zisky:
- Schopnosť nastaviť a spustiť automatizáciu pracovného toku s podporou AI s PyQGIS a návrhárom modelov
- Schopnosť spravovať súkromie osobných údajov, autorské práva, licencie a obmedzenia zodpovednosti inžinierov v rámci celého projektu
- Schopnosť navrhnúť geomatický projekt v rámci toku s podporou AI, ktorý je však zameraný na overovanie od zberu údajov až po doručenie
Modulová skúška
1. Ktorý z nasledujúcich je základný princíp, ktorý určuje riziko výstupu AI v prieskume?
- A) Riziko výstupu sa rovná poškodeniu, ktoré by spôsobilo, keby bol tento výstup chybný; podľa toho ✔
- B) Výstup AI je vo všeobecnosti bezpečný, pretože je napísaný plynule a s istotou
- C) Overenie nie je potrebné, ak sa používa najaktuálnejší model
- D) Ak sa výstup vzťahuje na normu, nie je potrebná žiadna dodatočná kontrola
Vysvetlenie: Riziko výstupu sa rovná poškodeniu, ktoré spôsobí, ak je výstup chybný. Zatiaľ čo drobná chyba v súhrne literatúry je do značnej miery neškodná, chyba v katastrálnej hranici alebo výškopisnej hodnote môže viesť k narušeniu majetku, nesprávnej realizácii stavby a poškodeniu majetku; takže intenzita overovania je škálovaná s potenciálnou škodou.
2. Ktorá úloha je najbezpečnejšie a najvhodnejšie priradená AI pri kontrole kvality meracej súpravy GNSS?
- A) Nakoniec akceptovať presnosť súradníc bodov a vyhlásiť ich za pripravené na registráciu
- B) Úprava tabuliek nespracovaných pozorovaní a označovanie možných odľahlých hodnôt/nezrovnalostí ✔
- C) Potvrdenie aplikačných hodnôt priamo bez skúmania princípov merania
- D) Považuje sa výsledok za platný bez výpočtu akýchkoľvek chýb pri zatváraní
Vysvetlenie: Najbezpečnejším príspevkom AI sú pomocné úlohy, ktoré môže inžinier ovládať, ako napríklad organizovanie rozptýlených nespracovaných údajov a anotácií, označovanie nezrovnalostí a odľahlých hodnôt. Konečné akceptovanie presnosti bodovej súradnice zostáva so súhlasom inžiniera, vrátane záverných chýb a zásad merania; Umelá inteligencia, ktorá hovorí, že pointa je úplne správna, nie je dôkazom.
3. Ktoré informácie musia byť jasne uvedené AI v žiadosti o transformáciu súradníc?
- A) Len názvy bodov
- B) Len názov cieľovej projekcie, dátum nie je dôležitý
- C) Zdrojový a cieľový súradnicový systém (údaj + projekcia/EPSG) a transformačné parametre ✔
- D) Meno osoby, ktorá vykonáva meranie
Vysvetlenie: Transformácia súradníc má zmysel len vtedy, ak sú špecifikované zdrojový systém, cieľový systém (datum + projekcia, napr. kód EPSG) a požadované parametre transformácie. Ak poviete „previesť toto na UTM“, nie je jasné, ktorý nulový bod sa presúva z ktorého nulového bodu a môže spôsobiť posun nulového bodu o metre.
4. Ktorý z nasledujúcich spôsobov je najpraktickejší na overenie výstupu transformácie?
- A) Pohľad na počet desatinných miest vo výstupe
- B) Pohľad na to, ako rýchlo model dáva odpoveď
- C) Prenos výsledku do CAD bez akejkoľvek kontroly
- D) Vloženie kontrolného bodu, ktorého súradnice sú známe, prostredníctvom rovnakej transformácie a jeho porovnanie s očakávanou hodnotou ✔
Vysvetlenie: Prejdenie jedného alebo viacerých riadiacich bodov, ktorých súradnice sú známe, prostredníctvom rovnakej transformácie a ich porovnanie s očakávanou hodnotou rýchlo odhalí chyby parametrov aj nulových bodov. Systematický rozdiel v desiatkach metrov je zvyčajne nesprávnym znakom dátumu/parametra. Skutočnosť, že výstup vyzerá hladko, nie je dôkazom správnosti.
