Machine Learning in Social Science: Applications and Advances

درباره این کتاب

کتاب «یادگیری ماشین در علوم اجتماعی» بررسی می‌کند که چگونه یادگیری ماشین می‌تواند تحقیقات کمی و کیفی در جامعه‌شناسی را تقویت کند. با توسعه الگوریتم‌های متناسب با داده‌های خاص، یادگیری ماشین به دانشمندان علوم اجتماعی اجازه می‌دهد الگوها را کشف کنند، نظریه‌های جدید بسازند، شاخص‌ها را کالیبره کنند و استنتاج علی را تقویت نمایند. کتاب مقدمه‌ای قابل فهم برای اصول و کاربردهای یادگیری نظارت‌شده و نظارت‌نشده (بخش اول) ارائه می‌دهد و در ادامه مطالعات موردی تجربی در حوزه‌های کلیدی تحقیقات جامعه‌شناختی را بررسی می‌کند. در بخش پیش‌بینی اجتماعی، نشان داده می‌شود که چگونه یادگیری نظارت‌شده می‌تواند شاخص‌های مفقود را جایگزین کند، نظریه‌ها را مستقیماً از داده‌ها استخراج کند و استنتاج علی را بهبود بخشد. در بخش مدل‌سازی فرهنگی، کتاب نشان می‌دهد که چگونه یادگیری ماشین نظارت‌نشده می‌تواند ساختار متون فرهنگی در مقیاس بزرگ (مانند رمان‌های آنلاین و پایگاه‌های داده فیلم) را ترسیم کرده و الگوهای پیچیده فرهنگی را در زمان و مکان مرئی سازد.