دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Uwe Engel, Anabel Quan-Haase, Sunny Liu, Lars Lyberg سری: European Association of Methodology Series ISBN (شابک) : 0367457806, 9780367457808 ناشر: Routledge سال نشر: 2021 تعداد صفحات: 471 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 10 مگابایت
در صورت تبدیل فایل کتاب Handbook of Computational Social Science, Volume 2: Data Science, Statistical Modelling, and Machine Learning Methods 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 کتاب علوم اجتماعی محاسباتی جلد 2: علم داده، مدل سازی آماری و روش های یادگیری ماشین 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.
راهنمای علوم اجتماعی محاسباتی یک منبع مرجع جامع برای محققان در رشتههای مختلف است. این کتاب بحثهای کلیدی در این زمینه را تشریح میکند، مدلسازی آماری جدید و روشهای یادگیری ماشین را به نمایش میگذارد، و از مطالعات موردی خاص برای نشان دادن فرصتها و چالشها در رویکردهای CSS استفاده میکند.
این کتاب به دو جلد تقسیم شده است که توسط افراد برجسته نوشته شده است. ، دانشمندان مشهور بین المللی در این زمینه. این جلد دوم بر پایهها و پیشرفتها در علم داده، مدلسازی آماری و یادگیری ماشین تمرکز دارد. طیف وسیعی از مسائل کلیدی، از جمله مدیریت داده های بزرگ از نظر پیوند رکورد، جریان و داده های از دست رفته را پوشش می دهد. یادگیری ماشین، مدلسازی آماری و مبتنی بر عامل، و همچنین کیفیت دادهها در رابطه با ردیابی دیجیتال و دادههای متنی، و همچنین نمونههای احتمالی، غیراحتمالی و جمعسپاری کانونهای بیشتری را نشان میدهند. این حجم نه تنها سهم عمدهای در تثبیت این زمینه تحقیقاتی رو به رشد دارد، بلکه رشد را در جهتهای جدید تشویق میکند.
با پوشش گستردهای از دیدگاهها (نظری، روششناختی، محاسباتی)، دامنه بینالمللی، و بین رشتهای با رویکرد، این منبع مهم برای دانشجویان پیشرفته، کارشناسی ارشد، و محققانی است که با روشهای محاسباتی در سراسر علوم اجتماعی و همچنین کسانی که در بخشهای علمی و مهندسی درگیر هستند، مطالعه کاملی دارد.
The Handbook of Computational Social Science is a comprehensive reference source for scholars across multiple disciplines. It outlines key debates in the field, showcasing novel statistical modeling and machine learning methods, and draws from specific case studies to demonstrate the opportunities and challenges in CSS approaches.
The Handbook is divided into two volumes written by outstanding, internationally renowned scholars in the field. This second volume focuses on foundations and advances in data science, statistical modeling, and machine learning. It covers a range of key issues, including the management of big data in terms of record linkage, streaming, and missing data. Machine learning, agent-based and statistical modeling, as well as data quality in relation to digital trace and textual data, as well as probability, non-probability, and crowdsourced samples represent further foci. The volume not only makes major contributions to the consolidation of this growing research field, but also encourages growth into new directions.
With its broad coverage of perspectives (theoretical, methodological, computational), international scope, and interdisciplinary approach, this important resource is integral reading for advanced undergraduates, postgraduates, and researchers engaging with computational methods across the social sciences, as well as those within the scientifi c and engineering sectors.