ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Big Data Analysis Using Machine Learning for Social Scientists and Criminologists

دانلود کتاب تجزیه و تحلیل کلان داده با استفاده از یادگیری ماشین برای دانشمندان علوم اجتماعی و جرم شناسان

Big Data Analysis Using Machine Learning for Social Scientists and Criminologists

مشخصات کتاب

Big Data Analysis Using Machine Learning for Social Scientists and Criminologists

دسته بندی: پایگاه داده ها
ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1527533883, 9781527533882 
ناشر: Cambridge Scholars Publishing 
سال نشر: 2019 
تعداد صفحات: 316 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 19 مگابایت 

قیمت کتاب (تومان) : 50,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Big Data Analysis Using Machine Learning for Social Scientists and Criminologists به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب تجزیه و تحلیل کلان داده با استفاده از یادگیری ماشین برای دانشمندان علوم اجتماعی و جرم شناسان نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب تجزیه و تحلیل کلان داده با استفاده از یادگیری ماشین برای دانشمندان علوم اجتماعی و جرم شناسان

این کتاب شرح مفصلی از کل فرآیند مطالعه در مورد جمع‌آوری و تجزیه و تحلیل داده‌های بزرگ و انجام مشاهدات برای توسعه یک مدل پیش‌بینی جرم که از یافته‌های آن استفاده می‌کند، ارائه می‌کند. این یک بحث عمیق در مورد چندین فرآیند، از جمله متن کاوی، که اطلاعات مفید را از اسناد آنلاین استخراج می کند، ارائه می دهد. نظر کاوی، که احساسات موجود در اسناد را تجزیه و تحلیل می کند. یادگیری ماشین برای پیش بینی جرم؛ و تجزیه و تحلیل تجسم برای پیش‌بینی دقیق جرایم با استفاده از یادگیری ماشینی، تهیه داده‌های آموزشی با کیفیت بالا ضروری است. یادگیری ماشینی همراه با داده های با کیفیت بالا می تواند برای توسعه هوش مصنوعی عالی برای پیش بینی جرم استفاده شود. به این ترتیب، این کتاب راهنمای عملی برای هر کسی خواهد بود که مایل به پیش بینی پدیده های اجتماعی در حال تغییر سریع و نتیجه گیری خلاقانه با استفاده از تجزیه و تحلیل کلان داده ها است.


توضیحاتی درمورد کتاب به خارجی

This book provides a detailed description of the entire study process concerning gathering and analysing big data and making observations to develop a crime-prediction model that utilises its findings. It offers an in-depth discussion of several processes, including text mining, which extracts useful information from online documents; opinion mining, which analyses the emotions contained in documents; machine learning for crime prediction; and visualization analysis. To accurately predict crimes using machine learning, it is necessary to procure high-quality training data. Machine learning combined with high-quality data can be used to develop excellent crime-prediction artificial intelligences. As such, the book will serve to be a practical guide to anyone wishing to predict rapidly-changing social phenomena and draw creative conclusions using big-data analysis.



فهرست مطالب

Table of Contents
Installation and Use of R
	Installation of R
	Use of R
Scientific Research Design
	Research Concepts
	Variable Measurement
	Unit of Analysis
	Sampling and Hypothesis Testing
	Statistical Analysis
Overview of Machine Learning
	Introduction
	Machine Learning Training Data
Development of a Cyber bullying Prediction Model Based on Machine Learning
	Naïve Bayes Classification Model
	Logistic Regression Model
	Random Forest Model
	Decision Tree Model
	Neural Network Model
	Support Vector Machine Model
	Association Analysis
	Cluster Analysis and Segmentation
Machine Learning Model Evaluation
	Machine Learning Model Evaluation Using Misclassification Tables
	Machine Learning Model Evaluation Using ROC Curves
Artificial Intelligence
	Calculate the Effect of Input Variables on Output Variables (Prediction Probability)
	Using Training Data with Input Variables to Create Dependent Variables
	Creating Data with the Same Training-Data and Predicted-Data Classifications
	Evaluating Existing Training Data and High Quality Training Data
	Creating an Artificial Intelligence with Machine Learning
Visualization
	Visualization of Text Data
	Visualization of Time Series Data
	Visualization of Geographical Data
Developing Machine Learning–Based Predictive Models of Adverse Drug Responses
	Introduction
	Research Subjects and Analysis Method
	Result
	Discussion and Conclusion
Index




نظرات کاربران