POLECAMY
Autor:
Wydawca:
Format:
ibuk
Czy sztuczna inteligencja pozbawia nas pracy? Algorytmy przejmują władzę nad światem? Czy big data sprawia, że jesteśmy bezustannie inwigilowani, a ogromna ilość danych zastępuje ekspertów i naukowców? Cokolwiek sądzimy na te tematy, jedno jest pewne – istnieje heterogeniczne środowisko ludzi zajmujących się tzw. „sztuczną inteligencją” czy tzw. „big data” od strony technicznej oraz metodologicznej. Pole ich działania nazywane jest data science, a oni – data scientists.
Publikacja to pierwsza monografia socjologiczna dotycząca data science i pierwsza praca w naukach społecznych, w której data science zostało zbadane jako społeczny świat w rozumieniu Adele E. Clarke. Podejście to pozwala spojrzeć na data science, nazwane dekadę wstecz w „Harvard Business Review” „najseksowniejszym zawodem XXI wieku”, zarówno z perspektywy jego uczestników, jak i z lotu ptaka, w relacji do akademii, biznesu, prawa, mediów czy polityki.
Rok wydania | 2022 |
---|---|
Liczba stron | 348 |
Kategoria | Publikacje darmowe |
Wydawca | Wydawnictwo Uniwersytetu Łódzkiego |
ISBN-13 | 978-83-8331-111-1 |
Numer wydania | 1 |
Język publikacji | polski |
Informacja o sprzedawcy | ePWN sp. z o.o. |
POLECAMY
Ciekawe propozycje
Data. Część II
do koszyka
Data Driven Decisions
do koszyka
Data Science i uczenie maszynowe
do koszyka
Data Śmierci Jezusa
do koszyka
Bezpieczeństwo państwa w warunkach...
do koszyka
Big Data and the Abuse of a Dominant...
do koszyka
Spis treści
Podziękowania | 7 |
Rozdział 1. Uwagi wstępne | 9 |
1.1. Historia terminów związanych z data science | 10 |
1.1.1. Big data | 11 |
1.1.2. Sztuczna inteligencja | 14 |
1.1.3. Uczenie maszynowe | 16 |
1.1.4. Data science | 18 |
1.2. Cel pracy | 23 |
Rozdział 2. Data science w literaturze naukowej | 25 |
2.1. Nauki ścisłe i techniczne | 25 |
2.2. Nauki społeczne i humanistyczne | 31 |
2.2.1. Krytyka epistemologiczno-metodologiczna | 31 |
2.2.2. Data science jako strategia badań w naukach społecznych i humanistyce | 33 |
2.2.3. Konsekwencje społeczne data science/AI/big data | 38 |
2.2.4. Data science jako podmiot badań | 41 |
Rozdział 3. Rama teoretyczna i metodologia badań własnych | 47 |
3.1. Społeczne światy/areny | 48 |
3.2. Analiza sytuacyjna i ugruntowane teoretyzowanie | 54 |
3.3. Techniki badawcze i analityczne | 56 |
3.4. Usytuowanie badacza | 60 |
3.5. Kwestie etyczne w badaniach własnych | 62 |
Rozdział 4. Elementy społecznego świata data science | 65 |
4.1. Data science w Polsce – ujęcie ilościowe | 65 |
4.2. Sposoby definiowania działania podstawowego w data science | 75 |
4.2.1. Działanie podstawowe data science | 76 |
4.2.2. Data science – komercyjne, akademickie, hobbystyczne – zapisany w kodzie proces operacji na danych | 88 |
4.2.3. Przykłady zastosowania data science | 90 |
4.3. Technologie społecznego świata | 94 |
4.3.1. Języki programowania | 95 |
4.3.2. Bazy danych | 112 |
4.3.3. Obliczenia lokalne, w chmurze, rozproszone | 124 |
4.3.4. Komunikacja lub współpraca | 134 |
4.3.5. Przemilczane technologie | 146 |
4.3.6. Stos technologiczny data science | 155 |
4.4. Wartości społecznego świata data science | 165 |
4.4.1. Efektywność | 165 |
4.4.2. Sprawczość | 178 |
4.4.3. Samorozwój i samodzielność | 183 |
4.4.4. Ciekawość | 187 |
4.4.5. Swoboda | 190 |
4.4.6. Racjonalność | 194 |
4.4.7. Wartości społecznego świata data science – podsumowanie | 197 |
Rozdział 5. Dynamika społecznego świata | 201 |
5.1. Procesy zachodzące w społecznym świecie data science | 201 |
5.1.1. Wyznaczanie granic społecznego świata | 201 |
5.1.2. Legitymizacja i zaświadczanie o autentyczności | 209 |
5.1.2.1. Dużo danych | 209 |
5.1.2.2. Prawdziwy data scientista | 212 |
5.1.3. Segmentacja – profesjonalizacja | 225 |
5.2. Areny społecznego świata data science | 230 |
5.2.1. Modelowanie | 231 |
5.2.1.1. Sztuczna inteligencja to slajd w PowerPoincie | 250 |
5.2.1.2. Magia i majsterkowanie | 255 |
5.2.2. Data scientistka | 259 |
5.2.3. Python, R i Excel | 272 |
Zakończenie | 283 |
Aneks | 289 |
Bibliografia | 293 |
Spis rysunków | 345 |
Spis tabel | 347 |