وبینار دادهکاوی و تحلیلهای ترکیبی کلانداده شبکههای اجتماعی
برگزار شده
وبینار دادهکاوی و تحلیلهای ترکیبی کلانداده شبکههای اجتماعی
برگزار شده
توضیحات
دادهکاوی و تحلیلهای ترکیبی کلانداده شبکههای اجتماعی
ویژه دانشجویان علوم انسانی و فعالان بینرشتهای
گواهی معتبر از دانشگاه علامه طباطبایی
محاسبه و علوم اجتماعی
جایگاه علوم اجتماعی محاسباتی
فلسفه علوم اجتماعی محاسباتی
مدلسازی اجتماعی
شبیهسازی اجتماعی
سرویسهای پردازشی مهم
یادگیری ماشین
یادگیری عمیق
اعتبار و پایایی
دیتابیس های رابطه ای و محدودیت های آنها
انواع دیتابیس های NoSQL
تشریح معماری Lambda
معرفی ابزارهای هر یک از لایه های Lambda
مزایا و معایب معماری Lambda
- ویژگی های زبانی
- جمع آوری دیتاست
- عدم وجود شبکه های از پیش آموزش دیده
- تنوع فرهنگی و زبانی بالا
-مرور پروژههای واقعی دیتاساینس روی پلتفرمهای پرمخاطب فارسی: اینستاگرام، توئیتر، تلگرام
|
-تبیین اهمیت Mapping در تحلیل Bigdata -مدلسازی و تحلیلهای عاملمبنا(Agent Based Modeling) در دیتاکاوی -الگوهای بازنمایی و تصویرپردازی(Representation and Imaging) در تحلیلهای اجتماعی و سیاسی -معرفی سیستم اطلاعات مکانی( GIS) و نصب آن -آشنایی با مولفههای GIS -آشنایی با محیط برنامه Arc Map -معرفی انواع ساختار دادهها و فرمت لایههای قابل استفاده -بیان مفاهیم دادههای رستری(Raster) و برداری(Vector) -زمین مرجع کردن ( Georefrencing ) -آشنایی با نوار ابزار ویرایش اطلاعات ( Editor) -طبقه بندی عوارض ( Symbology ) -آشنایی با سیستمهای تصویر و نوار ابزار Layout (خروجی نقشه) -آشنایی با فرمت Shapefile و ذخیرهسازی توامان دادههای توصیفی
|
