SOWA OPAC : Katalog komputerowy książek, czasopism i zbiorów specjalnych

1 wynik

Książka

W koszyku

Data Mining : eksploracja danych w sieciach społecznościowych / Matthew A. Russell, Mikhail Klassen ; tłumaczenie Radosław Meryk. - Gliwice : Wydawnictwo Helion, copyright 2019. - 372 strony : ilustracje ; 24 cm.

Autor

Russell Mattew A. Klassen Mikhail. Meryk Radosław.

Forma i typ

Książki Publikacje dydaktyczne Publikacje fachowe

Temat

Data Mining (metoda) Społeczności internetowe

Gatunek

Podręcznik

Dziedzina i ujęcie

Informatyka i technologie informacyjne

Tytuł oryginału: Mining the social web: data mining Facebook, Twitter, Linkedin, Google+, GitHub, and more.

Wydanie 3. odnosi się do oryginału.

Na stronie tytułowej również informacje o miejscach wydania i wydawcy oryginału - O'Reilly.

Na książce także ISBN oryginału: 9781491985045.

Indeks.

1. Eksploracja Twittera: odkrywanie trendów, dowiadywanie się, o czym się rozmawia, i trochę więcej 27 1.2. Dlaczego Twitter to jest "to"? 28 1.3. Odkrywanie API Twittera 30 1.3.1. Podstawowa terminologia związana z Twitterem 30 1.3.2. Tworzenie połączenia z API Twittera 33 1.3.3. Odkrywanie trendów 36 1.3.4. Wyszukiwanie tweetów 40 1.4. Analiza 140 (lub więcej) znaków 46 1.4.1. Wyodrębnianie podmiotów z tweetów 47 1.4.2. Analizowanie tweetów i występujących w nich podmiotów z wykorzystaniem analizy częstości 49 1.4.3. Obliczanie różnorodności leksykalnej tweetów 51 1.4.4. Badanie wzorców w retweetach 53 1.4.5. Wizualizacja danych częstości za pomocą histogramów 55 2. Eksploracja Facebooka: analizowanie fanpage'y, znajomości i więcej 63 2.2. Interfejs API Graph Facebooka 64 2.2.1. Wprowadzenie do API Graph 66 2.2.2. Protokół Open Graph 70 2.3. Analiza połączeń grafu społecznościowego 75 2.3.1. Analizowanie stron Facebooka 78 2.3.2. Manipulowanie danymi z wykorzystaniem pakietu pandas 88 3. Eksploracja Instagrama: komputerowy wzrok, sieci neuronowe, rozpoznawanie obiektów i wykrywanie twarzy 99 3.2. Poznawanie API Instagrama 101 3.2.1. Tworzenie żądań do API Instagrama 101 3.2.2. Odczytywanie własnego kanału na Instagramie 103 3.2.3. Pobieranie medium według hashtagu 105 3.3. Anatomia posta na Instagramie 105 3.4. Szybki kurs na temat sztucznych sieci neuronowych 108 3.4.1. Trening sieci neuronowej pod kątem "oglądania" zdjęć 109 3.4.2. Rozpoznawanie cyfr pisanych odręcznie 111 3.4.3. Rozpoznawanie obiektów na zdjęciach przy użyciu wstępnie przeszkolonych sieci neuronowych 116 3.5. Wykorzystanie sieci neuronowych do postów na Instagramie 119 3.5.1. Oznaczanie zawartości obrazu 119 3.5.2. Wykrywanie twarzy na zdjęciach 121 4. Eksploracja sieci LinkedIn: stanowiska, współpracownicy i nie tylko 127 4.1. Przegląd 128 4.2. Poznawanie API LinkedIna 128 4.2.1. Tworzenie żądań do API LinkedIn 129 4.2.2. Pobieranie połączeń LinkedIn w pliku CSV 132 4.3. Krótki kurs grupowania danych 132 4.3.1. Normalizacja danych w celu umożliwienia analizy 135 4.3.2. Mierzenie podobieństwa 145 4.3.3. Algorytmy klasteryzacji 147 5. Eksploracja danych z plików tekstowych: obliczanie podobieństwa dokumentów, wyodrębnianie kolokacji i inne 163 5.2. Pliki tekstowe 164 5.3. Wprowadzenie do TF-IDF 166 5.3.1. Częstość terminu 166 5.3.2. Odwrotna częstość dokumentu 168 5.3.3. TF-IDF 169 5.4. Odpytywanie danych w języku naturalnym za pomocą TF-IDF 172 5.4.1. Natural Language Toolkit - wprowadzenie 172 5.4.2. Zastosowanie współczynnika TF-IDF do języka naturalnego 176 5.4.3. Wyszukiwanie podobnych dokumentów 177 5.4.4. Analiza bigramów w języku naturalnym 184 5.4.5. Refleksje na temat analizy danych języka naturalnego 193 6. Eksploracja stron internetowych: przetwarzanie języka naturalnego w celu zrozumienia języka ludzkiego, tworzenie podsumowań postów na blogu i inne 197 6.2. Scraping, parsowanie i crawling stron internetowych 199 6.2.1. Przeszukiwanie