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.
제공자:
Python과 함께하는 응용 데이터 과학 특화 과정미시건 대학교이 강좌에 대하여
최근 조회 151,731회
학습자 경력 결과
34%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
37%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
23%
가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 5개 강좌 중 5번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 29시간 필요
영어
자막: 영어, 한국어
배울 내용
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
귀하가 습득할 기술
Graph TheoryNetwork AnalysisPython ProgrammingSocial Network Analysis
학습자 경력 결과
34%
가 이 강좌를 수료한 후 새로운 커리어를 시작함
37%
가 이 강좌를 통해 확실한 경력상 이점을 얻음
23%
가 급여 인상 또는 승진 성취
공유 가능한 수료증
완료 시 수료증 획득
100% 온라인
지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.
다음 특화 과정의 5개 강좌 중 5번째 강좌:
유동적 마감일
일정에 따라 마감일을 재설정합니다.
중급 단계
완료하는 데 약 29시간 필요
영어
자막: 영어, 한국어
제공자:
미시건 대학교
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.
강의 계획 - 이 강좌에서 배울 내용
완료하는 데 7시간 필요
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.
완료하는 데 7시간 필요
5개 동영상 (총 48분), 3 개의 읽기 자료, 2 개의 테스트
5개의 동영상
Network Definition and Vocabulary9m
Node and Edge Attributes9m
Bipartite Graphs12m
TA Demonstration: Loading Graphs in NetworkX8m
3개의 읽기 자료
Course Syllabus10m
Help us learn more about you!10m
Notice for Auditing Learners: Assignment Submission10m
1개 연습문제
Module 1 Quiz50m
완료하는 데 7시간 필요
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.
완료하는 데 7시간 필요
5개 동영상 (총 55분)
5개의 동영상
Distance Measures17m
Connected Components9m
Network Robustness10m
TA Demonstration: Simple Network Visualizations in NetworkX6m
1개 연습문제
Module 2 Quiz50m
완료하는 데 6시간 필요
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.
완료하는 데 6시간 필요
6개 동영상 (총 70분)
6개의 동영상
Betweenness Centrality18m
Basic Page Rank9m
Scaled Page Rank8m
Hubs and Authorities12m
Centrality Examples8m
1개 연습문제
Module 3 Quiz50m
완료하는 데 9시간 필요
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.
완료하는 데 9시간 필요
3개 동영상 (총 51분), 3 개의 읽기 자료, 2 개의 테스트
3개의 읽기 자료
Power Laws and Rich-Get-Richer Phenomena (Optional)40m
The Small-World Phenomenon (Optional)1시간 20분
Post-Course Survey10m
1개 연습문제
Module 4 Quiz50m
Python과 함께하는 응용 데이터 과학 특화 과정 정보
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.
Introduction to Data Science in Python (course 1), Applied Plotting, Charting & Data Representation in Python (course 2), and Applied Machine Learning in Python (course 3) should be taken in order and prior to any other course in the specialization. After completing those, courses 4 and 5 can be taken in any order. All 5 are required to earn a certificate.
자주 묻는 질문
강의 및 과제를 언제 이용할 수 있게 되나요?
강좌에 등록하면 바로 모든 비디오, 테스트 및 프로그래밍 과제(해당하는 경우)에 접근할 수 있습니다. 상호 첨삭 과제는 이 세션이 시작된 경우에만 제출하고 검토할 수 있습니다. 강좌를 구매하지 않고 살펴보기만 하면 특정 과제에 접근하지 못할 수 있습니다.
이 전문 분야를 구독하면 무엇을 이용할 수 있나요?
강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.
환불 규정은 어떻게 되나요?
구독하는 경우, 취소해도 요금이 청구되지 않는 7일간의 무료 평가판을 이용할 수 있습니다. 해당 기간이 지난 후에는 환불이 되지 않지만, 언제든 구독을 취소할 수 있습니다. 전체 환불 정책 보기.
재정 지원을 받을 수 있나요?
예, Coursera에서는 수업료를 낼 수 없는 학습자를 위해 재정 지원을 제공합니다. 왼쪽에 있는 등록 버튼 아래 재정 지원 링크를 클릭하면 지원할 수 있습니다. 신청서를 작성하라는 메시지가 표시되며 승인되면 알림을 받습니다. 성취 프로젝트를 포함하여 전문 분야의 각 강좌에서 이 단계를 완료해야 합니다. 자세히 알아보기.
궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.
