• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

Introduction to Network Analysis

2019/2020
Academic Year
RUS
Instruction in Russian
4
ECTS credits
Course type:
Elective course
When:
4 year, 2 module

Instructors


Gerasimova, Olga

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

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

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

Содержание учебной дисциплины

  • Введение в сетевой анализ
    Введение в сетевой анализ. Основные свойства сети и метрики. Примеры сетей.
  • Описательные статистики реальных сетей, модели формирования сети
    Степенной 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 сетях
    Метрики 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 эквивалентность
    Метрики структурной эквивалентности. Евклидова метрика и расстояние Хэмминга. Коэффициент корреляции. Косинусное сходство. Ассортативное смешивание и гомофилия. Смешивание по факторным и численным атрибутам
  • Сообщества в социальных сетях
    Сетевые сообщества. Плотность сообществ и метрики разрезов. Алгоритм Ньюмэна-Джирвина. Жадные алгоритмы. Иерархическая кластеризация. k-core
  • Инструменты работы с графами
    Библиотеки визуализации графов в R/Python. Редактор Gephi и др.
  • Распространение информации и эпидемии в сетях
    Модели эпидемий: SI, SIS, SIR. Решение дифференциальных уравнений. Предельные случаи. Моделирование распространения инфекции.
  • Распространение инноваций и информационные каскады
    Обучение 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 сетях
    Обучение с учителем. Рекомендательные системы.
  • Защита проектов
    Представление проекта и защита
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание
    Оценки 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.
  • неблокирующий Контрольная работа
    Студенты 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.
  • неблокирующий Проект
    Итоговый 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.
  • неблокирующий Лабораторная работа
    Основной 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

  • Промежуточная аттестация (2 модуль)
    0.2 * Домашнее задание + 0.15 * Контрольная работа + 0.2 * Лабораторная работа + 0.45 * Проект
Список литературы

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