wszerz w crawlingu stron internetowych 202 6.3. Odkrywanie semantyki przez dekodowanie składni 205 6.3.1. Przetwarzanie języka naturalnego krok po kroku 207 6.3.2. Wykrywanie zdań w danych w języku naturalnym 210 6.3.3. Tworzenie streszczeń dokumentów 214 6.4. Zmiana paradygmatu. Analiza obiektów 222 6.4.1. Podsumowania danych w języku naturalnym 226 6.5. Jakość analiz do przetwarzania danych w języku naturalnym 230 7. Eksploracja skrzynek pocztowych: analiza, kto rozmawia z kim, o czym, jak często i nie tylko 237 7.2. Uzyskiwanie i przetwarzanie korpusu danych pocztowych 239 7.2.1. Uniksowe skrzynki pocztowe 239 7.2.2. Pobieranie danych Enron 243 7.2.3. Konwersja korpusu poczty na uniksowy format mbox 245 7.2.4. Konwertowanie uniksowych skrzynek pocztowych na obiekty DataFrame biblioteki pandas 247 7.3. Analiza korpusu Enron 249 7.3.1. Zapytania według zakresu dat (godzin) 250 7.3.2. Analiza wzorców w komunikacji nadawca-odbiorca 253 7.3.3. Wyszukiwanie wiadomości e-mail według słów kluczowych 257 7.4. Analiza własnych danych pocztowych 258 7.4.1. Dostęp do Twojej skrzynki Gmail za pomocą OAuth 260 7.4.2. Pobieranie i parsowanie wiadomości e-mail 262 7.4.3. Wizualizacja wzorców w e-mailu za pomocą frameworka Immersion 264 8. Eksploracja serwisu GitHub: badanie nawyków podczas współtworzenia oprogramowania, tworzenie grafów zainteresowań i nie tylko 269 8.1. Przegląd 270 8.2. Odkrywanie API GitHuba 270 8.2.1. Tworzenie połączenia do API serwisu GitHub 272 8.2.2. Tworzenie żądań do API GitHuba 275 8.3. Modelowanie danych za pomocą grafów właściwości 277 8.4. Analiza grafów zainteresowań serwisu GitHub 280 8.4.1. "Wysiewanie" grafu zainteresowań 281 8.4.2. Obliczanie miar centralności grafu 284 8.4.3. Rozszerzanie grafu zainteresowań z wykorzystaniem krawędzi "śledzi" dla użytkowników 287 8.4.4. Używanie węzłów jako punktów przestawnych w celu tworzenia bardziej wydajnych zapytań 296 8.4.5. Wizualizacja grafów zainteresowań 301 CZĘŚĆ II. TWITTER. RECEPTURY 9. Twitter. Receptury 309 9.1. Dostęp do interfejsu API Twittera dla celów programistycznych 310 9.2. Wykorzystanie OAuth w celu uzyskania dostępu do interfejsu API Twittera dla aplikacji produkcyjnych 311 9.3. Odkrywanie trendów 315 9.4. Wyszukiwanie tweetów 316 9.5. Konstruowanie wygodnych wywołań funkcji 318 9.6 Zapisywanie i przywracanie danych JSON z wykorzystaniem plików tekstowych 319 9.7. Zapisywanie danych JSON i uzyskiwanie dostępu do nich za pomocą MongoDB 320 9.8. Pobieranie próbek z mechanizmu firehose Twittera za pomocą API Streaming 323 9.9. Pobieranie danych szeregów czasowych 324 9.10. Wyodrębnianie podmiotów z tweetów 326 9.11. Znajdowanie najpopularniejszych tweetów w kolekcji 327 9.12. Znajdowanie najpopularniejszych obiektów w kolekcji tweetów 329 9.13. Tabularyzacja analizy częstości 330 9.14. Znajdowanie użytkowników, którzy retweetowali status 331 9.15. Wyodrębnianie przypisania retweeta 333 9.16. Wykonywanie odpornych na błędy żądań do Twittera 334 9.17. Pobieranie informacji o profilu użytkownika 337 9.18. Wyodrębnianie podmiotów tweeta z dowolnego tekstu 338 9.19. Pobieranie wszystkich znajomych lub obserwatorów użytkownika 339 9.20. Analiza znajomych i obserwatorów użytkownika 341 9.21. Zbieranie tweetów użytkownika 342 9.22. Crawling grafu znajomości 344 9.23. Analiza treści tweetów 346 9.24. Tworzenie streszczeń celów łączy 347 9.25. Analizowanie ulubionych tweetów użytkownika 350 A. Informacje o maszynie wirtualnej przeznaczonej dla tej książki 357 B. Elementarz OAuth 359 C. Porady i wskazówki na temat Pythona i środowiska Jupyter Notebook 363

Sygnatura czytelni BWEAiI: XII Ź 153

dostępna w czytelni

1 placówka posiada w zbiorach tę pozycję. Rozwiń informację, by zobaczyć szczegóły.

Biblioteka WEAiI

Egzemplarze są dostępne wyłącznie na miejscu w bibliotece: sygn. 148496 N (1 egz.)