Сибирский федеральный университет

Дорогие друзья! Подходит к концу 2022 год. Он был наполнен яркими и важными событиями. Предлагаем вспомнить самые значимые моменты уходящего года.

С 28 по 31 марта 2023 года на базе Сибирского федерального университета при поддержке Института теплофизики им. С. С. Кутателадзе СО РАН состоится I Всероссийская конференция с международным участием «Енисейская теплофизика — 2023».

Учёные Сибирского федерального университета в рамках деятельности НОЦ мирового уровня «Енисейская Сибирь» спрогнозировали климатические риски, с которыми столкнутся жители Красноярского края в будущем.

Учёные Сибирского федерального университета предложили способы усовершенствования технологии выращивания различных агрокультур в условиях гидропонных вертикальных ферм. Разработано программное обеспечение, помогающее осуществлять непрерывный мониторинг жизни растений в сити-ферме, а также нейросеть, отвечающая за обнаружение недоброкачественного посевного материала и рассады. Разработка значительно удешевит процесс получения микрозелени, ароматических трав, салата и овощей как для ресторанных холдингов, так и для частных фермерских хозяйств.

Учёные Сибирского федерального университета в рамках программы «Приоритет 2030» разработали цифровую платформу «Сибириана», которая объединит информацию об историко-культурном и природном наследии Енисейской Сибири. География проекта охватывает Красноярский край, Хакасию, Республику Тыва и часть Иркутской области. Первыми о проекте рассказали РИА Новости.

Красноярский краевой фонд науки объявил победителей Конкурса проектов прикладных научных исследований и экспериментальных разработок, выполняемых магистрантами, аспирантами и молодыми учёными в интересах первого климатического Научно-образовательного центра мирового уровня «Енисейская Сибирь», в том числе в целях обеспечения устойчивого развития Арктики и территорий Крайнего Севера.

Учёные Сибирского федерального университета разработали модель раннего обнаружения студентов, у которых могут возникнуть проблемы с академической успеваемостью. Это модель машинного обучения, которая по данным цифрового следа студентов в электронной обучающей среде прогнозирует, сдаст ли студент в конце семестра экзамен или зачёт. По словам исследователей СФУ, своевременное выявление проблем в обучении позволяет помочь студенту с ними справиться, чтобы в итоге он успешно сдал сессию. Эффективность разработки экспериментально подтверждена преподавателями Института космических и информационных технологий в рамках контрольной группы студентов.