Data Science, Interactive Visualizations, and Generative AI Tools for the Analysis of Qualitative, Mixed-Methods, and Multimodal Evidence by Gonz-lez Canch-, Manuel;

20% KEDVEZMÉNY?
A kedvezmény csak az 'Értesítés a kedvenc témákról' hírlevelünk címzettjeinek rendeléseire érvényes.

Kiadói listaár EUR 142.00
Az ár azért becsült, mert a rendelés pillanatában nem lehet pontosan tudni, hogy a beérkezéskor milyen lesz a forint árfolyama az adott termék eredeti devizájához képest. Ha a forint romlana, kissé többet, ha javulna, kissé kevesebbet kell majd fizetnie.

55 465 Ft (52 824 Ft + 5% áfa)
Kedvezmény(ek) 20% (cc. 11 093 Ft off)
Kedvezményes ár 44 372 Ft (42 259 Ft + 5% áfa)
A kedvezmény érvényes eddig: 2026. június 30.

55 465 Ft

Beszerezhetőség

Még nem jelent meg, de rendelhető. A megjelenéstől számított néhány héten belül megérkezik.

A termék adatai:

Kiadó Elsevier Science
Megjelenés dátuma 2026. június 26.

ISBN 9780443219610
Kötéstípus Puhakötés
Terjedelem250 oldal
Méret 235x191 mm
Súly 450 g
Nyelv angol

Kategóriák

Alkalmazott matematika A számítástudomány elmélete, a számítástechnika általában Operációs rendszerek és grafikus felhasználói felületek Magasszintű programnyelvek Mesterséges intelligencia Programnyelvek általában Diszkrét matematika Alkalmazott matematika (karitatív célú kampány) A számítástudomány elmélete, a számítástechnika általában (karitatív célú kampány) Operációs rendszerek és grafikus felhasználói felületek (karitatív célú kampány) Magasszintű programnyelvek (karitatív célú kampány) Mesterséges intelligencia (karitatív célú kampány) Programnyelvek általában (karitatív célú kampány) Diszkrét matematika (karitatív célú kampány)

Hosszú leírás:

Data Science, Interactive Visualization, and Generative AI Tools for the Analysis of Qualitative Evidence empowers qualitative and mixed methods researchers in the data science movement by offering no-code, cost-free software access so that they can apply cutting-edge and innovative methods to synthetize qualitative data. The book builds on the idea that qualitative and mixed methods researchers should not have to learn to code to benefit from rigorous open-source, cost-free software that uses artificial intelligence, machine learning, and data visualization tools-just as people do not need to know C++ or TypeScript to benefit from Microsoft Word. The real barrier is the hundreds of R code lines required to apply these concepts to their databases. By removing the coding proficiency hurdle, this book will empower their research endeavors and help them become active members of and contributors to the applied data science community. The book offers a comprehensive explanation of data science and machine learning methodologies, along with access to software application tools to implement these techniques without any coding proficiency. The book addresses the need for innovative tools that enable researchers to tap into the insights that come out of cutting-edge data science tools with absolutely no computer language literacy requirements.

Több

Tartalomjegyzék:

Part I. Democratizing Data Science for Textual, Relational, and Multimodal Inquiry
1. Democratizing Interpretive Data Science for Scholarly Inquiry: Epistemic Foundation
Part II. Mapping Meaning Through Networks: Relational Meaning and Networked Time
2. Network Analysis of Qualitative Data (NAQD)
3. Graphical Retrieval and Analysis of Temporal Information Systems (GRATIS)
4. Visual Evolution, Replay, and Integration of Temporal Analytic Systems (VERITAS)
Part III. Topic Discovery and Language Intelligence Frameworks
5. Latent Code Identification (LACOID)
6. Machine Driven Classification of Open-Ended Responses (MDCOR)
Part IV. Integrative Extensions for Textual, Relational, Spatial, and Affective Analysis
7. Sentiment and Emotion Network Analysis (SENA)
8. GeoStoryTelling
Part V. Interpretation, Synthesis, and Scholarly Brainstorming with Local Generative AI
9. Intelligent Systems for Academic Research Integration (ISARI): A Local and Fully Offline Brainstorming Partner for Ethical Scholarly Inquiry
10. Closing Thoughts and Moving Forward