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 A |
| Ročník | 1 | 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
• Úvod do analýzy síťových dat. Základní pojmy, reprezentace síťových dat
• Statistika pro analýzu sítí
• Základní globální a lokální vlastnosti 1
• Základní globální a lokální vlastnosti 2,
• Odolnost sítí
• Základní modely - model náhodného grafu, model malého světa, model preferenčního připojování
• Převody vektorových dat na síť
• Komunity a komunitní struktura
• Další generativní modely
• Korelace v sítích
• Vzorkování síťových dat (sampling)
• 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