Practical Data Mining with AI for Social Scientists by Kirilenko, Andrei P.;

Sorozatcím: Springer Texts in Social Sciences;

Kiadói listaár EUR 74.89
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.

31 060 Ft (29 581 Ft + 5% áfa)

31 060 Ft

Beszerezhetőség

Megrendelésre a kiadó utánnyomja a könyvet. Rendelhető, de a szokásosnál kicsit lassabban érkezik meg.

A termék adatai:

Kiadó Springer Nature Switzerland
Megjelenés dátuma 2026. január 10.
Kötetek száma 1 pieces, Book

ISBN 9783031896880
Kötéstípus Puhakötés
Terjedelem520 oldal
Méret 235x155 mm
Nyelv angol
Illusztrációk XIV, 520 p. 653 illus., 237 illus. in color. Illustrations, black & white

Kategóriák

Szociológia általában, módszertan, kézikönyvek Valószínűségelmélet és matematikai statisztika Adatkezelés a számítógépes rendszerekben Operációs rendszerek és grafikus felhasználói felületek Magasszintű programnyelvek Adatbázis kezelő szoftverek Mesterséges intelligencia Programnyelvek általában

Hosszú leírás:

"

This book is designed as a foundational textbook for upper-level undergraduate and graduate students from non-technical fields who want to acquire a basic understanding of data science and learn practical skills in data analysis. It distinguishes itself by combining theoretical knowledge with practical applications, bridged through extensive Python programming exercises. To accommodate social scientists' needs, the book emphasizes the analysis of textual data, especially those acquired from surveys and social media. For those without prior programming experience, the book provides instruction on using an AI-assisted Python programming tool, following the learn-by-doing methodology of acquiring new skills through experience. The overall learning goal of the book is to develop a conceptual understanding of data mining as well as the technical skills necessary for real-world data analysis.

"

Több

Tartalomjegyzék:

"

Introduction to Data Mining. CRISP-DM Process.- Data Preprocessing.- Introduction to Data Mining Methods. Association Rules.- Decision Trees.- Clustering Techniques: K-means and DBSCAN.- Hierarchical Clustering.- Predictive Analytics and Supervised Learning. Classification.- Validation and Evaluation Methods.- Web Data Scraping.- Sentiment and Emotion Analysis.- Text Mining Essentials.- Topic Modeling: Latent Dirichlet Allocation.- Text Analysis with Large Language Models (LLMs).- Introduction to Social Network Analysis.- Understanding Data Storage and Databases.- Ethics and Explainable AI.

"