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: | |
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 |
Przejdź do planu
PN WT ŚR CZ PT |
Typ zajęć: |
Projekt, 45 godzin
Wykład, 15 godzin
|
|
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 |
Przejdź do planu
PN WT WYK
PRO
PRO
PRO
ŚR CZ PT |
Typ zajęć: |
Projekt, 45 godzin
Wykład, 15 godzin
|
|
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 |
Przejdź do planu
PN WT ŚR CZ PT PRO
WYK
PRO
|
Typ zajęć: |
Projekt, 45 godzin
Wykład, 15 godzin
|
|
Koordynatorzy: | Marek Gągolewski | |
Prowadzący grup: | Grzegorz Siudem | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: | Egzamin |
Właścicielem praw autorskich jest Politechnika Warszawska.