معرفی کتاب

کلان داده‌ و علوم اجتماعی

این کتاب نشان می‌دهد که چگونه می‌توان از علم داده در حل مسائل دنیای واقعی استفاده کرد و تمام مراحل یک پروژه علمی، اجتماعی یا سیاستی را با داده‌های متمرکز پوشش داد.
تصویر کلان داده‌ و علوم اجتماعی

مشخصات کتاب

Big Data and Social Science: Data Science Methods and Tools for Research and Practice, Published 2020, by Chapman and Hall/CRC, 411 Pages.

در این کتاب پژوهشگران برجسته‌ی علوم اجتماعی، آمار، علوم‌کامپیوتر و علوم داده دیدگاه منحصر به فردی را در مورد نحوه به کارگیری اصول مدرن تحقیقات علوم اجتماعی و ابزارهای تحلیلی و محاسباتی فعلی ارائه می‌دهند. این کتاب می‌آموزد که چگونه باید داده‌های مناسب را شناسایی و جمع‌آوری کرد، روش‌ها و ابزارهای علم داده را بر روی داده ها اعمال کرد و خطاها، سوگیری‌ها و محدودیت‌های داده را تشخیص داده و به آنها پاسخ دهیم.

کتاب در یک نگاه

  • رویکردی در دسترس و عملی برای مدیریت انواع جدید داده‌ها در علوم اجتماعی ارایه می‌دهد.
  • ابزارهای کلیدی علم داده را به روشی غیرترسناک به دانشمندان علوم اجتماعی و داده ارائه می‌دهد و در عین حال تمرکز بر سؤالات و اهداف تحقیق را حفظ می‌کند.
  • علوم اجتماعی و اصول علم داده را از طریق مشکلات دنیای واقعی نشان می‌دهد.
  • مفاهیم علوم کامپیوتر را به تحقیقات عملی علوم اجتماعی پیوند می‌دهد.
  • عملکرد علمی خوب را ترویج می‌کند.
  • از طریق Binder و GitHub، کتاب‌های کاری رایگان با داده‌ها، کد و تمرین‌های برنامه‌نویسی کاربردی را ارائه می‌کند.

در ویرایش دوم این کتاب مباحث زیر افزوده شده است:

  • افزایش استفاده از نمونه‌هایی از حوزه‌های مختلف علوم اجتماعی
  • فصل جدید در مورد بررسی مدل‌های یادگیری ماشین
  • فصل‌های گسترش‌یافته با تمرکز بر یادگیری ماشین و تجزیه و تحلیل متن
  • یادداشت‌های کاربردی برای تقویت مفاهیم تحت پوشش هر فصل

از این کتاب می‌توان برای آموزش نسل جدیدی از متخصصان داده‌های اجتماعی برای مقابله با مشکلات دنیای واقعی و بهبود مهارت‌ها و شایستگی‌های آنان استفاده کرد. این کتاب به شما این امکان را می‌دهد که از حجم عظیم و به سرعت در حال رشد داده‌های موجود برای تفسیر فعالیت‌های اقتصادی و اجتماعی به شیوه‌ای علمی و دقیق استفاده کنید.

فهرست مطالب

  • مقدمه
  • کار با داده‌های وب و API ها - Cameron Neylon
  • پیوند داده - - Joshua Tokle Stefan Bender
  • پایگاه‌های داده – Ian Foster - Pascal Heus
  • افزایش مقیاس از طریق محاسبات موازی و توزیع شده - Huy Vo -Claudio Silva
  • تجسم اطلاعات - M. Adil Yalcin - Catherine Plaisant
  • یادگیری ماشینی - Rayid Ghani و Malte Schierholz
  • تجزیه و تحلیل متن – Evgeny Klochikhin and Jordan Boyd-Graber
  • شبکه ها: اصول اولیه - Jason Owen-Smith
  • کیفیت داده‌ها و خطاهای استنتاج - Paul P. Biemer
  • سوگیری و عدالت – Kit T. Rodolfa, Pedro Saleiro, and Rayid Ghani
  • حریم خصوصی و محرمانگی – Stefan Bender, Ron Jarmin, Frauke Kreuter, and Julia Lane
  • کتاب کار - Brian Kim, Christoph Kern, Jonathan Scott Morgan, Clayton Hunter, and Avishek Kumar

283908