ngày 21 tháng 3 năm 2018
Mô hình tăng trưởng cây trồng, bóng đá số dữ liệu tập thống kê và dữ liệu lớn được giới thiệu trong Elmer G. Heyne Crop Science Bài giảng ngày 27 tháng 3
Charlie Messina, Nhà khoa bóng đá số dữ liệu nghiên cứu cao cấp được quốc tế lưu ý với DuPont Pioneer, sẽ trình bày bài giảng khoa bóng đá số dữ liệu crop Elmer G. Heyne lần thứ 34 lúc 4 giờ chiều. Thứ ba, ngày 27 tháng 3, vào năm 1018 Throckmorton Hall.
Messina sẽ trình bày "về sự hợp nhất của các mô hình tăng trưởng cây trồng và bóng đá số dữ liệu tập thống kê: Tận dụng khoa bóng đá số dữ liệu thực vật để tăng cường dự đoán về bộ gen - thành phenome trong kỷ nguyên của dữ liệu lớn trong nông nghiệp." Giải khát sẽ được phục vụ lúc 3:30 chiều trong sảnh tầng một của Hội trường Throckmorton. Bài giảng mở cửa cho công chúng.
Messina có bằng tiến sĩ về kỹ thuật nông nghiệp và sinh bóng đá số dữ liệu của Đại bóng đá số dữ liệu Florida, và bằng thạc sĩ và cử nhân của Đại bóng đá số dữ liệu Buenos Aires. Lợi ích nghiên cứu chính của ông bao gồm sự hợp nhất của các mô hình sinh bóng đá số dữ liệu và phương pháp bóng đá số dữ liệu tập thống kê để tăng giới hạn dự đoán trong các hệ thống nông nghiệp động - ví dụ: Mô hình tăng trưởng cây trồng và toàn bộ phương pháp dự đoán bộ gen; Sinh lý bóng đá số dữ liệu và di truyền trong ngô; và phát triển và ứng dụng các mô hình toán bóng đá số dữ liệu để dự đoán và phân tích các hệ thống nông nghiệp phản ứng với thay đổi môi trường.
Messina sẽ thảo luận về cách thức khoa bóng đá số dữ liệu thực vật củng cố sự phát triển công nghệ là công cụ để cải thiện cuộc sống cho người nghèo và xã hội nói chung. Tỷ lệ lợi ích di truyền hiện tại và tăng cường nông nghiệp là không đủ để sản xuất thực phẩm, chất xơ và nhiên liệu để đáp ứng nhu cầu dự kiến. Những tiến bộ gần đây trong các công nghệ thông tin, hiện tượng và thuật toán bóng đá số dữ liệu tập thống kê làm cho các bộ dữ liệu lớn có sẵn để phân tích và thúc đẩy các nghiên cứu dự đoán và phân loại trong nông nghiệp.
Messina sẽ thảo luận thêm về một mô hình tổng quát chính thức cho phép tích hợp bộ gen, hiện tượng, dữ liệu môi trường và kiến thức sinh bóng đá số dữ liệu để dự đoán hiệu suất của các giống lai. Mô hình này có các yếu tố cốt lõi của mô hình cây trồng và bóng đá số dữ liệu tập thống kê dưới dạng thuật toán Bayes phân cấp. Mô hình được chứng minh với các nghiên cứu trường hợp về nhân giống và công nghệ sinh bóng đá số dữ liệu để cải thiện khả năng chịu hạn. Dự báo về hậu quả của sự thay đổi trong trang điểm di truyền của ngô được thực hiện ở quy mô khu vực để chứng minh phương pháp luận.