Data Analysis with Machine Learning for Psychologists: Crash Course to Learn Python 3 and Machine Learning in 10 hours

قدرت داده ها اقتصاد دیجیتال قرن بیست و یکم را هدایت می کند. استدلال شده است که داده ها به اندازه نفت در طول انقلاب صنعتی یک منبع حیاتی هستند. روند افزایشی در تعداد انتشارات تحقیقاتی با استفاده از یادگیری ماشین در برخی از مجلات برتر در ترکیب با افزایش تعداد استخدام‌کنندگان دانشگاهی در روان‌شناسی که از متقاضیان دانش Python درخواست می‌کنند، نشان‌دهنده تقاضای فزاینده برای این مهارت‌ها در بازار است.

در حالی که کتاب‌های زیادی وجود دارد که علم داده را پوشش می‌دهد، به ندرت، و شاید هرگز، کتاب‌های موجود در بازار به نیاز دانشجویان علوم اجتماعی بدون پیش‌زمینه علوم رایانه پاسخ می‌دهند. آنها معمولاً توسط مهندسان یا دانشمندان رایانه برای افراد رشته خود نوشته می شوند. در نتیجه، اغلب چنین کتاب‌هایی با اصطلاحات فنی و مثال‌های بی‌ربط با مطالعات یا پروژه‌های روان‌شناختی پر می‌شوند. در مقابل، این کتاب توسط یک روانشناس به روشی ساده و قابل فهم و مختصر و در دسترس نوشته شده است. هدف این کتاب این بود که تجربه یادگیری در مورد این موضوع را تا حد امکان برای دانشجویان/محققان روانشناسی بدون پیشینه در برنامه نویسی یا علوم داده فراهم کند.

تکمیل این کتاب باعث می شود. همچنین فرصت‌های زیادی را برای محققان کمی در علم روان‌شناسی باز می‌کند، زیرا آنها را قادر می‌سازد تا انواع جدیدتری از سؤالات تحقیقاتی را کشف کنند.

The power of data drives the digital economy of the 21st century. It has been argued that data is as vital a resource as oil was during the industrial revolution. An upward trend in the number of research publications using machine learning in some of the top journals in combination with an increasing number of academic recruiters within psychology asking for Python knowledge from applicants indicates a growing demand for these skills in the market.

While there are plenty of books covering data science, rarely, if ever, books in the market address the need of social science students with no computer science background. They are typically written by engineers or computer scientists for people of their discipline. As a result, often such books are filled with technical jargon and examples irrelevant to psychological studies or projects. In contrast, this book was written by a psychologist in a simple, easy-to-understand way that is brief and accessible. The aim for this book was to make the learning experience on this topic as smooth as possible for psychology students/researchers with no background in programming or data science.

Completing this book will also open up an enormous amount of possibilities for quantitative researchers in psychological science, as it will enable them to explore newer types of research questions.