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 and Social Science: Data Science Methods and Tools for Research and Practice

دانلود کتاب کلان داده و علوم اجتماعی: روش ها و ابزارهای علم داده برای تحقیق و عمل

Big Data and Social Science: Data Science Methods and Tools for Research and Practice

مشخصات کتاب

Big Data and Social Science: Data Science Methods and Tools for Research and Practice

ویرایش: 2 
نویسندگان: , , , ,   
سری: Chapman & Hall/CRC Statistics in the Social and Behavioral Sciences 
ISBN (شابک) : 0367341875, 9780367341879 
ناشر: Chapman and Hall/CRC 
سال نشر: 2020 
تعداد صفحات: 413 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 26 مگابایت 

قیمت کتاب (تومان) : 45,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 11


در صورت تبدیل فایل کتاب Big Data and Social Science: Data Science Methods and Tools for Research and Practice 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 کلان داده و علوم اجتماعی: روش ها و ابزارهای علم داده برای تحقیق و عمل 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 کلان داده و علوم اجتماعی: روش ها و ابزارهای علم داده برای تحقیق و عمل



Big Data and Social Science: Data Science Methods and Tools for Research and Practice، ویرایش دوم نشان می دهد که چگونه می توان علم داده را در مسائل دنیای واقعی به کار برد و تمامی مراحل را پوشش می دهد. یک پروژه علم اجتماعی یا سیاستی با داده فشرده رهبران برجسته در علوم اجتماعی، آمار، و علوم کامپیوتر و همچنین در زمینه علم داده، دیدگاه منحصر به فردی را در مورد نحوه به کارگیری اصول مدرن تحقیقات علوم اجتماعی و ابزارهای تحلیلی و محاسباتی فعلی ارائه می دهند. این متن به شما یاد می‌دهد که چگونه داده‌های مناسب را شناسایی و جمع‌آوری کنید، روش‌ها و ابزارهای علم داده را برای داده‌ها به کار ببرید، خطاها، سوگیری‌ها و محدودیت‌های داده را تشخیص دهید و به آنها پاسخ دهید.

ویژگی‌ها:

  • رویکردی در دسترس و عملی برای مدیریت انواع داده های جدید در علوم اجتماعی اتخاذ می کند
  • ابزارهای کلیدی علم داده را به روشی غیر ترسناک به هر دو ارائه می دهد. دانشمندان علوم اجتماعی و داده در حالی که تمرکز خود را بر روی سؤالات و اهداف پژوهشی متمرکز می کنند
  • علوم اجتماعی و اصول علم داده را از طریق مسائل دنیای واقعی نشان می دهد
  • مفاهیم علوم کامپیوتر را به تحقیقات عملی علوم اجتماعی پیوند می دهد
  • li>
  • روش علمی خوب را ترویج می کند
  • کتاب های کاری با داده ها، کد و تمرین های عملی برنامه نویسی را از طریق Binder و GitHub ارائه می دهد. li>

جدید در ویرایش دوم:

  • افزایش استفاده از نمونه هایی از حوزه های مختلف علوم اجتماعی
  • جدید فصل برخورد با تعصب و انصاف در مدل‌های یادگیری ماشین
  • فصل‌های توسعه‌یافته با تمرکز بر یادگیری ماشین و تجزیه و تحلیل متن
  • نوت‌بوک‌های دستی Jupyter اصلاح‌شده برای تقویت مفاهیم مطرح‌شده در هر فصل

این کتاب تست شده در کلاس درس، شکاف بزرگی را در زمینه علوم داده و آموزش علوم اجتماعی در سطح فارغ التحصیل و حرفه ای پر می کند. می‌توان از آن برای آموزش نسل جدیدی از دانشمندان داده‌های اجتماعی برای مقابله با مشکلات دنیای واقعی و بهبود مهارت‌ها و شایستگی‌های دانشمندان اجتماعی کاربردی و متخصصان سیاست عمومی استفاده کرد. این به شما این امکان را می دهد که از حجم عظیم و به سرعت در حال رشد داده های موجود برای تفسیر فعالیت های اقتصادی و اجتماعی به شیوه ای علمی و دقیق استفاده کنید.


توضیحاتی درمورد کتاب به خارجی

Big Data and Social Science: Data Science Methods and Tools for Research and Practice, Second Edition shows how to apply data science to real-world problems, covering all stages of a data-intensive social science or policy project. Prominent leaders in the social sciences, statistics, and computer science as well as the field of data science provide a unique perspective on how to apply modern social science research principles and current analytical and computational tools. The text teaches you how to identify and collect appropriate data, apply data science methods and tools to the data, and recognize and respond to data errors, biases, and limitations.

Features:

  • Takes an accessible, hands-on approach to handling new types of data in the social sciences
  • Presents the key data science tools in a non-intimidating way to both social and data scientists while keeping the focus on research questions and purposes
  • Illustrates social science and data science principles through real-world problems
  • Links computer science concepts to practical social science research
  • Promotes good scientific practice
  • Provides freely available workbooks with data, code, and practical programming exercises, through Binder and GitHub

New to the Second Edition:

  • Increased use of examples from different areas of social sciences
  • New chapter on dealing with Bias and Fairness in Machine Learning models
  • Expanded chapters focusing on Machine Learning and Text Analysis
  • Revamped hands-on Jupyter notebooks to reinforce concepts covered in each chapter

This classroom-tested book fills a major gap in graduate- and professional-level data science and social science education. It can be used to train a new generation of social data scientists to tackle real-world problems and improve the skills and competencies of applied social scientists and public policy practitioners. It empowers you to use the massive and rapidly growing amounts of available data to interpret economic and social activities in a scientific and rigorous manner.



فهرست مطالب

Cover
Half Title
Series Page
Title Page
Copyright Page
Contents
Preface
Editors
Contributors
1. Introduction
	1.1 Why this book?
	1.2 Defining big data and its value
	1.3 The importance of inference
		1.3.1 Description
		1.3.2 Causation
		1.3.3 Prediction
	1.4 The importance of understanding how data are generated
	1.5 New tools for new data
	1.6 The book’s “use case”
	1.7 The structure of the book
		1.7.1 Part I: Capture and curation
		1.7.2 Part II: Modeling and analysis
		1.7.3 Part III: Inference and ethics
	1.8 Resources
Part I Capture and Curation
	2 Working with Web Data and APIs
	3 Record Linkage
	4 Databases
	5 Scaling up through Parallel and Distributed Computing
Part II Modeling and Analysis
	6 Information Visualization
	7 Machine Learning
	8 Text Analysis
	9 Networks: The Basics
Part III Inference and Ethics
	10 Data Quality and Inference Errors
	11 Bias and Fairness
	12 Privacy and Confidentiality
	13 Workbooks
334_Password_Removed
Bibliography
Index




نظرات کاربران