Магистратура
2019/2020
Методы анализа сетевых структур
Статус:
Курс обязательный (Интеллектуальный анализ данных)
Направление:
01.04.02. Прикладная математика и информатика
Когда читается:
2-й курс, 2 модуль
Формат изучения:
без онлайн-курса
Преподаватели:
Пономаренко Александр Александрович
Прогр. обучения:
Интеллектуальный анализ данных
Язык:
русский
Кредиты:
6
Контактные часы:
32
Программа дисциплины
Аннотация
Как отличить сеть развившуюся естественным образом от сети построенную искусственно; определить критические и наиболее важные элементы в сети; выделить сообщества в сетях; предсказать появления ребра; предсказать как сеть будет развиваться с течением времени – всё это вы узнаете в рамках данного курса.
Цель освоения дисциплины
- Владеть методами кластеризации
- Значить основные модели случайных графов
- Владеть методами поиска наиболее важных элементов в сети
Планируемые результаты обучения
- Знает основные характеристики графов
- Понимает Page Rank алгоритм. Понимает модель случайного блуждателя
- Понимает модель. Умеет вычислять вероятность возникновения фиксированной структуры,.
- Знаем модели графов со свойствами "тесного мира". Может запрограммировать.
- Понимает метод спектральной кластеризации. Может запрограммировать.
- Знает концепцию DHT и принцип работы Chord протокола.
- Понимает модель Клайнберга.
- Понимает метод вложения графов в векторное пространство graph2vec
Содержание учебной дисциплины
- Основные характеристики графовСпособы задания графа. Список смежности. Матрица инцидентности. Основные характери-стики графов. Диаметр графа. Плотность графа. Коэффициент кластеризации. Распределение степеней вершин. Клики. Компоненты связанности. Мосты. Кратчайшие пути.
- Google’s PageRank, HITSМодель случайного блуждания по сети. Google’s Page Rank. HITS алгоритм.
- Случайные графы.Модель Эрдеша Реньи.
- Модели графов со свойствами "тесного мира"Модель Ватса-Строгатца. Модель Барабаши-Альберта.
- Алгоритмы кластеризации в сетяхСпектральная кластеризация. Modularity. Подходы к поиску перекрывающихся сообществ.
- Модели навигационных тесных мировDHT и Chord протокол. Модель Клайнберга. Задача поиска ближайшего соседа. Диаграмма Вороного. Граф Делоне. Voronet, Raynet, SAT, GNAT. Метризованный тесный мир.
- Методы вложения графов в векторные пространства.Алгоритм Graph2vec
Элементы контроля
- Самостоятельная работа по теме "случайные графы"
- Лабораторная работа "Реализовать алгоритм спектральной кластеризации"
- Лабораторная работа "Реализовать алгоритм Page Rank"
- Лабораторная работа "Реализовать одну из моделей Тесного мира"
Промежуточная аттестация
- Промежуточная аттестация (2 модуль)0.25 * Лабораторная работа "Реализовать алгоритм Page Rank" + 0.25 * Лабораторная работа "Реализовать алгоритм спектральной кластеризации" + 0.25 * Лабораторная работа "Реализовать одну из моделей Тесного мира" + 0.25 * Самостоятельная работа по теме "случайные графы"
Список литературы
Рекомендуемая основная литература
- Ming-Yang Kao. Encyclopedia of Algorithms. Springer, New York, NY, 2016
Рекомендуемая дополнительная литература
- Panos M. Pardalos, Ding-Zhu Du, Ronald L. Graham. Handbook of Combinatorial Optimization. Springer Science+Business Media, New York, 2013.
- Комбинаторика и теория вероятностей, учебное пособие, 99 с., Райгородский, А. М., 2013