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 Human-Centered Data Science: An Introduction : An Introduction

دانلود کتاب علم داده های انسان محور: مقدمه: مقدمه

Human-Centered Data Science: An Introduction : An Introduction

مشخصات کتاب

Human-Centered Data Science: An Introduction : An Introduction

ویرایش:  
نویسندگان: , , , ,   
سری:  
ISBN (شابک) : 9780262543217, 2021019747 
ناشر: MIT Press 
سال نشر: 2022 
تعداد صفحات:  
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 Mb 

قیمت کتاب (تومان) : 50,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 2


در صورت تبدیل فایل کتاب Human-Centered Data Science: An Introduction : An Introduction 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 علم داده های انسان محور: مقدمه: مقدمه 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 علم داده های انسان محور: مقدمه: مقدمه

بهترین روش‌ها برای رسیدگی به سوگیری و نابرابری که ممکن است از جمع‌آوری، تجزیه و تحلیل و توزیع خودکار مجموعه داده‌های بزرگ ناشی شود. علم داده با محوریت انسان یک حوزه میان رشته ای جدید است که از تعامل انسان و رایانه، علوم اجتماعی، آمار و تکنیک های محاسباتی نشأت می گیرد. این کتاب که توسط بنیان‌گذاران این رشته نوشته شده است، بهترین شیوه‌ها را برای پرداختن به تعصب و نابرابری که ممکن است از جمع‌آوری خودکار، تجزیه و تحلیل و توزیع مجموعه داده‌های بسیار بزرگ ناشی شود، معرفی می‌کند. این یک نمای کلی مختصر و قابل دسترس از بسیاری از تکنیک های رایج علم داده های آماری و الگوریتمی ارائه می دهد، رویکردهای انسان محور را برای مسائل علم داده توضیح می دهد، و دستورالعمل های عملی و مطالعات موردی در دنیای واقعی را برای کمک به خوانندگان در استفاده از این روش ها ارائه می دهد. نویسندگان توضیح می‌دهند که چگونه انتخاب‌های دانشمندان داده در هر مرحله از گردش کار علم داده دخیل هستند - و نشان می‌دهند که چگونه یک رویکرد انسان محور می‌تواند هر یک را با شفاف‌تر کردن فرآیند، پرسیدن سؤالات و در نظر گرفتن بافت اجتماعی داده‌ها بهبود بخشد. . آنها توضیح می دهند که چگونه ابزارهای علوم اجتماعی ممکن است در شیوه های علم داده گنجانده شوند، انواع مختلف همکاری را مورد بحث قرار می دهند و داستان سرایی داده ها را از طریق تجسم در نظر می گیرند. این کتاب نشان می دهد که متخصصان علوم داده می توانند الگوریتم های دقیق و اخلاقی بسازند و پروژه هایی را طراحی کنند که از ابزارهای محاسباتی پیشرفته استفاده می کنند و به نگرانی های اجتماعی می پردازند.


توضیحاتی درمورد کتاب به خارجی

Best practices for addressing the bias and inequality that may result from the automated collection, analysis, and distribution of large datasets. Human-centered data science is a new interdisciplinary field that draws from human-computer interaction, social science, statistics, and computational techniques. This book, written by founders of the field, introduces best practices for addressing the bias and inequality that may result from the automated collection, analysis, and distribution of very large datasets. It offers a brief and accessible overview of many common statistical and algorithmic data science techniques, explains human-centered approaches to data science problems, and presents practical guidelines and real-world case studies to help readers apply these methods. The authors explain how data scientists’ choices are involved at every stage of the data science workflow—and show how a human-centered approach can enhance each one, by making the process more transparent, asking questions, and considering the social context of the data. They describe how tools from social science might be incorporated into data science practices, discuss different types of collaboration, and consider data storytelling through visualization. The book shows that data science practitioners can build rigorous and ethical algorithms and design projects that use cutting-edge computational tools and address social concerns.





نظرات کاربران