Politechnika Warszawska - Centralny System Uwierzytelniania
Nie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Modelowanie i analiza sieci złożonych

Informacje ogólne

Kod przedmiotu: 1120-DS000-MSP-0231 Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Modelowanie i analiza sieci złożonych
Jednostka: Wydział Matematyki i Nauk Informacyjnych
Grupy: Inżynieria i analiza danych, II st. - przedmioty obowiązkowe, sem. 2 z 3
Inżynieria i analiza danych, II st. - przedmioty obowiązkowe, sem. 3 z 4
Punkty ECTS i inne: 5.00
Język prowadzenia: polski
Skrócony opis:

Celem przedmiotu jest zaznajomienie studentów z podstawowymi modelami, metodami matematycznymi i algorytmami wykorzystywanymi w analizie sieci złożonych (sieci społecznościowych, biologicznych, technologicznych, cytowań itp.). W trakcie kursu student poznaje metody eksploracyjnej analizy danych (wizualizacja dużych sieci, podstawowe statystyki opisowe, analiza skupień), modele tłumaczące powstawanie sieci oraz dynamikę w nich zachodzącą, a także narzędzia pozwalające dokonywać analiz predykcyjnych dla tego rodzaju danych.

Wymagania wstępne / przedmioty poprzedzające:

Teoria grafów, matematyka dyskretna

Rachunek prawdopodobieństwa, statystka matematyczna

Programowanie w języku Python i Java

Pełny opis:

Treści kształcenia 1. Podstawy matematyczne i algorytmiczne: powtórzenie wiadomości z teorii grafów, sposoby reprezentacji (listy i macierze sąsiedztwa, macierze rzadkie), przeszukiwanie grafów

2. Grafowe bazy danych, przykłady sieci rzeczywistych

3. Algorytmy wizualizacji grafów

4. Statystyki opisowe (Centrality Degree, Betweenness, Closeness PageRank, itp.)

5. Grafy przypadkowe, model Erdosa-Renyi

6. Model sieci ewoluującej Barabasiego-Alberty

7. Własności sieci rzeczywistych.

8. Algorytmy wykrywania skupień (ang. community detection)

9. Sieci hierarchiczne, warstwowe i czasowe (ang. temporal networks)

10. Błądzenia losowe. Przypomnienie wiadomości o procesach Markowa

11. Modele agentowe i dynamika na sieciach

Literatura:

1. Caldarelli G., Chessa A., Data Science & Complex Networks, Oxford University Press, 2016

2. Caldarelli G., Scale-free networks: complex webs in nature and technology, Oxford University Press, 2007

3. Fronczak A., Fronczak P., Świat sieci złożonych: Od fizyki do Internetu, PWN, 2009

4. Durrett R., Random Graph Dynamics, Cambridge University Press, 2007

5. Aggarwal C.C., Wang H. (red.), Managing and Mining Graph Data, Springer, 2010

Metody i kryteria oceniania:

Kolokwium końcowe – teoria (50%)

Projekty – zastosowania praktyczne w analizie danych rzeczywistych i ich modelowaniu (50%)

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. letni" (zakończony)

Okres: 2021-02-20 - 2021-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Projekt, 45 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Marek Gągolewski
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. zimowy" (zakończony)

Okres: 2020-10-01 - 2021-02-19
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Projekt, 45 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Grzegorz Siudem
Prowadzący grup: Grzegorz Siudem
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin

Zajęcia w cyklu "rok akademicki 2019/2020 - sem. letni" (zakończony)

Okres: 2020-02-22 - 2020-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Projekt, 45 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Marek Gągolewski
Prowadzący grup: Grzegorz Siudem
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.