ebook Wykorzystanie sztucznych sieci neuronowych w badaniach politologicznych Łukasz Wordliczek

Wydawca: Wydawnictwo Naukowe PWN

Rok wydania: 2021

Sztuczne sieci neuronowe są innowacyjnym narzędziem w dziedzinie uczenia maszynowego, które znalazło szerokie zastosowanie w różnych dziedzinach nauki i przemysłu. W książce "Wykorzystanie sztucznych sieci neuronowych" autor Łukasz Wordliczek przedstawia, jak te zaawansowane technologie mogą być wykorzystane w naukach politycznych.

Wydana przez Wydawnictwo Naukowe PWN w 2021 roku publikacja jest pierwszym tego typu kompleksowym opracowaniem dostępnym w języku polskim. Książka składa się z dwóch części: teoretycznej i empirycznej, opartej na studium przypadku politologii.

Czytelnicy znajdą tu odpowiedzi na pytania dotyczące zastosowań sieci neuronowych w naukach politycznych, a także poznają podstawowe koncepcje takie jak soft computing, neurokomputing i neuromorficzne chipy. Autor analizuje również rolę sztucznych sieci neuronowych w kontekście przetwarzania języka naturalnego (NLP), text mining, sentiment analysis oraz uczenia maszynowego.

Książka ta jest idealnym wyborem dla osób zainteresowanych najnowszymi trendami w dziedzinie sztucznej inteligencji i ich wpływem na badania politologiczne, a także dla tych, którzy chcą poznać możliwości wykorzystania tych technologii w praktyce.

Łukasz Wordliczek, ekspert w dziedzinie sztucznych sieci neuronowych i uczenia maszynowego, przedstawia swoją wiedzę w przystępny sposób, co sprawia, że książka jest dostępna dla szerokiego grona czytelników.

Dzięki zastosowaniu naturalnych i subtelnych fraz SEO, takich jak "ebooki", "książki elektroniczne", "sklep z ebookami" oraz "wydanie elektroniczne", publikacja jest łatwo odnajdywalna w wyszukiwarkach internetowych.

Kup teraz i odkryj, jak sztuczne sieci neuronowe mogą zmienić oblicze badań politologicznych!

Spis treści ebooka Wykorzystanie sztucznych sieci neuronowych

Wykaz skrótów 9

Uwagi wstępne 11

Rozdział 1. Wprowadzenie do tematyki 17
1.1. Zalety sztucznych sieci neuronowych 17
1.1.1. Liczba parametrów modelu 18
1.1.2. Biologiczne inspiracje 20
1.1.3. Elastyczność 20
1.1.4. Sieciowa struktura. Stabilność i efektywność analizy dużych zbiorów danych 21
1.1.5. Brak konieczności spełnienia warunku liniowości i normalnego rozkładu danych 23
1.2. Wady sztucznych sieci neuronowych 29
1.2.1. Specjalizacja i hermetyczność wiedzy przedmiotowej. Terminologia 29
1.2.2. Wykorzystanie komputerów i oprogramowania 31
1.2.3. Efektywność 32
1.2.4. Interpretowalność parametrów modelu. Problem „czarnej skrzynki” 32
1.2.5. Elastyczność 35
1.2.6. Ograniczone zastosowanie 36
1.3. Użyteczność sztucznych sieci neuronowych. Definicja 38

Rozdział 2. Biologiczne inspiracje 43
2.1. Komputer jako imitacja mózgu 51
2.2. Mózg jako inspiracja dla rozwiązań algorytmicznych i układy hybrydowe. Sztuczna inteligencja 58

Rozdział 3. Rozwój sztucznych sieci neuronowych (rys historyczny). Stan badań 67

Rozdział 4. Architektury (topologie) sztucznych sieci neuronowych 79
4.1. Problem liczby elementów sieci: warstwy i neurony 80
4.2. Problem sposobu połączeń elementów sieci 87
4.2.2. Sieci rekurencyjne 89
4.2.3. Sieci LSTM 90
4.2.4. Sieci splotowe 91
4.2.5. Sieci samoorganizujące się 92
4.2.6. Sieci komórkowe 93

Rozdział 5. Działanie sztucznej sieci neuronowej. Uczenie maszynowe (machine learning) 95
5.1. Model McCullocha-Pittsa 99
5.2. Uczenie z nauczycielem (uczenie nadzorowane). Metoda wstecznej propagacji błędów 101
5.3. Uczenie bez nauczyciela (uczenie nienadzorowane) 104
5.4. Uczenie ze wzmocnieniem (reinforced learning) 106
5.5. Uczenie maszynowe (machine learning) 107
5.6. Ocena jakości modelu 114

Rozdział 6. „Dane, wszędzie dane”. Big data 119
6.1. Definicja big data 120
6.2. Big data jako wyzwanie dla nauk społecznych 125
6.2.1. Wyzwanie 1: logika procesu badawczego, przyczynowość a korelacja 127
6.2.2. Wyzwanie 2: metodologia 132
6.2.3. Nauki społeczne 2.0? 136
6.3. Rodzaje i źródła danych. Open data 140
6.4. Big data a etyka. Problem gromadzenia, przechowywania i wykorzystania danych 151

Rozdział 7. Przykłady zastosowań politologicznych 169
7.1. Problemy predykcyjne 171
7.2. Problemy klasyfikacyjne 179
7.2.1. Badanie konfliktów zbrojnych 180
7.2.2. Inne zagadnienia klasyfikacyjne 191

Zakończenie 197

Bibliografia 209

Indeks osobowy 243