×
ribbon

تحلیل شبکه‌های اجتماعی با پایتون

مدرس:

نرگس دهقان

شبکه های اجتماعی تنها به پلتفرم هایی مانند اینستاگرام، لینکدین یا ایکس محدود نمی شوند؛ بسیاری از پدیده... بیشتر
جدید
گواهی‌نامه
4 (2)
2 دیدگاه
47دانشجو
7ساعت
سرفصل‌ها
مقدماتی سطح دوره
بروزرسانیتیر ۱۴۰۵

اشتراک مکتب‌پلاس

خرید اشتراک

با خرید اشتراک مکتب‌پلاس، علاوه بر این دوره، به بیش از ۴،۰۰۰ دوره دیگر دسترسی خواهید داشت.

دسترسی به تمام دوره‌هابیش از ۴،۰۰۰ دوره
محتوای دوره
سرفصل‌ها
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

مدل‌سازی، ایجاد و تحلیل شبکه‌های اجتماعی با استفاده از کتابخانه NetworkX در پایتون

توانایی تحلیل شبکه‌ها و تفسیر نتایج به‌دست‌آمده برای حل مسائل واقعی

محاسبه و تفسیر معیارهای مهم تحلیل شبکه

تحلیل ساختار و تکامل شبکه‌ها، آشنایی با مدل‌های تولید شبکه و بررسی مسائل پیش‌بینی پیوند

این دوره شامل:

6 ساعت ویدئو

4 جلسه متنی

40 سؤال سنجش و یادگیری

گواهینامه مکتب‌خونه

دسترسی مادام‌العمر به محتوای دوره

سرفصل‌های دوره

4 فصل17 جلسه7 ساعت ویدیو
مقدمه‌ای بر تحلیل شبکه‌ها و مفاهیم پایه
  شبکه چیست و چرا آن را مطالعه می‌کنیم؟
13:19
  مفاهیم و واژگان پایه شبکه-1
13:48
  مفاهیم و واژگان پایه شبکه-2
30:57
  ویژگی‌های گره‌ها و یال‌ها
25:03
  گراف‌های دو بخشی (Bipartite Graphs)
26:08
  ذخیره سازی گراف
28:24
  کوئیز
10:00
  پروژه
02:41
معیارهای ساختاری شبکه
  ضریب خوشه بندی (Clustering Coefficient )
30:30
  اندازه‌گیری فاصله
39:31
  Connected component
12:35
  Network Robustness
09:24
  کوئیز
10:00
  پروژه
03:09
معیارهای تأثیرگذاری و متمرکزسازی شبکه
  Degree and Closeness Centrality
16:49
  Betweenness Centrality
17:38
  Page Rank
17:56
  Authorities and Hub
12:38
  کوئیز
10:00
  پروژه
03:10
ارزیابی شبکه
  مدل اتصال ترجیحی (Preferential Attachment Model )
21:49
  شبکه جهانی کوچک
22:05
  Link Prediction
30:53
  کوئیز
10:00
  پروژه
03:47

پیش‌نیاز‌ها

این دوره به گونه‌ای طراحی و تدوین شده است که مفاهیم به ساده‌ترین و روان‌ترین شکل ممکن ارائه شوند؛ با این حال، آشنایی با زبان برنامه‌نویسی پایتون، کتابخانه‌های پایه تحلیل داده و مفاهیم اولیه یادگیری ماشین توصیه می‌شود.

توضیحات دوره

شبکه‌های اجتماعی تنها به پلتفرم‌هایی مانند اینستاگرام، لینکدین یا ایکس محدود نمی‌شوند؛ بسیاری از پدیده‌های دنیای واقعی، از ارتباطات انسانی و همکاری‌های سازمانی گرفته تا شبکه‌های حمل‌ونقل، سامانه‌های زیستی و شبکه‌های اطلاعاتی، در قالب شبکه قابل مدل‌سازی و تحلیل هستند. تحلیل شبکه‌های اجتماعی (Social Network Analysis) مجموعه‌ای از روش‌ها و ابزارها را در اختیار ما قرار می‌دهد تا ساختار این شبکه‌ها را بررسی کرده، الگوهای پنهان آن‌ها را شناسایی کنیم و نقش و اهمیت اجزای مختلف شبکه را بهتر درک نماییم.

این دوره با هدف آموزش مفاهیم، روش‌ها و کاربردهای تحلیل شبکه‌های اجتماعی طراحی شده است و از کتابخانه NetworkX در زبان برنامه‌نویسی پایتون به‌عنوان ابزار اصلی پیاده‌سازی استفاده می‌کند. در طول دوره، علاوه بر آشنایی با مبانی نظری، خواهید آموخت چگونه شبکه‌های واقعی را مدل‌سازی، تحلیل و تفسیر کنید و از تکنیک‌های تحلیل شبکه برای استخراج بینش از داده‌های شبکه‌ای بهره ببرید.

