460-4142/02 – Metody analýzy sítí II (MAS II)
| Garantující katedra | Katedra informatiky | Kredity | 4 |
| Garant předmětu | doc. Mgr. Miloš Kudělka, Ph.D. | Garant verze předmětu | doc. Mgr. Miloš Kudělka, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | | |
| | Jazyk výuky | angličtina |
| Rok zavedení | 2022/2023 | Rok zrušení | |
| Určeno pro fakulty | FEI | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Předmět navazuje na předmět Metody analýzy sítí I. Jeho prvním cílem je studium dynamiky sítí, vývoje vlastností sítí v čase a studium jevů, které se při vývoji v čase mohou odehrávat. Druhým cílem předmětu je představení vícevrstvých sítí jako přirozeného zobecnění jednoduchých sítí se zaměřením jejich typy, vlastnosti, modely, vývoj v čase a aplikaci metod jejich analýzy. Po absolvování předmětu bude student rozumět principům, které ovlivňují vlastnosti jednoduchých i vícevrstvých sítí měnících se v čase, bude schopen aplikovat metody související s analýzou těchto vlastností a bude schopen prototypově implementovat vybrané metody. Dále bude schopen využít nástroje a knihovny pro analýzu vývoje jednoduchých i vícevrstvých sítí v čase a pro jejich vizualizaci. Po aplikaci metod analýzy sítí a jejich vývoje 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.
[2] Dickison, M.E., Magnani, M., and Rossi, L. (2016). Multilayer social networks. Cambridge University Press.
[3] Bianconi, G. (2018). Multilayer networks: structure and function. Oxford University Press.
Doporučená literatura:
[1] Newman, M. (2010). Networks: An Introduction. Oxford 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 další požadavky.
Prerekvizity
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Úvod do dynamiky sítí, vývoj sítí.
2. Šíření jevů
3. Temporální sítě
4. Vývoj vlastnosti dynamických sítí
5. Metody predikce linků
6. Platformy pro práci s rozsáhlými sociálními sítěmi
7. Úvod do vícevrstvých sítí, multiplex a multi-slice sítě a jejich reprezentace
8. Měření vlastností ve vícevrstvých sítích (centrality a relevance)
9. Měření vlastností ve vícevrstvých sítích (cesty a random walk procesy)
10. Komunity ve vícevrstvých sítích
11. Modely ve vícevrstvých sítích
12. Šíření jevů ve vícevrstvých sítích
13. Vizualizace vícevrstvých sítí
Cvičení budou vždy navazovat na přednášená témata a budou zaměřena na řešení praktických úloh. Na středně velkých a rozsáhlých referenčních i reálných 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
Předmět neobsahuje žádné hodnocení.