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 Handbook of Computational Social Science, Volume 2: Data Science, Statistical Modelling, and Machine Learning Methods

دانلود کتاب کتاب علوم اجتماعی محاسباتی جلد 2: علم داده، مدل سازی آماری و روش های یادگیری ماشین

Handbook of Computational Social Science, Volume 2: Data Science, Statistical Modelling, and Machine Learning Methods

مشخصات کتاب

Handbook of Computational Social Science, Volume 2: Data Science, Statistical Modelling, and Machine Learning Methods

ویرایش:  
نویسندگان: , , ,   
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 

قیمت کتاب (تومان) : 45,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


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.


توضیحاتی در مورد کتاب کتاب علوم اجتماعی محاسباتی جلد 2: علم داده، مدل سازی آماری و روش های یادگیری ماشین



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.


توضیحاتی درمورد کتاب به خارجی

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.





نظرات کاربران