5. Čo je najdôležitejším predpokladom pre správne výpočty vyrovnávacej pamäte a plochy v GIS?
- A) Vrstva je v príslušnom metrickom (projekčnom) súradnicovom systéme ✔
- B) Farba vrstvy
- C) Poradie stĺpcov v tabuľke atribútov
- D) Názov súboru vrstvy by mal byť krátky
Vysvetlenie: Výpočty vzdialenosti a plochy majú zmysel len v metrickom (projektovanom) súradnicovom systéme. Priame ukladanie do vyrovnávacej pamäte v geografických súradniciach (zemepisná šírka/dĺžka v stupňoch) poskytuje nepresné výsledky v dôsledku zmätku medzi stupňom a metrom. Preto musí byť vrstva pred analýzou umiestnená vo vhodnej projekcii.
6. Aký je štandardný spôsob merania presnosti mapy krajinnej pokrývky v klasifikácii satelitných snímok?
- A) Pohľad na to, aké žiarivé sú farby mapy
- B) Vytvorenie chybovej matice s nezávislými vzorkami základnej pravdy a výpočet celkovej presnosti/Kappa ✔
- C) Spoliehanie sa na veľký počet tried
- D) Pohľad na rozlíšenie obrazu a za predpokladu presnosti
Popis: Presnosť klasifikácie sa hodnotí vytvorením matice nejasností s nezávislými vzorkami základnej pravdy a jej vykazovaním pomocou metrík, ako je celková presnosť a Kappa. „Dobrý vzhľad“ mapy alebo živosť farieb triedy nie sú dôkazom presnosti.
7. Čo je základným prvkom, ktorý zabezpečuje presnosť polohy pri fotogrametrickej ortofoto a výrobe DSM?
- A) Len urobte veľa fotiek
- B) UAV je drahý model
- C) Kontrola presnosti s presne nameranými pozemnými kontrolnými bodmi a nezávislými kontrolnými bodmi ✔
- D) Let by sa mal uskutočniť v zamračenom dni
Popis: Pozemné kontrolné body (GCP) spájajú fotogrametrický model s reálnym súradnicovým systémom a určujú presnosť mierky/polohy. Okrem toho sa presnosť testuje výpočtom RMSE s nezávislými kontrolnými bodmi, ktoré nevstupujú do modelu. Jednoduché zvýšenie počtu obrázkov alebo predraženie UAV nezaručuje presnosť.
8. Ktorý krok je povinný na vygenerovanie digitálneho modelu terénu (DTM) z mračna bodov LiDAR?
- A) Premena všetkých bodov na povrch tak, ako je
- B) Použitie iba najvyšších bodov
- C) Vymazanie hodnôt hustoty
- D) Oddelenie nepozemných (budova, strom) bodov s pozemným filtrovaním ✔
Popis: DTM predstavuje holý povrch zeme; Preto je potrebné oddeliť nepozemné body, ako sú budovy, stromy, vozidlá (pozemné filtrovanie/klasifikácia). Ak tento krok preskočíte, získa sa horný povrch (DSM), nie DTM. AI môže urýchliť klasifikáciu, ale výsledok sa musí overiť pomocou prierezov profilu.
9. Aká je jedna z najčastejších a najrizikovejších chýb pri automatickom generovaní máp pomocou AI?
- A) Preskočenie povinných prvkov, ako je mierka, legenda, súradnicový systém a hodnotenie presnosti ✔
- B) Používanie príliš veľkého počtu kontrolných bodov
- C) Zoskupovanie vrstiev
- D) Pridanie názvu do listu
Vysvetlenie: Automatická symbolizácia a označovanie je rýchle, ale ak chýbajú základné kartografické prvky ako mierka, legenda, severná šípka, súradnicový systém a poznámka o presnosti, mapa sa stáva zavádzajúcou a oficiálne nepoužiteľnou. Vizuálna príťažlivosť nenahrádza tieto základné prvky.
10. Aký by mal byť stav výstupu AI pri práci s údajmi katastra a katastra?
- A) Považuje sa za definitívny údaj, ktorý je možné priamo zapísať do listu vlastníctva.
