Аспирантура 2022/2023

Сетевые модели

Статус: Курс по выбору

Направление: 09.06.01. Информатика и вычислительная техника

Кто читает: Кафедра прикладной математики и информатики (Нижний Новгород)

Когда читается: 2-й курс, 1 семестр

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Калягин Валерий Александрович

Язык: русский

Кредиты: 8

Контактные часы: 20

Программа дисциплины

Аннотация

Дисциплина «Сетевые модели» нацелена на развитие способностей проводить теоретические и экспериментальные исследования в области анализа сетевых структур. Рассматриваются классические и современные модели случайных графов, модели социальных сетей, сетевые модели финансовых рынков. Важное место в дисциплине уделено современным сетевым моделям информационного поиска. Теоретические положения закрепляются практическими навыками работы с сетевыми моделями с использованием реальных данных. В результате освоения дисциплины аспиранты систематизируют свои знания в области сетевых моделей, осваивают современные методы анализа сетевых структур и их приложения, приобретают навык работы с научной литературой.

Цель освоения дисциплины

• Целью освоения дисциплины является знакомство обучающихся с современными методами анализа сетевых моделей В результате освоения дисциплины аспирант должен: Знать: основные положения построения и анализа сетевых моделей. Уметь: использовать полученные знания в своей научной и педагогической деятельности Иметь навыки (приобрести опыт): работы с литературой, разработки компьютерных программ сетевого анализа.

Планируемые результаты обучения

• Уметь анализировать модели случайных графов и выбирать подходящую модель по близости основных характеристик.
• Уметь анализировать сети и выбирать адекватный алгоритм поиска сообществ в сети.
• Уметь анализировать сложные сети, выделять сеттевые структуры и оценивать неопределенность идентификации сетевых структур
• Уметь анализировать социальные сети, выбирать и обосновывать метод анализа, выбирать и обосновывать модель социальной сети.

Содержание учебной дисциплины

• Случайные графы
• Поиск сообществ в сетях
• Модели социальных сетей
• Сетевые структуры фондовых рынков

Элементы контроля

• Экзамен
  Беседа с аспирантом по основным теоретическим положениям дисциплины.
• Домашнее задание
  Анализ случайных графов с предпочтительным присоединением.

Промежуточная аттестация

• 2022/2023 учебный год I семестр
  0.7 * Экзамен + 0.3 * Домашнее задание

Список литературы

Рекомендуемая основная литература

• Carrington, P. J., Scott, J., & Wasserman, S. (2005). Models and Methods in Social Network Analysis. Cambridge: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=132264
• Dehmer, M., & Basak, S. C. (2012). Statistical and Machine Learning Approaches for Network Analysis. Hoboken, N.J.: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=465414
• Kadry, S., & Al-Taie, M. Z. (2014). Social Network Analysis : An Introduction with an Extensive Implementation to a Large-scale Online Network Using Pajek. Oak Park, IL: Bentham Science Publishers. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=694016
• Scott, J. (DE-588)132315661, (DE-576)299070239. (2009). Social network analysis : a handbook / John Scott. Los Angeles [u.a.]: Sage. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.307646734

Рекомендуемая дополнительная литература

• Fu, X., Luo, J.-D., & Boos, M. (2017). Social Network Analysis : Interdisciplinary Approaches and Case Studies. Boca Raton, FL: CRC Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1499393
• Lee, H., & Sohn, I. (2015). Fundamentals of Big Data Network Analysis for Research and Industry. Chichester, UK: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1100477
• Luke, D. A. (2015). A User’s Guide to Network Analysis in R. Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1114415
• Mohammed Zuhair Al-Taie, Seifedine Kadry (2017) Python for Graph and Network Analysis. Springer International Publishing AG. https://link.springer.com/content/pdf/10.1007%2F978-3-319-53004-8.pdf
• Nooy, W. de, Mrvar, A., & Batagelj, V. (2005). Exploratory Social Network Analysis with Pajek. New York: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=138973
• Palumbo, F., International Federation of Classification Societies, Montanari, A., & Vichi, M. (2017). Data Science : Innovative Developments in Data Analysis and Clustering. Cham: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1548455
• Колчин, В. Ф. Случайные графы : учебное пособие / В. Ф. Колчин. — 2-е изд. — Москва : ФИЗМАТЛИТ, 2004. — 256 с. — ISBN 5-9221-0486-1. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/59361 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.