نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
کشف کنید که چگونه میتوان از پایتون برای ارتقای تحقیقات علوم اجتماعی، از مبانی برنامهنویسی تا تکنیکهای پیشرفته دادهها استفاده کرد. این دوره جامع، دستکاری، تحلیل و بصریسازی دادهها را از طریق یادگیری عملی پوشش میدهد.
این دوره، دانشمندان علوم اجتماعی را به مهارتهای ضروری برای بهکارگیری متدهای علم داده با استفاده از پایتون مجهز میکند. این مسیر آموزشی شکاف بین تحقیقات سنتی علوم اجتماعی و تکنیکهای محاسباتی مدرن را پر کرده و بینشهای کاربردی را از طریق مثالهای واقعی ارائه میدهد. این محتوا برای کسانی که در برنامهنویسی تازهکار هستند طراحی شده و پایهای قوی در مدیریت، تحلیل و تجسم دادهها ایجاد میکند. همچنین بر استفاده اخلاقی و موثر از دادهها در پژوهشهای اجتماعی تأکید دارد.
این دوره برای پژوهشگران علوم اجتماعی، دانشجویان و متخصصانی که به دنبال ادغام علم داده در کارهای خود هستند، ایدهآل است. هیچ تجربه قبلی در پایتون مورد نیاز نیست، اما داشتن درک اولیهای از مفاهیم علوم اجتماعی مفید خواهد بود. این آموزش برای علاقهمندان به بهبود متدهای تحقیق از طریق ابزارهای محاسباتی طراحی شده است.
این دوره رویکردی عملی و کاربردی برای یادگیری علم داده با پایتون دارد. اصول کلیدی برنامهنویسی، مدیریت دادهها و علم دادههای اجتماعی را معرفی میکند تا اطمینان حاصل شود که کاربران هم تئوری و هم کاربرد این تکنیکها را در تحقیقات علوم اجتماعی درک میکنند.
این دوره بر اساس کتاب «از علوم اجتماعی تا علم داده» نوشته برنی هوگان تهیه شده است.
حق چاپ ©2023 متعلق به Sage Publications Limited. تمامی حقوق محفوظ است.
سرفصل ها و درس ها
مقدمه: تفکر درباره زندگی در مقیاس گسترده
Introduction: Thinking of life at scale
سریها: رام کردن توزیع
The Series: Taming the distribution
دیتا فریم: فرمت جدولی پایتون
The DataFrame: Python's tabular format
انواع فایلها: وارد کردن دادهها
File types: Getting data in
ادغام و گروهبندی دادهها
Merging and grouping data
دسترسی به دادههای وب با استفاده از کد
Accessing data on the World Wide Web using code
دسترسی به APIها، از جمله توییتر و ردیت
Accessing APIs, including Twitter and Reddit
سوالات پژوهشی
Research questions
بصریسازی انتظارات: مقایسه تستهای آماری و نمودارها
Visualising expectations: Comparing statistical tests and plots
پاکسازی دادهها برای ویژگیهای جذاب اجتماعی
Cleaning data for socially interesting features
آشنایی با پردازش زبان طبیعی: پاکسازی، خلاصهسازی و طبقهبندی متن
Introducing natural language processing: Cleaning, summarising, and classifying text
آشنایی با دادههای سری زمانی: نمایش دورهها و روندها
Introducing time-series data: Showing periods and trends
آشنایی با تحلیل شبکه: ساختاردهی به روابط
Introducing network analysis: Structuring relationships
آشنایی با سیستمهای اطلاعات جغرافیایی: دادهها در مکان و فضا
Introducing geographic information systems: Data across space and place
نتیجهگیری: رفتن به دنیای علم داده و بازگشت به علوم اجتماعی
Conclusion: There (to data science) and back again (to social science)
نمایش نظرات