Dieser Kurs ist Teil der Spezialisierung Spezialisierung Angewandte Datenwissenschaft mit Python

4.6
Sterne
2,648 Bewertungen

94 %

Daniel Romero

93.520 bereits angemeldet

von

Verbunden mit dem Abschluss Master of Applied Data Science
Mehr erfahren

Spezialisierung Angewandte Datenwissenschaft mit PythonUniversity of Michigan

Über diesen Kurs

37.736 kürzliche Aufrufe

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.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 5 von 5 in

Spezialisierung Angewandte Datenwissenschaft mit Python

Stufe „Mittel“

Ca. 26 Stunden zum Abschließen

Englisch

Was Sie lernen werden

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

Kompetenzen, die Sie erwerben

Graph Theory
Network Analysis
Python Programming
Social Network Analysis

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 5 von 5 in

Spezialisierung Angewandte Datenwissenschaft mit Python

Stufe „Mittel“

Ca. 26 Stunden zum Abschließen

Englisch

Dozent

Dozentenbewertung

4,74/5 (178 Bewertungen)

Daniel Romero

Assistant Professor

School of Information

94.566 Lernende

3 Kurse

von

University of Michigan

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Dieser Kurs gehört zum reinen Onlineabschlusses Master of Applied Data Science von University of Michigan. Er bietet Ihnen eine Vorschau auf die Themen, Materialien und Lehrkräfte, damit Sie entscheiden können, ob der komplette Online-Studiengang das Richtige für Sie ist.

Mehr erfahren

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung94%(3,082 Bewertungen)

Woche1

Woche 1

7 Stunden zum Abschließen

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 Stunden zum Abschließen

5 Videos (Gesamt 48 min), 3 Lektüren, 2 Quiz

Woche2

Woche 2

6 Stunden zum Abschließen

Network Connectivity

6 Stunden zum Abschließen

5 Videos (Gesamt 55 min)

Woche3

Woche 3

5 Stunden zum Abschließen

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 Stunden zum Abschließen

6 Videos (Gesamt 69 min)

Woche4

Woche 4

8 Stunden zum Abschließen

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 Stunden zum Abschließen

3 Videos (Gesamt 51 min), 4 Lektüren, 2 Quiz

Bewertungen

4.6

453 Bewertungen

5 stars
73,83 %
4 stars
20,08 %
3 stars
4,11 %
2 stars
1,01 %
1 star
0,94 %

Top-Bewertungen von APPLIED SOCIAL NETWORK ANALYSIS IN PYTHON

von 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.

von SP17. Nov. 2017

This course contains many important concepts of Graph Theory and Network Analysis. The explanation is clear and neat. Also, the assignments are fun and comprehensible.

von SS18. Feb. 2018

Very comprehensive course for introduction of social network analysis. Best part is every concept is covered in detail and how to implement using networkx library.

von BL17. Apr. 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.

Alle Bewertungen anzeigen

Über den Spezialisierung Angewandte Datenwissenschaft mit 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.

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Applied Social Network Analysis in Python

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben