460-4141/01 – Metody analýzy sítí I (MAS I)
Garantující katedra | Katedra informatiky | Kredity | 4 |
Garant předmětu | RNDr. Eliška Ochodková, Ph.D. | Garant verze předmětu | RNDr. Eliška Ochodková, Ph.D. |
Úroveň studia | pregraduální nebo graduální | Povinnost | povinně volitelný typu B |
Ročník | 2 | Semestr | zimní |
| | Jazyk výuky | čeština |
Rok zavedení | 2022/2023 | Rok zrušení | |
Určeno pro fakulty | FEI | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Cílem předmětu je představení komplexních sítí se zaměřením na jejich typy (sociální, komunikační, biologické apod.), vlastnosti, modely a na metody jejich analýzy. Po absolvování předmětu bude student rozumět principům, které ovlivňují vlastnosti sítí, bude schopen aplikovat metody související s analýzou těchto vlastností a bude schopen prototypově implementovat vybrané metody a modely. Dále bude schopen využít nástroje a knihovny pro analýzu a vizualizaci sítí a po aplikaci metod analýzy sítí bude umět posoudit relevanci výsledků a nalézt jejich srozumitelnou interpretaci.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Anotace
Přednášky se budou věnovat teoretickému pozadí vlastností, modelů a analytických metod tak, aby byli studenti schopni sami rozhodnout, pro jaký účel jsou jednotlivé metody vhodné, jak je nastavit a aplikovat, jaké výstupy lze díky jejich aplikaci získat a jak lze tyto výstupy interpretovat.
Cvičení slouží pro praktické experimenty s vhodnými datovými sadami, prototypování implementací metod, experimentování s nástroji a knihovnami pro analýzu a vizualizaci síťových dat a pro hodnocení výsledků experimentů.
Povinná literatura:
[1] Barabási, L-A. (2016). Network science. Cambridge University Press, 2016.
Doporučená literatura:
[1] Zaki, M. J., Meira Jr, W. (2014). Data Mining and Analysis: Fundamental Concepts and Algorithms. Cambridge University Press.
[2] Newman, M. (2010). Networks: An Introduction. Oxford University Press.
[3] Leskovec, J., Rajaraman, A., Ullman, J. D. (2014). Mining of massive datasets. Cambridge University Press.
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Zápočet je udělen za alespoň minimální počet bodů zahrnujících body za aktivitu na cvičeních, za dva semestrální úkoly (jeden je rozsáhlejší implementace vybrané metody a druhý je komplexní analytická úloha) a za písemný test. Aktivita na cvičeních zahrnuje vyvážený podíl jednak vlastních prototypových implementací vybraných metod a jednak realizace analytických úkolů využívajících knihovny pro analýzu a vizualizaci sítí v prostředí skriptovacího jazyka (R, Python). Písemný test má formu otevřených otázek týkajících se témat probíraných na přednáškách.
E-learning
Další požadavky na studenta
Nejsou žádné další požadavky.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Úvod do analýzy síťových dat. Základní pojmy, reprezentace síťových dat
2. Statistika pro analýzu sítí
3. Základní globální a lokální vlastnosti 1
4. Základní globální a lokální vlastnosti 2,
5. Odolnost sítí
6. Základní modely - model náhodného grafu, model malého světa, model preferenčního připojování
7. Převody vektorových dat na síť
8. Komunity a komunitní struktura
9. Další generativní modely
10. Korelace v sítích
11. Vzorkování síťových dat (sampling)
12. Vizualizace sítí
Cvičení budou vždy navazovat na přednášená témata a budou zaměřena na řešení praktických úloh. Na malých a středně velkých referenčních sítích budou prováděny experimenty jednak s vlastními implementacemi vybraných metod a jednak s využitím nástrojů a knihoven (zejména Gephi, knihovny pro R resp. Python).
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky