Прикладной сетевой анализ

Магистратура 2022/2023

Статус: Курс по выбору (Коммуникации, основанные на данных)

Направление: 42.04.01. Реклама и связи с общественностью

Кто читает: Школа коммуникаций

Где читается: Факультет креативных индустрий

Когда читается: 2-й курс, 1 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Прогр. обучения: Коммуникации, основанные на данных

Язык: русский

Кредиты: 4

Контактные часы: 32

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс знакомит студентов с активно развивающейся междисциплинарной областью исследование структурных данных и закономерностей в них. В рамках курса мы рассмотрим методы статистического и структурного анализа сетей, модели формирования и эволюции сетей и процессов, машинное обучение на графах. Особое внимание будет уделено практическому анализу и визуализации реальных сетей с использованием доступных программных средств, современных языков программирования и библиотек.

Цель освоения дисциплины

Целью освоения дисциплины «Прикладной сетевой анализ» является получение студентами системных представлений об анализе графов и социальных сетей, метода сбора, обработки и моделирование сетевых структур и применении в прикладных областях.

Планируемые результаты обучения

Владеет методами представления результатов проекта в области сетевого анализа
Владеет навыками моделирования случайных графов для тестирования статистических гипотез на структурных данных
Умеет находить структурно схожие элементы и меры схожести в структурной информации
Умеет обнаруживать сообщества в сетях, владеет методами кластеризации на графах
Владеет методами машинного обучения для структурной модели графа
Владеет методами машинного обучения для структурной модели графа с учетом текстовых эмбеддингов
Демонстрирует общие знания об области применения анализа социальный сетей и программных средствам для работы с графами
Знает модели распространения влияния. Умеет прогнозировать достижение равновесия в сетевой модели на основе Марковских процессов в сетях
Знает понятие центральности как меры ранжирования вершин в графе на основе структурной информации
Знает понятия центральности и престижа как мер ранжирования вершин, взаимовлияние в ориентированных сетях
Знает статистические особенности реальных сетей, основные отличия реальных сетей от модельных данных
Умеет строить модель классификации элементов сети, выявлять агентов влияния, осуществлять количественные предсказания на основе временных динамических графов
Умеет строить рекомендации связей между элементами сети, владеет методами детектирования фрода в сетях
Умеет использовать информационные каскады как модель сетевого маркетинга и оценивать успешность сетевого маркетинга.
Умеет моделировать распространение информации. Понимает сущность понятия эпидемии в информационном поле.