سپنتا کتاب اکسپرس
کتاب نابرابری نژادی در مالکیت املاک نیویورک: مدل‌سازی پیشرفته با LSTM و XGBoost برای کشف شکاف‌های پنهان

کتاب نابرابری نژادی در مالکیت املاک نیویورک: مدل‌سازی پیشرفته با LSTM و XGBoost برای کشف شکاف‌های پنهان

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب نابرابری نژادی در مالکیت املاک نیویورک: مدل‌سازی پیشرفته با LSTM و XGBoost برای کشف شکاف‌های پنهان

موضوع کلی: تحلیل داده‌ها و عدالت اجتماعی با یادگیری ماشین

موضوع میانی: ارزیابی نابرابری‌های نژادی و اقتصادی با هوش مصنوعی

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. ## مقدمه: تقاطع یادگیری ماشین، تحلیل علّی و عدالت اجتماعی
  • 2. ## **بخش ۱: مبانی تحلیل نابرابری و داده‌های املاک**
  • 3. تعریف نابرابری ساختاری و نژادی در زمینه اقتصادی
  • 4. مفهوم عدالت نژادی و نقش داده‌ها در ارزیابی آن
  • 5. اهمیت مالکیت املاک و مسکن در انباشت ثروت (Wealth Gap)
  • 6. معرفی داده‌های عمومی املاک (Tax Rolls, Deeds, GIS Data)
  • 7. ساختار داده‌های سرشماری (Census Data) و سطح تراکت (Tract Level)
  • 8. آشنایی با متغیرهای دموگرافیک کلیدی (Race, Ethnicity, Income)
  • 9. چالش‌های اخلاقی و حفظ حریم خصوصی در تحلیل داده‌های نژادی
  • 10. مقدمه‌ای بر زبان برنامه‌نویسی پایتون و کتابخانه‌های پایه (Pandas, NumPy)
  • 11. مروری بر مدل‌های رگرسیون خطی ساده برای تحلیل شکاف‌ها
  • 12. تعریف و محاسبه نسبت‌های عدم توازن (Disparity Ratios)
  • 13. ## **بخش ۲: جمع‌آوری و پیش‌پردازش داده‌های املاک نیویورک**
  • 14. دسترسی به داده‌های مالکیت املاک ایالت و شهر نیویورک (NYS/NYC)
  • 15. پاک‌سازی داده‌های خام: مدیریت مقادیر گمشده و نویز (Noise)
  • 16. استانداردسازی فیلدهای نام مالکان (Name Standardization)
  • 17. استخراج متغیرهای ارزشی املاک (Property Value, Assessed Value)
  • 18. ادغام داده‌های املاک و داده‌های جغرافیایی (Geospatial Data Merging)
  • 19. تبدیل آدرس‌ها به مختصات جغرافیایی (Geocoding)
  • 20. تکنیک‌های کاهش ابعاد (Dimensionality Reduction) برای داده‌های املاک
  • 21. مدیریت و تفکیک انواع مالکیت (Individual vs. Corporate Ownership)
  • 22. آماده‌سازی نهایی مجموعه داده برای مدل‌سازی ماشینی
  • 23. تعریف متغیر هدف: نسبت مالکیت (Ownership Proportion)
  • 24. ## **بخش ۳: مدل‌سازی پیشرفته برای تخصیص نژادی (Imputation Model)**
  • 25. ضرورت تخصیص نژاد/قومیت در داده‌های مالکیت (Race/Ethnicity Imputation)
  • 26. معرفی چارچوب مدل‌سازی BLET (Bayesian Improved Surname Estimation)
  • 27. محدودیت‌های مدل‌های BLET و نیاز به روش‌های پیشرفته‌تر
  • 28. اصول شبکه‌های عصبی بازگشتی (Recurrent Neural Networks - RNN)
  • 29. معماری شبکه‌های حافظه طولانی کوتاه مدت (Long Short-Term Memory - LSTM)
  • 30. پیاده‌سازی LSTM برای یادگیری الگوی نام‌ها و قومیت
