«Сегодня практически 90 процентов данных имеют локализацию в пространстве»
26 апреля в 16:00 в МИЭМе в 308 аудитории учебного корпуса в формате офлайн состоится лекция «Геоинформационные системы и технологии». Докладчик - Александр Дерендяев, кандидат технических наук, старший научный сотрудник сектора "Геоинформационные технологии и системы" Института проблем передачи информации РАН.
В рамках доклада будет рассказано, что такое геоинформатика, какие подходы и технологии используются при решении практических задач, как применяются методы машинного обучения для геолокации вредителей спутниковой связи, прогноза землетрясений на основе сейсмологических данных и временных рядов космической геодезии (данные GPS станций), анализа перемещений людей в городе по данным сотовой связи.
Отдельно будет затронута тема привлечения молодых специалистов для работы в ИППИ РАН. Какие компетенции ждут сегодня от выпускников ИТ-специальностей в практическом секторе, как уже в студенческие годы выстроить траекторию обучения для овладения этими компетенциями – темы, которые будут обязательно затронуты во время встречи.
В преддверии встречи мы задали несколько вопросов Александру, чтобы лучше понять, о чём пойдёт речь.
Александр, если в нескольких словах, расскажите, пожалуйста, что такое геоинформатика. Какие области работ она объединяет и что сегодня здесь самое актуальное?
Геоинформатика занимается всеми вопросами, связанными с получением, обработкой и визуализацией локализованных данных. Сегодня практически 90% данных имеют локализацию в пространстве, начиная от телефонных снимков и космоснимков, заканчивая данными о посещениях сайтов и собственно картами в навигаторах. Особенностью таких данных является их разнородность (снимки, растровые поля, линейные объекты, движения точечных объектов), а также большие объемы. Классические задачи — поиск ближайших объектов, построение маршрутов в логистике, построение карт со статистикой. Актуальных тем — множество, все охватить не получится, но можно привести, как пример, отслеживание географического распространения вирусов, или, воссоздания 3D-моделей зданий по стереофотографиям из космоса.
Геоинформатика в ИППИ РАН: какие исследования вы проводите? И какие практические задачи решаете?
В ИППИ мы в основном занимаемся анализом землетрясений и их прогнозом, а также решением некоторых прикладных задач. Например, про спутниковую связь: на геостационарной орбите не очень много места - спутники не могут идти вплотную друг к другу, а должны идти с шагом в 1.5–2 градуса. Всего получается порядка180 так называемых точек стояния. Кроме того, для таких спутников является проблемой энергия, которой на орбите ограниченное количество, только от солнечных батарей, и поэтому они работают в режиме зеркала – всё что принимают с Земли, отправляют обратно. То есть кто угодно может отправить сигнал на геостационарный спутник и получить его на Земле, организовав таким образом канал связи. Чаще всего такое происходит по ошибке (некорректной настройки), но, все равно, ресурс геостационарных спутников стоит слишком дорого, чтобы такое допускать. Вот одной из практических задач, которую мы решали, был поиск таких вредителей.
Возвращаясь к основным исследованиям: прогноз землетрясений — достаточно сложная задача, которая на данный момент не решена. Она сводится к необходимости прогноза редких событий, для которого накопленной информации мало. Поэтому, например, применение нейросетей для решения этой задачи практически невозможно. В лекции я расскажу о методе машинного обучения, который позволяет прогнозировать землетрясения лучше, чем метод "где были землетрясения, там они и будут", и, тем более, лучше, чем метод случайного угадывания. Причем, для прогноза мы используем относительно малое количество данных - только данные о сейсмике и данные о движения земной поверхности с GPS-станций. Более подробно расскажу на лекции.
Наши студенты изучают очень широкий спектр ИТ-специальностей. Каких специалистов не хватает в той области, что Вы представляете, в целом, и в Вашем институте - в частности? Куда здесь идет наука, какие компетенции потребуется через 5, 10 лет от молодых специалистов?
Знания моделей машинного обучения — это большой плюс. Все эти базовые знания, программирование, анализ данных, математика и статистика, крайне важны и сейчас, и на горизонте 10 лет. Из нового - нейронные сети продолжают активно развиваться, мы за ними наблюдаем и пробуем применять (хотя из-за специфики задач пока получается плохо). Что касается конкретно наших специальностей, то выучить предметную область поверх базовых знаний занимает не так много времени: занимаясь параллельно, я думаю, можно за семестр освоить на достаточном уровне.
Для участия в лекции просим пройти регистрацию: https://miem.hse.ru/polls/591268094.html