计算社会科学

本书聚焦“计算+社会科 学”这一社会科学和计算科 学的新兴战略交叉方向，试 图从新的视角出发，分析过 去和现在社会系统的变化， 围绕新型、复杂社会系统呈 现出的海量化、虚拟化、交 互化、复杂化等特点，以问 题为导向，聚焦知识体系中 不同知识范畴中的复杂性共 性原理，展开解决民生问题 的关键因素，探索人类认知 学习的机制以解释社会现象 ，探讨优化社会生产的方式 和可能性，挖掘不同阶段下 的社会主导价值标准和规范 标准的形成因果、人类对生 态环境影响等一系列科学问 题的研究。

第1篇 新型社会的计算问题 第1章 引言 本章学习目标 1.1 新型社会问题概述 1.2 社会学研究的历史和发展 1.2.1 社会问题的特征与演变 1.2.2 社会学研究手段 1.2.3 国内外社会学研究的现状与趋势 1.3 计算社会科学助力新型社会问题治理 1.3.1 新型社会问题应对中的计算技术需求与必要性 1.3.2 计算驱动的社会问题治理目标与愿景 1.4 计算社会科学的学科发展与任务建设 1.4.1 计算社会科学的关键问题与建设框架 1.4.2 计算社会科学的核心任务与发展方向 本章小结 思考题 参考文献 第2篇 基础算法与技术工具 第2章 Python基础编程 本章学习目标 2.1 基础编程概述 2.2 编程环境 2.3 Python语法简介 2.4 Python标准库 2.5 科学计算的基础包——NumPy 2.6 数据处理与分析——Pandas 本章小结 思考题 参考文献 第3章 深度学习框架 本章学习目标 3.1 TensorFlow 3.1.1 TensorFlow的安装 3.1.2 Tensorflow基础 3.1.3 模型建立与推理 3.1.4 基础示例——手写数字识别 3.2 PyTorch 3.2.1 PyTorch的安装 3.2.2 Pytorch基础 3.2.3 模型建立与推理 3.2.4 基础实例——图像分类 3.3 PaddlePaddle 3.3.1 PaddlePaddle基础命令 3.3.2 模型训练与推理 3.4 Jittor 3.5 深度学习模型 3.5.1 卷积神经网络(CNN) 3.5.2 循环神经网络(RNN) 3.5.3 图神经网络(GNN) 本章小结