  • 31. ساخت مجموعه داده آموزش برای مدل‌سازی نام (Name Dataset)
  • 32. مهندسی ویژگی (Feature Engineering) از روی نام و فامیل (Prefixes/Suffixes)
  • 33. مفهوم و کاربرد Embeddingها در پردازش متن (Word Embeddings)
  • 34. پیاده‌سازی و آموزش مدل LSTM Name-Only
  • 35. ## **بخش ۴: ادغام زمینه جغرافیایی (Geospatial Context) و اعتبارسنجی**
  • 36. نقش زمینه جغرافیایی در افزایش دقت تخصیص نژاد
  • 37. محاسبه ترکیب نژادی منطقه (Tract-Level Race Composition)
  • 38. ادغام خروجی LSTM با ویژگی‌های جغرافیایی (LSTM+Geo Model)
  • 39. معرفی XGBoost: اصول و الگوریتم‌های درخت تقویت‌شده (Gradient Boosting)
  • 40. استفاده از XGBoost به عنوان فیلتر نهایی یا مدل تلفیقی (Hybrid Model)
  • 41. اعتبارسنجی مدل تخصیص نژادی (Model Validation)
  • 42. معیارهای ارزیابی عملکرد مدل طبقه‌بندی (Accuracy, Precision, Recall)
  • 43. محاسبه <span class="key-concept">درستی تخصیص (Imputation Accuracy)</span> برای زیرگروه‌های نژادی
  • 44. روش‌های کاهش سوگیری در مدل‌های تخصیص نژادی
  • 45. تفسیر و تحلیل نتایج تخصیص نژاد (89.2% Accuracy)
  • 46. ## **بخش ۵: تحلیل نابرابری نژادی در مالکیت املاک**
  • 47. تعریف متغیرهای پیامد اصلی (Ownership Count vs. Population Count)
  • 48. محاسبه سهم نسبی (Proportional Share) مالکیت املاک بر اساس نژاد
  • 49. محاسبه نسبت سهم املاک به سهم جمعیت (Disparity Ratio: Ownership/Population)
  • 50. تحلیل شکاف‌ها (Gaps) در مالکیت: سفید در مقابل اقلیت‌ها (Black, Hispanic, Asian)
  • 51. تجزیه و تحلیل ارزش املاک (Property Value Disparity) بر اساس نژاد مالک
  • 52. مقایسه الگوهای مالکیت در سطح ایالت (Full Model) در مقابل شهر نیویورک (NYC Model)
  • 53. بصری‌سازی داده‌های نابرابری با استفاده از نمودارهای ستونی و نمودار‌های دایره‌ای
  • 54. تفسیر یافته‌های کلیدی: <span class="key-concept">سفید، سهم نامتناسب (Disproportionate Share)</span>
  • 55. تحلیل همبستگی بین نسبت مالکیت و میانگین درآمد منطقه
  • 56. مفهوم و اهمیت <span class="key-concept">شاخص جداسازی (Segregation Index)</span> در تحلیل املاک
  • 57. ## **بخش ۶: بررسی اثر زمینه محله (Neighborhood Context)**
  • 58. تعریف و دسته‌بندی محله‌ها بر اساس اکثریت نژادی (Majority-White, -Black, -Hispanic, -Asian Tracts)
  • 59. تحلیل شکاف مالکیت در محله‌های با اکثریت اقلیت
  • 60. مطالعه موردی: مالکیت املاک عمدتاً سفید در محله‌های با جمعیت عمدتاً غیرسفید
  • 61. نقش «گرایش سفیدپوستان به مناطق اقلیتی» (White Flight/Gentrification) در مالکیت
  • 62. تحلیل اثرات علّی محله بر احتمال مالکیت فردی
  • 63. استفاده از مدل‌های اثرات تصادفی (Random Effects Models) برای در نظر گرفتن زمینه محله
  • 64. ارزیابی نابرابری‌ها در مناطق شهری، حومه شهر و روستایی نیویورک
  • 65. مقایسه الگوهای نابرابری در بوفالو، روچستر، و نیویورک سیتی
  • 66. شناسایی تراکت‌هایی با <span class="key-concept">نابرابری شدید مالکیت (Extreme Disparities)</span>
  • 67. ساخت نقشه‌های حرارتی (Heatmaps) و نقشه‌های Choropleth برای بصری‌سازی نابرابری
  • 68. ## **بخش ۷: تحلیل مالکیت شرکتی و نهادی (Corporate Ownership)**
  • 69. تعریف انواع مالکیت شرکتی (LLCs, Trusts, Corporations)
  • 70. استخراج و دسته‌بندی داده‌های مالکیت شرکتی از اسناد رسمی
  • 71. تحلیل فراوانی مالکیت شرکتی در مناطق مختلف نژادی
  • 72. مقایسه مالکیت شرکتی در محله‌های اقلیتی در مقابل سفیدپوست
  • 73. اثر مالکیت شرکتی بر <span class="key-concept">فرصت‌های مالکیت ساکن (Owner-Occupied Opportunities)</span>
  • 74. مدل‌سازی تأثیر مالکیت LLC بر نرخ اجاره و ثبات محله
  • 75. نقش مالکیت نهادی در تشدید شکاف‌های نژادی
  • 76. تحلیل روند زمانی مالکیت شرکتی در دهه اخیر
  • 77. استفاده از رگرسیون گسسته (Discrete Choice Models) برای تحلیل تصمیمات مالکیت
  • 78. بررسی قوانین و مقررات محلی نیویورک در مورد مالکیت LLC و شفافیت
  • 79. ## **بخش ۸: ابزارهای پیشرفته یادگیری ماشینی و تفسیر مدل**
  • 80. مدل‌سازی اثرات علّی ناهمگن (HET) با Causal Forest
  • 81. اصول و پیاده‌سازی مدل‌های Random Forest برای تخمین CATE
  • 82. تحلیل اهمیت ویژگی‌ها (Feature Importance) در پیش‌بینی مالکیت
  • 83. استفاده از SHAP Values برای تفسیر محلی (Local Interpretability) مدل‌های XGBoost
  • 84. مدل‌سازی اثرات غیرخطی با شبکه‌های عصبی (Neural Networks)
  • 85. پیاده‌سازی شبکه‌های LSTM برای پیش‌بینی ارزش آتی املاک بر اساس نژاد
  • 86. تکنیک‌های اعتبارسنجی متقاطع (Cross-Validation) در مدل‌های بزرگ داده
  • 87. استفاده از مجموعه داده‌های آزمایشی و کنترلی (Test/Control Groups)
  • 88. مدل‌سازی سوگیری نژادی در وام مسکن (Mortgage Lending Bias)
  • 89. معرفی و کاربرد ابزارهای FAIRNESS در یادگیری ماشین
  • 90. ## **بخش ۹: سیاست‌گذاری مبتنی بر داده و توصیه‌های اقدام**
  • 91. مفهوم و فرآیند سیاست‌گذاری مبتنی بر شواهد (Evidence-Based Policy)
  • 92. استفاده از نتایج تحلیل نابرابری برای طراحی مداخلات هدفمند
  • 93. تدوین توصیه‌های سیاستی برای کاهش شکاف مالکیت نژادی
  • 94. پیشنهاد برنامه‌های یارانه مسکن هدفمند برای جوامع کم‌نماینده
  • 95. نقش داده‌ها در اصلاح قوانین منطقه‌بندی (Zoning Laws)
  • 96. تحلیل مقاومت سیاسی در برابر سیاست‌های کاهش نابرابری
  • 97. اهمیت شفافیت و دسترس‌پذیری داده‌های مالکیت برای عموم
  • 98. استفاده از مدل‌های شبیه‌سازی (Simulation Models) برای ارزیابی سیاست‌ها
  • 99. طراحی داشبوردهای داده‌ای برای نظارت بر شاخص‌های عدالت نژادی
  • 100. نقش فعال محققان داده در حمایت از تغییرات ساختاری

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.