آموزش آنالیز شبکه‌های اجتماعی به کمک پایتون

دوره "Applied Social Network Analysis in Python"، یک راهنمای جامع برای تحلیل شبکه‌ها و استفاده از ابزارهای قدرتمند برای مدل‌سازی داده‌های شبکه‌ای است. در ابتدا، به بررسی مفهوم تحلیل شبکه پرداخته می‌شود و دلایلی که ... بیشتر

جدید
زیرنویس
45 دانشجو
مقدماتی
Coursera

Daniel Romero

به‌روزرسانی: ۱۴۰۳/۱۱/۲۱

محتوای دوره
پیش‌نیاز‌ها
درباره دوره
درباره استاد

آنچه در این دوره می‌آموزید

نمایش و دستکاری داده‌های شبکه‌ای با استفاده از کتابخانه NetworkX

تجزیه و تحلیل اتصال شبکه

اندازه‌گیری اهمیت یا تمرکز یک گره در شبکه

پیش‌بینی تکامل شبکه‌ها در طول زمان

محتوای دوره

4 فصل 19 جلسه 4 ساعت ویدیو
چرا شبکه‌ها را مطالعه کنیم و مبانی NetworkX
  شبکه‌ها: تعریف و چرا آن‌ها را مطالعه می‌کنیم
مشاهده
"07:13
  تعریف شبکه و واژگان
مشاهده
"09:34
  ویژگی‌های گره و یال
"09:42
  گراف‌های دوبخشی
"12:55
  نمایش TA: بارگذاری گراف‌ها در NetworkX
"08:51
اتصال شبکه
اندازه‌گیری‌های تأثیر و تمرکز شبکه
تکامل شبکه

پیش‌نیاز‌ها

این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.

درباره دوره

دوره "Applied Social Network Analysis in Python"، یک راهنمای جامع برای تحلیل شبکه‌ها و استفاده از ابزارهای قدرتمند برای مدل‌سازی داده‌های شبکه‌ای است.

در ابتدا، به بررسی مفهوم تحلیل شبکه پرداخته می‌شود و دلایلی که باعث می‌شود ما پدیده‌ها و روابط پیچیده را به‌صورت شبکه مدل‌سازی کنیم، مورد توجه قرار می‌گیرد. در هفته اول، دانش‌آموزان با مفاهیم ابتدایی شبکه‌ها و مدل‌های مختلف آن‌ها آشنا می‌شوند و یاد می‌گیرند که چگونه از کتابخانه NetworkX برای تجزیه و تحلیل داده‌های شبکه‌ای استفاده کنند.

هفته دوم به بررسی اتصال شبکه‌ها و استحکام آن‌ها اختصاص دارد. این بخش به تحلیل چگونگی ارتباط و پیوستگی گره‌ها در یک شبکه پرداخته و نحوه ارزیابی قابلیت شبکه در برابر خرابی‌ها و گسست‌ها را توضیح می‌دهد. این مفاهیم به دانش‌آموزان کمک می‌کند تا فهم عمیق‌تری از نحوه عملکرد شبکه‌ها و چگونگی حفظ پیوستگی در شرایط مختلف به‌دست آورند.

در هفته سوم، دوره به بررسی مفهوم تمرکز یا اهمیت گره‌ها در یک شبکه می‌پردازد. در این بخش، تکنیک‌های مختلفی برای اندازه‌گیری تمرکز مانند درجه گره، تمرکز نزدیکی و تمرکز میانجی‌گری معرفی می‌شود. دانش‌آموزان یاد می‌گیرند که چگونه اهمیت گره‌ها را در شبکه‌های مختلف اندازه‌گیری کنند و از این اطلاعات برای شبیه‌سازی رفتار شبکه‌ها استفاده کنند. هفته چهارم به تحلیل تکامل شبکه‌ها در طول زمان اختصاص دارد. در این هفته، مدل‌های مختلف تولید شبکه و مسائل مربوط به پیش‌بینی پیوند مورد بررسی قرار می‌گیرند.

این بخش به دانش‌آموزان نشان می‌دهد که چگونه می‌توانند تکامل شبکه‌ها را در طول زمان پیش‌بینی کنند و از مدل‌های ریاضی برای شبیه‌سازی تغییرات شبکه‌ها استفاده نمایند. در نهایت، این دوره به دانش‌آموزان امکان می‌دهد تا با استفاده از ابزارهای موجود در NetworkX، مسائل پیچیده شبکه‌ای را حل کرده و کاربردهای آن را در زمینه‌های مختلفی مانند تحلیل اجتماعی، بازاریابی، زیست‌شناسی و شبیه‌سازی‌های علمی به‌طور عملی گسترش دهند.

دوره «تحلیل شبکه‌ها با استفاده از NetworkX» به‌طور خاص برای کسانی که دوره‌های مقدماتی «مقدمه‌ای بر داده‌کاوی در پایتون»، «تصویرسازی و نمودارسازی داده‌ها در پایتون» و «یادگیری ماشین کاربردی در پایتون» را به اتمام رسانده‌اند، طراحی شده است. این دوره به شما کمک می‌کند تا توانمندی‌های تحلیلی خود را در زمینه تحلیل شبکه‌ها گسترش دهید و از تکنیک‌های پیشرفته برای بررسی شبکه‌های اجتماعی، ارتباطات پیچیده، و پیش‌بینی تکامل آن‌ها استفاده کنید.

همچنین، با یادگیری نحوه مدل‌سازی شبکه‌ها و شبیه‌سازی رفتار آن‌ها، می‌توانید در پروژه‌های علمی، تحقیقاتی و صنعتی از این مهارت‌ها بهره‌برداری کنید و تصمیم‌گیری‌های مبتنی بر داده را در زمینه‌های مختلف بهبود دهید.

اطلاعات بیشتر

دوره‌های پیشنهادی

درباره استاد

Daniel Romero
1 دوره
45 دانشجو

دانیل رومرو استادیار در دانشکده اطلاعات دانشگاه میشیگان است. علاقه‌مندی اصلی او در زمینه تحلیل تجربی و نظری شبکه‌های اجتماعی و اطلاعات است، با تمرکز خاص بر درک مکانیسم‌های درگیر در تکامل شبکه‌ها، انتشار اطلاعات و تعاملات کاربران در وب.

اطلاعات بیشتر

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟

بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.

تمام حقوق این وب‌سایت برای شرکت ندای دانش همراه ایرانیان (مکتب‌خونه‌‌‌‌) است.