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: [1, 1 ed.] نویسندگان: Justin Grimmer, Margaret E. Roberts, Brandon M. Stewart سری: ISBN (شابک) : 9780691207544, 9780691207995 ناشر: Princeton University Press سال نشر: 2022 تعداد صفحات: 336 [342] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 263 Mb
در صورت تبدیل فایل کتاب Text as Data: A New Framework for Machine Learning and the Social Sciences 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 متن به عنوان داده: چارچوبی جدید برای یادگیری ماشین و علوم اجتماعی 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.
در دهه گذشته، روشهای متن بهعنوان داده در علوم اجتماعی، علوم انسانی دیجیتال و صنعت محبوبیت زیادی پیدا کرده است. دادههای فراوان، روشهای جدید و کاهش هزینههای محاسباتی باعث شده است که قفل دادههای ارزشمند در اسناد به طور فزایندهای امکانپذیر شود. این گرایشها به سمت دادههای بیشتر، روشهای بهتر و رایانههای سریعتر فقط افزایش مییابد. با این حال، این ابزارها باید برای استنباط معتبر در علوم اجتماعی تطبیق داده شوند. این کتاب راهنمای استفاده از این پیشرفتها برای استنتاج درباره رفتار انسان در حال حاضر و آینده است.
Over the last decade, text as data methods have exploded in popularity in the social sciences, digital humanities, and industry. Plentiful data, new methods, and decreas- ing cost of computation have conspired to make it increasingly possible to unlock the valuable data in documents. These trends toward more data, better methods, and faster computers are only going to increase. Yet, these tools must be adapted to make valid inferences in the social sciences. This book is a guide to harnessing these advancements to make inferences about human behavior both now and in the future.