Este curso forma parte de Programa especializado: Ciencias de los Datos Aplicada con Python

4.6
estrellas
2,646 calificaciones

94 %

Daniel Romero

92.600 ya inscrito

Ofrecido Por

Parte del título de grado Master of Applied Data Science
Más información

Programa especializado: Ciencias de los Datos Aplicada con PythonUniversidad de Míchigan

Acerca de este Curso

41.154 vistas recientes

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.

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Curso 5 de 5 en

Programa especializado: Ciencias de los Datos Aplicada con Python

Nivel intermedio

Aprox. 26 horas para completar

Inglés (English)

Qué aprenderás

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 obtendrás

Graph Theory
Network Analysis
Python Programming
Social Network Analysis

Fechas límite flexibles

Restablece las fechas límite en función de tus horarios.

Certificado para compartir

Obtén un certificado al finalizar

100 % en línea

Comienza de inmediato y aprende a tu propio ritmo.

Curso 5 de 5 en

Programa especializado: Ciencias de los Datos Aplicada con Python

Nivel intermedio

Aprox. 26 horas para completar

Inglés (English)

Instructor

Calificación del instructor

4,74/5 (178 calificaciones)

Daniel Romero

Assistant Professor

School of Information

93.622 alumnos

3 cursos

Ofrecido por

Universidad de Míchigan

Comienza a trabajar para obtener tu maestría

Este curso es parte del Master of Applied Data Science completamente en línea de Universidad de Míchigan. Si te aceptan en el programa completo, tus cursos cuentan para tu título de grado.

Más información

Programa - Qué aprenderás en este curso

Calificación del contenido94%(3,062 calificaciones)

Semana

Semana 1

7 horas para completar

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 completar

5 videos (Total 48 minutos), 3 lecturas, 2 cuestionarios

Semana

Semana 2

6 horas para completar

Network Connectivity

6 horas para completar

5 videos (Total 55 minutos)

Semana

Semana 3

5 horas para completar

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 horas para completar

6 videos (Total 69 minutos)

Semana

Semana 4

8 horas para completar

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 horas para completar

3 videos (Total 51 minutos), 4 lecturas, 2 cuestionarios

Reseñas

4.6

452 reseña

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

Principales reseñas sobre APPLIED SOCIAL NETWORK ANALYSIS IN PYTHON

por CA12 de ene. de 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.

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.

por LS22 de ago. de 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.

por EM8 de oct. de 2017

This was an excellent overview of using and analyzing graphs with Python. I learned a lot, got to apply my learning from previous courses, and I earned my Specialization!

Ver todas las reseñas

Acerca de Programa especializado: Ciencias de los Datos Aplicada con 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.

Preguntas Frecuentes

¿Cuándo podré acceder a las lecciones y tareas?
El acceso a las clases y las asignaciones depende del tipo de inscripción que tengas. Si tomas un curso en modo de oyente, verás la mayoría de los materiales del curso en forma gratuita. Para acceder a asignaciones calificadas y obtener un certificado, deberás comprar la experiencia de Certificado, ya sea durante o después de participar como oyente. Si no ves la opción de oyente:
es posible que el curso no ofrezca la opción de participar como oyente. En cambio, puedes intentar con una Prueba gratis o postularte para recibir ayuda económica.
Es posible que el curso ofrezca la opción 'Curso completo, sin certificado'. Esta opción te permite ver todos los materiales del curso, enviar las evaluaciones requeridas y obtener una calificación final. También significa que no podrás comprar una experiencia de Certificado.
¿Qué recibiré si me suscribo a este Programa especializado?
Cuando te inscribes en un curso, obtienes acceso a todos los cursos que forman parte del Programa especializado y te darán un Certificado cuando completes el trabajo. Se añadirá tu Certificado electrónico a la página Logros. Desde allí, puedes imprimir tu Certificado o añadirlo a tu perfil de LinkedIn. Si solo quieres leer y visualizar el contenido del curso, puedes auditar el curso sin costo.
¿Hay ayuda económica disponible?
Sí. En ciertos programas de aprendizaje, puedes postularte para recibir ayuda económica o una beca en caso de no poder costear los gastos de la tarifa de inscripción. Si hay ayuda económica o becas disponibles para tu selección de programa de aprendizaje, verás un enlace para postularte en la página de descripción.

¿Tienes más preguntas? Visita el Centro de Ayuda al Estudiante.

Applied Social Network Analysis in Python

Acerca de este Curso

Qué aprenderás

Habilidades que obtendrás