Konferencija „AI in Agriculture“
U okviru konferencije za primenjenu veštačku inteligenciju održane u Kragujevcu prezentovan je rad:M. Kovacevic, P. Burasc, B. Bajat, M. Kilibarda , AI in Agriculture, 11st Serbian
Istrazivači sa projekata CERES će učestvovati na novom studijskom programu na Građevinskom fakultetu u Beogradu. Novi studijski program osnovnih i master studija Geoinformatike počinje od školske godine 2021/2022. Praktična iskustva i znanja proistekla iz projekta CERES biće demonstrirana i kroz nastavni proces.
Geoinformatika objedinjuje tehnologije koje se koriste za prikupljanje, obradu, upravljanje i vizuelizaciju prostornih podataka: Kartografija, Geografski informacioni sistemi (GIS), Fotogrametrija, Daljinska detekcija i Globalni navigacioni satelitski sistemi (GNSS) kao i mnoge metode iz oblasti informacionih tehnologija koje su neophodne za kvalitetne servise bazirane na prostornim podacima. Novi studijski program bogat je kursevima iz oblasti programiranja, kompjuterske vizije, mašinskog učenja, veštačke inteligencije i baza podataka.
Novi profil stručnjaka imaće zvanje inženjera geoinformatike, odnosno master inženjera geoinformatike u skladu sa dopunjenom listom Pravilnika o listi stručnih, akademskih i naučnih naziva.
Primena geoiformatike je veoma široka i obuhvata oblasti kao što su: informacione tehnologije, prostorno planiranje, poljoprivreda, ekologija, upravljanje rizicima, geodezija, geografija, saobraćaj, ekonomija, turizam, demografske analize, druge geonauke, itd.
U okviru konferencije za primenjenu veštačku inteligenciju održane u Kragujevcu prezentovan je rad:M. Kovacevic, P. Burasc, B. Bajat, M. Kilibarda , AI in Agriculture, 11st Serbian
Istraživači sa projekta CERES su učestvovali na konferenciji Open Data Science Europe workshop 2022 https://opendatascience.eu/workshop-2022/ . U okviru konrerencije Milan Kilibarda je održao predavanje na temu „Introduction to Web
Milan Kilibarda i Ognjen Antonijević su učestvovali u istraživanju publikovanom pod naslovom „A spatiotemporal ensemble Machine Learning framework for generating land use/land cover time-series maps
U okviru projekta CERES publikovan je rad na temu transfera znanja mašinskog učenja za proračun organskog ugljenika u zemljištu kada su poznati drugi fizički i