| DC Field | Value | Language |
|---|
| dc.contributor.author | Русецкий, А. Д. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2025-05-05T09:24:33Z | - |
| dc.date.available | 2025-05-05T09:24:33Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.citation | Русецкий, А. Д. Принятие решений на основе данных в сельском хозяйстве = Data-based decision making in agriculture / А. Д. Русецкий // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XI Международной научно-практической конференции, Республика Беларусь, Минск, 23–24 апреля 2025 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2025. – С. 152–160. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/59719 | - |
| dc.description.abstract | Рассмотрена интеграция анализа больших данных в точное земледелие с упором на
разработку прогнозных моделей, которые могут оптимизировать урожайность, сократить отходы и улучшить
распределение ресурсов, включая воду, удобрения и энергию.
Рассмотрена роль сбора данных в реальном времени с датчиков, дронов и спутников в сочетании с
моделями машинного обучения для предоставления сельскому хозяйству практической информации.
Изучены проблемы наличия, доступности и масштабируемости данных, особенно для сельских
хозяйств в отдаленных от областных центров регионах. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | прогнозная аналитика | en_US |
| dc.subject | точное земледелие | en_US |
| dc.subject | большие данные | en_US |
| dc.subject | интернет вещей | en_US |
| dc.subject | сельское хозяйство | en_US |
| dc.subject | оптимизация урожайности | en_US |
| dc.title | Принятие решений на основе данных в сельском хозяйстве | en_US |
| dc.title.alternative | Data-based decision making in agriculture | en_US |
| dc.type | Article | en_US |
| local.description.annotation | Examines the integration of big data analytics into precision agriculture, with a focus on developing
predictive models that can optimize yields, reduce waste, and improve resource allocation, including water, fertilizer,
and energy.
Explores the role of real-time data collection from sensors, drones and satellites combined with machine
learning models to provide actionable information to agriculture.
The problems of data availability, accessibility and scalability have been studied, especially for rural farms in
regions remote from regional centers. | en_US |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2025)
|
