This course will introduce the learner to network analysis through tutorials using the NetworkX library. The course begins with an understanding of what network analysis is and motivations for why we might model phenomena as networks. The second week introduces the concept of connectivity and network robustness. The third week will explore ways of measuring the importance or centrality of a node in a network. The final week will explore the evolution of networks over time and cover models of network generation and the link prediction problem.
Este curso faz parte do Programa de cursos integrados Ciência de dados aplicada com Python
oferecido por
Programa de cursos integrados Ciência de dados aplicada com PythonUniversidade de MichiganInformações sobre o curso
106,320 visualizações recentes
Resultados de carreira do aprendiz
34%
comecei uma nova carreira após concluir estes cursos
37%
consegui um benefício significativo de carreira com este curso
23%
recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 29 horas para completar
Inglês
Legendas: Inglês, Coreano
O que você vai aprender
Represent and manipulate networked data using the NetworkX library
Analyze the connectivity of a network
Measure the importance or centrality of a node in a network
Predict the evolution of networks over time
Habilidades que você terá
Graph TheoryNetwork AnalysisPython ProgrammingSocial Network Analysis
Resultados de carreira do aprendiz
34%
comecei uma nova carreira após concluir estes cursos
37%
consegui um benefício significativo de carreira com este curso
23%
recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 29 horas para completar
Inglês
Legendas: Inglês, Coreano
oferecido por
Universidade de Michigan
The mission of the University of Michigan is to serve the people of Michigan and the world through preeminence in creating, communicating, preserving and applying knowledge, art, and academic values, and in developing leaders and citizens who will challenge the present and enrich the future.
Programa - O que você aprenderá com este curso
7 horas para concluir
Why Study Networks and Basics on NetworkX
Module One introduces you to different types of networks in the real world and why we study them. You'll learn about the basic elements of networks, as well as different types of networks. You'll also learn how to represent and manipulate networked data using the NetworkX library. The assignment will give you an opportunity to use NetworkX to analyze a networked dataset of employees in a small company.
7 horas para concluir
5 vídeos (Total 48 mín.), 3 leituras, 2 testes
5 videos
Network Definition and Vocabulary9min
Node and Edge Attributes9min
Bipartite Graphs12min
TA Demonstration: Loading Graphs in NetworkX8min
3 leituras
Course Syllabus10min
Help us learn more about you!10min
Notice for Auditing Learners: Assignment Submission10min
1 exercício prático
Module 1 Quiz50min
7 horas para concluir
Network Connectivity
In Module Two you'll learn how to analyze the connectivity of a network based on measures of distance, reachability, and redundancy of paths between nodes. In the assignment, you will practice using NetworkX to compute measures of connectivity of a network of email communication among the employees of a mid-size manufacturing company.
7 horas para concluir
5 vídeos (Total 55 mín.)
5 videos
Distance Measures17min
Connected Components9min
Network Robustness10min
TA Demonstration: Simple Network Visualizations in NetworkX6min
1 exercício prático
Module 2 Quiz50min
6 horas para concluir
Influence Measures and Network Centralization
In Module Three, you'll explore ways of measuring the importance or centrality of a node in a network, using measures such as Degree, Closeness, and Betweenness centrality, Page Rank, and Hubs and Authorities. You'll learn about the assumptions each measure makes, the algorithms we can use to compute them, and the different functions available on NetworkX to measure centrality. In the assignment, you'll practice choosing the most appropriate centrality measure on a real-world setting.
6 horas para concluir
6 vídeos (Total 70 mín.)
6 videos
Betweenness Centrality18min
Basic Page Rank9min
Scaled Page Rank8min
Hubs and Authorities12min
Centrality Examples8min
1 exercício prático
Module 3 Quiz50min
9 horas para concluir
Network Evolution
In Module Four, you'll explore the evolution of networks over time, including the different models that generate networks with realistic features, such as the Preferential Attachment Model and Small World Networks. You will also explore the link prediction problem, where you will learn useful features that can predict whether a pair of disconnected nodes will be connected in the future. In the assignment, you will be challenged to identify which model generated a given network. Additionally, you will have the opportunity to combine different concepts of the course by predicting the salary, position, and future connections of the employees of a company using their logs of email exchanges.
9 horas para concluir
3 vídeos (Total 51 mín.), 3 leituras, 2 testes
3 leituras
Power Laws and Rich-Get-Richer Phenomena (Optional)40min
The Small-World Phenomenon (Optional)1h 20min
Post-Course Survey10min
1 exercício prático
Module 4 Quiz50min
Avaliações
Principais avaliações do APPLIED SOCIAL NETWORK ANALYSIS IN PYTHON
por NK2 de Mai de 2019
This course is a excellent introduction to social network analysis. Learnt a lot about how social network works. Anyone learning Machine Learning and AI should definitely take this course. It's good.
por JL23 de Set de 2018
It was an easy introductory course that is well structured and well explained. Took me roughly a weekend and I thoroughly enjoyed it. Hope the professor follows up with more advanced material.
por CG17 de Set de 2017
Excellent tour through the basic terminology and key metrics of Graphs, with a lot of help from the networkX library that simplifies many, otherwise tough, tasks, calculations and processes.
por BL17 de Abr de 2018
Really enjoyed the mathematical component of this course. It was fun to see how you could connect the graph theoretical components to the machine learning concepts from earlier courses.
Sobre Programa de cursos integrados Ciência de dados aplicada com Python
The 5 courses in this University of Michigan specialization introduce learners to data science through the python programming language. This skills-based specialization is intended for learners who have a basic python or programming background, and want to apply statistical, machine learning, information visualization, text analysis, and social network analysis techniques through popular python toolkits such as pandas, matplotlib, scikit-learn, nltk, and networkx to gain insight into their data.
Perguntas Frequentes – FAQ
Quando terei acesso às palestras e às tarefas?
O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:
- o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
- Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
O que recebo ao me inscrever nesta Especialização?
Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. Seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.
Is financial aid available?
Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .
Ganharei créditos universitários por concluir o curso?
Este curso não oferece créditos universitários, mas algumas universidades podem aceitar certificados de cursos que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
