Este curso faz parte do Programa de cursos integrados Ciência de dados aplicada com Python

4.6
estrelas
2,631 classificações

Daniel Romero

91.160 já se inscreveram

oferecido por

Parte da graduação Master of Applied Data Science
Saiba mais

Programa de cursos integrados Ciência de dados aplicada com PythonUniversidade de Michigan

Informações sobre o curso

52.944 visualizações recentes

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. 
This course should be taken after: Introduction to Data Science in Python, Applied Plotting, Charting & Data Representation in Python, and Applied Machine Learning in Python.

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 5 de 5 no

Programa de cursos integrados Ciência de dados aplicada com Python

Nível intermediário

Aprox. 29 horas para completar

Inglês

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 Theory
Network Analysis
Python Programming
Social Network Analysis

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.

Certificados compartilháveis

Tenha o certificado após a conclusão

100% on-line

Comece imediatamente e aprenda em seu próprio cronograma.

Curso 5 de 5 no

Programa de cursos integrados Ciência de dados aplicada com Python

Nível intermediário

Aprox. 29 horas para completar

Inglês

Instrutores

Classificação do instrutor

4,73/5 (171 classificações)

Daniel Romero

Assistant Professor

School of Information

92.056 aprendizes

3 Cursos

oferecido por

Universidade de Michigan

Comece a trabalhar rumo ao seu mestrado

Este curso é parte da graduação 100% on-line Master of Applied Data Science da Universidade de Michigan. Caso seja aceito para o programa completo, seus cursos contarão para sua graduação.

Saiba mais

Programa - O que você aprenderá com este curso

Classificação do conteúdo94%(3,041 classificações)

Semana

Semana 1

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

Semana

Semana 2

7 horas para concluir

Network Connectivity

7 horas para concluir

5 vídeos (Total 55 mín.)

Semana

Semana 3

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.)

Semana

Semana 4

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.), 4 leituras, 2 testes

Avaliações

4.6

446 avaliações

5 stars
73,91%
4 stars
19,96%
3 stars
4,13%
2 stars
1,02%
1 star
0,94%

Principais avaliações do APPLIED SOCIAL NETWORK ANALYSIS IN PYTHON

por SH20 de nov de 2018

Course was ok, the assignments are not too difficult. I wish the course would provided more insights and discussions of the presented metrics of centrality though.

por DS24 de fev de 2018

I loved this course. It was well taught and had excellent problem sets and quizzes to internalize the learning. The material is very relevant to the market today. I highly recommend it.

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 RM5 de jul de 2018

Great class for an introduction to networks.I didn't give it 5 stars because it didn't give me enough information to apply the concepts learned to real life projects.

Visualizar todas as avaliações

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.
Existe algum auxílio financeiro disponível?
Sim. Em programas de aprendizado selecionados, você pode solicitar auxílio financeiro ou uma bolsa de estudos caso não consiga pagar a taxa de inscrição. Se o auxílio financeiro ou bolsa de estudos estiver disponível para a seleção do seu programa de aprendizado, você encontrará um link para se inscrever na página de descrição.

Mais dúvidas? Visite o Central de Ajuda ao estudante.

Applied Social Network Analysis in Python

Informações sobre o curso

O que você vai aprender

Habilidades que você terá