Бакалавриат
2019/2020
Введение в сетевой анализ
Статус:
Курс по выбору (Политология)
Направление:
41.03.04. Политология
Где читается:
Факультет социальных наук
Когда читается:
4-й курс, 2 модуль
Формат изучения:
без онлайн-курса
Язык:
русский
Кредиты:
4
Контактные часы:
40
Программа дисциплины
Аннотация
Курс “Введение в сетевой анализ” представляет собой вводный курс о математических моделях и вычислительных инструментах для анализа социальных сетей (Social Network Analysis - SNA). SNA был впервые введен социологами, но сейчас стал междисциплинарным инструментом для математиков, физиков, специалистов по компьютерным наукам, экономистов и т.д., которые в свою очередь привносят новые инструменты и методы сетевого анализа. Курс продемонстрирует, как сети используются для объяснения и прогнозирования явлений в различных прикладных областях. В частности, мы сосредоточимся на изучении взаимоотношений и связей между людьми, группами, организациями или странами с точки зрения политических наук и исследований в данной области. В рамках практической части будут изучены библиотеки для Python/R для реализации основных алгоритмов на графах, подсчета описательных статистик и визуализации сетей, а также другие существующие инстументы работы с графами.
Цель освоения дисциплины
- изучение основных концепций и методов сетевого анализа
- получение практического опыта анализа и визуализации сетевых данных для дальнейшего использования полученных знаний в прикладных исследовательских проектах
Планируемые результаты обучения
- Демонстрирует общие знания об области применения анализа социальный сетей, теории графов
- Владеет навыками моделирования случайных графов для тестирования статистических гипотез на структурных данных
- Знает понятие центральности как меры ранжирования вершин в графе на основе структурной информации центральности и престижа как мер ранжирования вершин, взаимовлияние в ориентированных сетях
- Умеет находить структурно схожие элементы и меры схожести в структурной информации
- Умеет обнаруживать сообщества в сетях, владеет методами кластеризации на графах
- Владеет инструментами работы с графами и их визуализации
- Умеет моделировать распространение информации
- Понимает сущность понятия эпидемии в информационном поле
- Умеет использовать информационные каскады как модель сетевого маркетинга и оценивать успешность
- Умеет строить рекомендации связей между элементами сети
- Владеет методами представления результатов проекта в области сетевого анализа
Содержание учебной дисциплины
- Введение в сетевой анализВведение в сетевой анализ. Основные свойства сети и метрики. Примеры сетей.
- Описательные статистики реальных сетей, модели формирования сетиСтепенной закон распределения и реальные сети. Закон Ципфа. Закон шести рукопожатий. Плотностей связей между друзьями. Модель случайного графа Эрдоша-Рени. Распределения Пуассона и Бернулли. Распределение степеней вершин. Модель Барабаси-Альберта. Модель эволюции графа. Модель “маленького мира” (модель Ваттс-Строгаца). Статистики случайных графов
- Меры влияния агентов в сетяхМетрики центральности вершин: степенная, мостовая, по близости, относительно собственных векторов, структурные. Интерпретация центральности как меры влияния. Визуализация ключевых агентов в сети. PageRank. Итеративные методы. Хабы и источники. Алгоритм HITS.
- Структурная эквивалентностьМетрики структурной эквивалентности. Евклидова метрика и расстояние Хэмминга. Коэффициент корреляции. Косинусное сходство. Ассортативное смешивание и гомофилия. Смешивание по факторным и численным атрибутам
- Сообщества в социальных сетяхСетевые сообщества. Плотность сообществ и метрики разрезов. Алгоритм Ньюмэна-Джирвина. Жадные алгоритмы. Иерархическая кластеризация. k-core
- Инструменты работы с графамиБиблиотеки визуализации графов в R/Python. Редактор Gephi и др.
- Распространение информации и эпидемии в сетяхМодели эпидемий: SI, SIS, SIR. Решение дифференциальных уравнений. Предельные случаи. Моделирование распространения инфекции.
- Распространение инноваций и информационные каскадыОбучение на основе наблюдений. Информационные каскады. Каскады в сети. Независимая и линейная пороговая модели каскадов. Измерение распространения информации и оценка успешности компании в сетях.
- Предсказание связей и рекомендации в сетяхОбучение с учителем. Рекомендательные системы.
- Защита проектовПредставление проекта и защита
Элементы контроля
- Домашнее заданиеОценки за работу дома преподаватель выставляет в рабочую ведомость в Google Sheets. Работа дома оценивается по 10-балльной шкале. Сдача домашних заданий после дедлайна оценивается в 0 баллов.
- Контрольная работаСтуденты пишут очно контрольную работу, которая включает базовые вычислительные задания, которые можно посчитать вручную только с помощью ручки, листа бумаги и простого калькулятора. Оценка выставляется по 10-балльной шкале.
- ПроектИтоговый проект выполняется либо индивидуально, либо в группах до 4-х человек. В качестве проектов может быть выбран анализ иностранной статьи в рамках тем курса с реализацией ее практических результатов, а также могут быть рассмотрены самостоятельно предложенные студентами темы для проектного задания. Проект обязательно включает: 1) отчет – постановка задачи, обзор других решений с ссылками на другие работы, описание практической части, анализ результатов; 2) программный код, вывод результатов, визуализация данных; 3) защита – выступление с короткой презентацией по проекту. Оценка за итоговый проект выставляется по 10-балльной шкале.
- Лабораторная работаОсновной формой работы на семинарах является программирование в IPython Notebook или RStudio. Формы работы и критерии оценивания на каждом конкретном семинаре преподаватель озвучивает студентам. Оценки за работу на семинарских занятиях преподаватель выставляет в рабочую ведомость в Google Sheets. Работа на семинаре оценивается по 10-балльной шкале. В случае пропуска семинара и невыполнения задания, студент получает 0 баллов за этот вид работы. Пропуск семинара не восстанавливается, однако, задания возможно сдавать удаленно в случае уважительной причины.
Промежуточная аттестация
- Промежуточная аттестация (2 модуль)0.2 * Домашнее задание + 0.15 * Контрольная работа + 0.2 * Лабораторная работа + 0.45 * Проект
Список литературы
Рекомендуемая основная литература
- Newman, M. (2010). Networks: An Introduction. Oxford University Press, 2010
Рекомендуемая дополнительная литература
- Easley, D. et al. Networks, crowds, and markets. – Cambridge : Cambridge university press, 2010. – 744 pp.
- Губанов Д.А., Новиков Д.А., Чхартишвили А.Г. - Социальные сети: модели информационного влияния, управления и противоборства - Новиков Дмитрий Александрович - 2010 - 226с. - ISBN: 9785-94052-194-5 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/917309