دوره با معرفی مفاهیم پایه شبکه‌ها و انواع گراف‌ها آغاز می‌شود. سپس مباحثی مانند ویژگی‌های ساختاری شبکه، اتصال‌پذیری، استحکام و تاب‌آوری شبکه، معیارهای مرکزیت، ضریب خوشه‌بندی، مدل‌های تولید و تکامل شبکه، پیش‌بینی پیوند (Link Prediction) و سایر مفاهیم کاربردی به‌صورت گام‌به‌گام آموزش داده می‌شوند.

در کنار مباحث نظری، تمامی مفاهیم با استفاده از کتابخانه NetworkX و از طریق مثال‌های عملی، تمرین‌های برنامه‌نویسی و تحلیل مجموعه‌داده‌های واقعی پیاده‌سازی می‌شوند تا بتوانید مهارت لازم برای تحلیل شبکه‌های پیچیده را در پروژه‌های پژوهشی و کاربردهای واقعی کسب کنید.

اهداف یادگیری

در پایان این دوره، خواهید توانست:

  • مفاهیم و اصطلاحات پایه تحلیل شبکه‌های اجتماعی را به‌خوبی درک و تبیین کنید.
  • انواع شبکه‌ها و ویژگی‌های ساختاری آن‌ها را شناسایی و مقایسه نمایید.
  • شبکه‌ها را با استفاده از کتابخانه NetworkX ایجاد، نمایش، مدیریت و تحلیل کنید.
  • شاخص‌های مهم تحلیل شبکه مانند اتصال‌پذیری، فاصله، استحکام و ضریب خوشه‌بندی را محاسبه و تفسیر نمایید.
  • معیارهای مختلف مرکزیت را برای ارزیابی میزان اهمیت و تأثیرگذاری گره‌ها به‌کار بگیرید.
  • مدل‌های تولید شبکه و فرایند تکامل آن‌ها را تحلیل و مقایسه کنید.
  • مسائل پیش‌بینی پیوند (Link Prediction) را در شبکه‌های اجتماعی بررسی و پیاده‌سازی نمایید.
  • شبکه‌های واقعی را تحلیل کرده و نتایج حاصل را برای استخراج بینش از داده‌های شبکه‌ای تفسیر کنید.

شیوه آموزش

این دوره ترکیبی از آموزش مفاهیم نظری، مثال‌های کاربردی، پیاده‌سازی گام‌به‌گام در پایتون، تمرین‌های عملی و پروژه‌های برنامه‌نویسی است. تمامی مباحث با استفاده از کتابخانه NetworkX آموزش داده می‌شوند تا علاوه بر درک مفاهیم، توانایی پیاده‌سازی و تحلیل شبکه‌های واقعی را نیز کسب کنید.

دیدگاه کاربران

4

بر اساس امتیاز 2 دانشجو

1
2
3
4
5

نیلوفر اسمانی

2 روز پیش

5

مفاهیم خیلی خوب گفته میشه, مخصوصا که تدریس با کد همراه هست

رضا کشوادی

2 روز پیش

3

اصلا خوب نبود

گواهینامه اختصاصی دو زبانه

پس از گذراندن دوره به صورت آنلاین در سایت مکتب‌خونه، گواهی‌نامه رسمی پایان دوره به زبان فارسی و انگلیسی، توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

امکان اشتراک گذاری در لینکدین
دو زبانه

ضمانت بازگشت وجه

کیفیت این آموزش توسط مکتب‌خونه تضمین شده است. در صورت عدم رضایت، با شرایط زیر می‌توانید درخواست بازگشت وجه کنید.

مهلت درخواستتا ۱۵ روز پس از خرید دوره
میزان مشاهدهکمتر از ۲۰ درصد یا ۵ جلسه از دوره
1دوره
47دانشجو
2نظر و امتیاز

نرگس دهقان فارغ‌التحصیل مهندسی فناوری اطلاعات و دانش‌آموخته‌ی رشته  امنیت سایبری است.

تمرکز پژوهشی ایشان بر امنیت هوش مصنوعی  و تشخیص بدافزار  می باشد. فعالیت‌های پژوهشی وی شامل انتشار مقالات علمی در مجلات  بین‌المللی و انجام  پروژه‌های تحقیقاتی در حوزه‌های امنیت سایبری، یادگیری ماشین و هوش مصنوعی است.

ایشان علاوه بر فعالیت‌های پژوهشی، دوره‌های تخصصی متعددی را از دانشگاه‌ها و مؤسسات معتبر بین‌المللی گذرانده است.هدف ایشان از تدریس، ارائه مفاهیم به‌صورت ساده، کاربردی و پروژه‌محور است تا فراگیران علاوه بر درک مبانی نظری، توانایی پیاده‌سازی و به‌کارگیری آموخته‌های خود را در مسائل واقعی کسب کنند.