия. В процессе проведения занятий преподаватель задает основные и дополнительные вопросы, организует их обсуждение. На лабораторных занятиях разбираются тестовые задания и задания, выданные для самостоятельной работы, ставятся практические опыты. Студенты, пропустившие занятие, или не подготовившиеся к нему, приглашаются на консультацию к преподавателю. Лабораторное занятие заканчивается подведением итогов: выводами по теме и выставлением оценок.
3. Систематически заниматься самостоятельной работой, которая включает в себя изучение нормативных документов, материалов учебников и статей из научной литературы, написание докладов, рефератов. Задания для самостоятельной работы выдаются преподавателем.
4. Под руководством преподавателя заниматься научно-исследовательской работой, что предполагает выступления с докладами на научно-практических конференциях и публикацию тезисов и статей по их результатам.
5. При возникающих затруднениях при освоении дисциплины, для неуспевающих студентов и студентов, не посещающих занятия, проводятся консультации, на которые приглашаются неуспевающие студенты, а также студенты, испытывающие потребность в помощи преподавателя при изучении дисциплины.
Актуализированная рабочая программа рассмотрена и одобрена на заседании выпускающей кафедры, протокол № ___ от _____________________
Заведующий выпускающей кафедрой _________________________________
ДОПОЛНЕНИЯ И ИЗМЕНЕНИЯ
в 20___ /20___ учебном году
ДОПОЛНЕНИЯ И ИЗМЕНЕНИЯ
в 20___ /20___ учебном году
ДОПОЛНЕНИЯ И ИЗМЕНЕНИЯ
в 20___ /20___ учебном году
Актуализированная рабочая программа рассмотрена и одобрена на заседании выпускающей кафедры, протокол № ___ от _____________________
Актуализированная рабочая программа рассмотрена и одобрена на заседании выпускающей кафедры, протокол № ___ от _____________________
Актуализированная рабочая программа рассмотрена и одобрена на заседании выпускающей кафедры, протокол № ___ от _____________________
Заведующий выпускающей кафедрой _________________________________
Заведующий выпускающей кафедрой _________________________________
Заведующий выпускающей кафедрой _________________________________
ДОПОЛНЕНИЯ И ИЗМЕНЕНИЯ
в 20___ /20___ учебном году
Актуализированная рабочая программа рассмотрена и одобрена на заседании выпускающей кафедры, протокол № ___ от _____________________
Заведующий выпускающей кафедрой _________________________________
ДОПОЛНЕНИЯ И ИЗМЕНЕНИЯ
в 20___ /20___ учебном году
Актуализированная рабочая программа рассмотрена и одобрена на заседании выпускающей кафедры, протокол № ___ от _____________________
ДОПОЛНЕНИЯ И ИЗМЕНЕНИЯ
в 20___ /20___ учебном году
Заведующий выпускающей кафедрой _________________________________