HUMANITIES / 01–06

人文与社会科学

6 个独立可运行的课程,连接问题、可追溯输入、透明方法与结果解释。只需下载一个 notebook,即可开始每个工作流。

学习路径 01 → 02 → 03 → 04 → 05 → 06;每课也可独立运行。
下载本学科中英文课程合集

6 recipes

审计历史文本语料 — 实际运行图表
01 / 入门50 分钟离线核心

审计历史文本语料

保留来源电子书和许可,检查章节边界并公开分词决策。

numpy · pandas · matplotlib · IPython
比较控制长度后的词汇多样性 — 实际运行图表
02 / 中级50 分钟离线核心

比较控制长度后的词汇多样性

区分整部语料词/词型数量与相同窗口词汇比例,并检查长度影响。

numpy · pandas · matplotlib · IPython
在语境中解读关键词频率 — 实际运行图表
03 / 中级50 分钟离线核心

在语境中解读关键词频率

为每个完整词匹配提取语境,检查章节归一化数量,并回到来源段落。

numpy · pandas · matplotlib · IPython
审计名称提及共现图 — 实际运行图表
04 / 中级60 分钟离线核心

审计名称提及共现图

声明表面名称模式,计数段落共现,并检查阈值敏感的图摘要。

numpy · pandas · matplotlib · networkx · IPython
检查 TF-IDF 与有符号章节投影 — 实际运行图表
05 / 进阶60 分钟离线核心

检查 TF-IDF 与有符号章节投影

构造声明的章节词汇,计算归一化 TF-IDF,并解读未中心化 SVD,不将轴当作主题概率。

numpy · pandas · matplotlib · IPython
按明确范围探索社会指标 — 实际运行图表
06 / 中级60 分钟离线核心

按明确范围探索社会指标

合并经济体收入、人口及预期寿命观测,审计缺失,并区分关联与个人/因果推断。

numpy · pandas · scipy · matplotlib · IPython