Einheiten

1. Einführung in die Disziplin Künstliche Intelligenz und Verifikation in der Agrartechnik 2. Präzisionslandwirtschaft und Strukturierung landwirtschaftlicher Daten 3. Pflanzengesundheitsüberwachung mit Satellit und Drohne: NDVI und Vegetationsindizes 4. Interpretation der Bodenanalyse und Optimierung der Düngung 5. Bewässerungsoptimierung und Wassermanagement 6. Krankheits- und Schädlingsdiagnose: Bildanalyse und Entscheidung 7. Landwirtschaftliche Entscheidungsunterstützung mit Wetter- und Klimadaten 8. Ertragsschätzung und landwirtschaftliche Modellierung 9. Agrardatenanalyse mit Python 10. Rückverfolgbarkeit, landwirtschaftliche Registrierung und Lieferkette 11. Ethik, Datenschutz, Grenzen und End-to-End-Integration

Einheit 9 / 11

Agrardatenanalyse mit Python

Gewinne:

Möglichkeit, Code zum Laden, Bereinigen und Zusammenfassen von Feld-/Sensordaten mithilfe von Pandas mit KI zu generieren und auszuführen
Möglichkeit zur Visualisierung von Analysen wie NDVI-Zeitreihen und Dünger-/Ertragsbeziehungen mit Diagrammen
Möglichkeit, KI-generierten Code mit kleinen Datenmengen zu testen und Einheiten-, Indexformel- und Logikfehler zu erkennen

Zurück Weiter