- B) brané ako predbežná kontrola/návrh; Konečná platnosť závisí od merania, legislatívy a schválenia úradom ✔
- C) Majetkové spory rieš sám
- D) Stáva sa úradným dokumentom bez potreby akejkoľvek kontroly.
Vysvetlenie: Katastrálna hranica, oblasť a informácie o vlastníctve majú právne dôsledky; Umelá inteligencia produkuje najviac predbežných kontrol, skenov nekonzistentnosti a konceptov. Konečná platnosť závisí od merania, legislatívy a schválenia autorizovaným inžinierom/inštitúciou. Vyhlásenie výstupu AI ako „konečného“ vytvára právne a profesionálne riziko.
11. Čo je najdôležitejšie skontrolovať pred použitím skriptu GeoPandas/PyProj generovaného AI?
- A) Za predpokladu, že je to správne, pretože kód je dlhý
- B) Vzhľadom na to, že stačí, aby fungoval bez chýb
- C) Spustite ho s malými, známymi testovacími údajmi a overte CRS a ohodnoťte ✔
- D) Schvaľovanie názvov premenných ako pekné
Vysvetlenie: Vytvorený kód by sa mal spustiť s malými testovacími údajmi, ktorých výsledok je známy, a mal by sa skontrolovať očakávaný výstup a poradie. Kritickou chybou je najmä to, či je definícia CRS (súradnicový systém) priradená správne; falošný CRS ticho produkuje metre driftu. To, že kód „funguje“, ešte neznamená, že je správny.
12. Aký je správny prístup pri poskytovaní súboru údajov katastra/adresy obsahujúceho lokalizačné údaje a osobné informácie spoločnosti AI?
- A) Pošlite všetky informácie o skutočnom vlastníkovi a identite tak, ako sú
- B) Ignorovanie súkromia, pretože by to bolo prospešné
- C) Vkladanie údajov do verejného fóra
- D) Anonymizácia osobných údajov alebo práca s reprezentatívnymi hodnotami/schváleným prostredím ✔
Vysvetlenie: Údaje obsahujúce osobné údaje (meno vlastníka, TR ID, citlivé miesto) by sa nemali odosielať na externý model v rozpore s firemnou politikou a legislatívou. Údaje by mali byť anonymizované, mali by sa použiť vzorky/reprezentatívne hodnoty alebo by sa malo použiť schválené/interné prostredie. Odôvodnenie „v každom prípade užitočné“ neodstraňuje povinnosť dôvernosti.
13. Aký je hlavný účel použitia indexu NDVI v klasifikácii krajinnej pokrývky?
- A) Meranie životaschopnosti/hustoty vegetácie z blízkeho infračerveného a červeného pásma ✔
- B) Meranie výšky pozemku v metroch
- C) Určenie vlastníka parcely
- D) Transformácia súradnicového systému
Popis: NDVI (Normalized Difference Vegetation Index) meria intenzitu/hustotu zelenej vegetácie pomocou rozdielu infračerveného a červeného pásma. Vegetácia je silným ukazovateľom pri rozlišovaní medzi vodou a holou zemou. Samotná výška nemeria ani neurčuje vlastníctvo.
14. Ktoré tvrdenie je najpresnejšie pre úlohu výstupu AI v aplikácii alebo katastrálnej úlohe kritickej z hľadiska bezpečnosti?
- A) Ak je výstup AI dostatočne plynulý, nie je potrebné schválenie inžinierom
- B) AI je urýchľovač; Nenahrádza schválenie a zodpovednosť kompetentného technika ✔
- C) Zodpovednosť prechádza na spoločnosť, ktorá model vyrába
- D) Pri použití najdrahšieho modelu sa nevyžaduje schválenie
Vyhlásenie: V inžinierskej a mapovej produkcii výstup AI nenahrádza kontrolu a schvaľovanie kompetentného odborníka pri práci, ktorá má bezpečnostné a právne dôsledky; Je to len urýchľovač a nástroj na vytváranie návrhov. Konečná zodpovednosť a podpis zostáva na autorizovanom inžinierovi.