مدل‌سازی و تحلیل شبکه در پایتون

آنچه یاد خواهید گرفت:

• درک اصول بنیادی ساختارهای شبکه و اعمال NetworkX برای تحلیل این اصول در شبکه‌های دنیای واقعی
• توصیف کاربردهای عملی مسئله تشخیص جامعه و استفاده از الگوریتم‌ها برای تشخیص و ارزیابی ساختار جامعه در شبکه‌های واقعی
• توضیح ارزش و کاربردهای مدل‌های تولید شبکه، یادگیری محدودیت‌ها و نقاط قوت آن‌ها و به کارگیری آن‌ها برای ایجاد شبکه‌های مصنوعی
• شناسایی چندین مدل پایه Diffusion و پیاده‌سازی آن‌ها برای اجرای شبیه‌سازی با استفاده از شبکه‌های واقعی و مصنوعی

توضیحات دوره

در «مدل‌سازی و تحلیل شبکه در پایتون»، خواهید آموخت که چگونه می‌توان از انواع مختلف تحلیل شبکه برای درک سیستم‌های پیچیده استفاده کرد. یاد خواهید گرفت که چگونه از الگوریتم‌ها برای درک بهتر اپیدمی بیماری‌ها، ساختار جوامع انسانی و جریان اطلاعات در شبکه‌های اجتماعی استفاده می‌شود. این دوره، نظریه شبکه را با تحلیل تجربی شبکه‌های دنیای واقعی با استفاده از کتابخانه پایتون NetworkX ترکیب می‌کند. شما در مورد ساختار جامعه در شبکه‌ها و همچنین چندین الگوریتم محبوب برای تشخیص جامعه و کاربردهای آن خواهید آموخت.

این دوره طیف گسترده‌ای از مدل‌های شبکه پیشرفته را معرفی می‌کند. شما مدل‌های تولید شبکه تصادفی را مطالعه خواهید کرد و اینکه چگونه می‌توان از آن‌ها برای ایجاد گراف‌های واقعی و توضیح نحوه عملکرد شبکه‌ها استفاده کرد. همچنین در مورد مدل‌هایی که انتشار و شیوع اپیدمی‌ها را در شبکه‌ها توضیح می‌دهند، مانند مدل‌های SI، SIS ،SIR و cascade مستقل و آستانه خطی یاد خواهید گرفت.

این سومین دوره از مجموعه «More Applied Data Science with Python» است، یک مجموعه چهار دوره‌ای که بر کمک به شما در به کارگیری تکنیک‌های پیشرفته علم داده با استفاده از پایتون تمرکز دارد. توصیه می‌شود که تمام فراگیران قبل از شروع این دوره، تخصص Applied Data Science with Python را به پایان برسانند.