Ce cours fait partie de la Spécialisation Science des données appliquée avec Python

4.6
étoiles
2,646 évaluations

94 %

Daniel Romero

92 402 déjà inscrits

Offert par

Dans le cadre du diplôme Master of Applied Data Science
En savoir plus

Spécialisation Science des données appliquée avec PythonUniversité du Michigan

À propos de ce cours

41 863 consultations récentes

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.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 5 sur 5 dans le

Spécialisation Science des données appliquée avec Python

Niveau intermédiaire

Approx. 26 heures pour terminer

Anglais

Ce que vous allez apprendre

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

Compétences que vous acquerrez

Graph Theory
Network Analysis
Python Programming
Social Network Analysis

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Cours 5 sur 5 dans le

Spécialisation Science des données appliquée avec Python

Niveau intermédiaire

Approx. 26 heures pour terminer

Anglais

Enseignant

Évaluation de l'enseignant

4,74/5 (178 évaluations)

Daniel Romero

Assistant Professor

School of Information

93 420 étudiants

3 cours

Offert par

Université du Michigan

Commencez à travailler pour obtenir votre master

Ce cours fait partie du diplôme intégralement en ligne Master of Applied Data Science de Université du Michigan. Si vous êtes admis(e) au programme complet, vos cours sont pris en compte dans votre apprentissage diplômant.

Programme de cours : ce que vous apprendrez dans ce cours

Évaluation du contenu94%(3,055 évaluations)

Semaine

Semaine 1

7 heures pour terminer

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 heures pour terminer

5 vidéos (Total 48 min), 3 lectures, 2 quiz

Semaine

Semaine 2

6 heures pour terminer

Network Connectivity

6 heures pour terminer

5 vidéos (Total 55 min)

Semaine

Semaine 3

5 heures pour terminer

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.

5 heures pour terminer

6 vidéos (Total 69 min)

Semaine

Semaine 4

8 heures pour terminer

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.

8 heures pour terminer

3 vidéos (Total 51 min), 4 lectures, 2 quiz

Avis

4.6

452 avis

5 stars
73,92 %
4 stars
19,99 %
3 stars
4,11 %
2 stars
1,02 %
1 star
0,94 %

Meilleurs avis pour APPLIED SOCIAL NETWORK ANALYSIS IN PYTHON

par SR27 mars 2020

Very helpful courses. I was able to review and got much better at some things I already knew like data visualization and was able to explore some new areas like network analysis.

par CA12 janv. 2018

The material and assignments were great and well aligned. The autograder for the Jupyter Notebooks was finicky at best and resulted in lots of time wasted getting formatting correct.

par LS22 août 2020

Basic yet informative course. The videos are well paced and the presenter is instructive. The exercises are well made, putting more enphasis on what was learned in the videos.

par NK2 mai 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.

Voir tous les avis

À propos du Spécialisation Science des données appliquée avec 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.

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.

Applied Social Network Analysis in Python

À propos de ce cours

Ce que vous allez apprendre

Compétences que vous acquerrez