Acercar y alejar: resumen general del grafo

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Este ejercicio forma parte del curso

Análisis de redes intermedio en Python

AvanzadoNivel de habilidad

4.8+

Comienza el curso gratis

En este capítulo, aprenderás qué son los grafos bipartitos y cómo se usan en los sistemas de recomendación. Explorarás el conjunto de datos de GitHub del curso anterior, analizando esta vez el grafo bipartito subyacente con el que se generó el grafo que usaste antes. Por último, tendrás la oportunidad de construir los componentes básicos de un sistema de recomendación usando los datos de GitHub.

Exercise 1: Definiciones y repaso básico Exercise 2: Análisis exploratorio de datos Exercise 3: Representación gráfica con nxviz Exercise 4: Grafos bipartitos Exercise 5: La palabra clave bipartite Exercise 6: Distribución de centralidad de grado de los nodos de usuario Exercise 7: Distribución de centralidad de grado de los nodos de proyectos Exercise 8: Grafos bipartitos y sistemas de recomendación Exercise 9: Nodos compartidos en la otra partición Exercise 10: Métrica de similitud de usuarios Exercise 11: Busca usuarios similares Exercise 12: Recomendar repositorios

En este capítulo, utilizarás un famoso conjunto de datos de la Revolución Americana para profundizar en la exploración de grafos bipartitos. Aquí aprenderás a crear la proyección unipartita de un grafo bipartito, un método muy útil para simplificar una red compleja y seguir analizándola. Además, aprenderás a usar matrices para manipular y analizar grafos; como muchas rutinas de cómputo están optimizadas para matrices, podrás analizar muchos grafos grandes de forma rápida y eficiente.

Exercise 1: Concepto de proyección Exercise 2: Lectura de grafos Exercise 3: Calcular la proyección Exercise 4: Representa la centralidad de grado en la proyección Exercise 5: Grafos bipartitos como matrices Exercise 6: Propiedades de las matrices de adyacencia bipartitas.Exercise 7: Calcular la matriz de adyacencia Exercise 8: Encontrar membresías compartidas: transposición Exercise 9: Representar datos de redes con pandas Exercise 10: Crear nodelist Exercise 11: Crear edgelist

En este capítulo, profundizarás en las formas fundamentales de analizar grafos que cambian con el tiempo. Explorarás un conjunto de datos que describe la frecuencia de mensajería entre estudiantes y aprenderás a visualizar estadísticas de grafos en evolución importantes.

Exercise 1: Introducción a las diferencias entre grafos Exercise 2: Lista de grafos Exercise 3: Diferencias del grafo a lo largo del tiempo Exercise 4: Representa el número de cambios de aristas a lo largo del tiempo Exercise 5: Estadísticas de grafos en evolución Exercise 6: Número de enlaces a lo largo del tiempo Exercise 7: Centralidad de grado a lo largo del tiempo Exercise 8: Acercar y alejar: resumen general del grafo

Ejercicio actual

Exercise 9: Encuentra los nodos con mayor centralidad de grado Exercise 10: Visualizar la conectividad

En este capítulo, aplicarás todo lo aprendido en los tres capítulos anteriores a un conjunto de datos de publicaciones de un foro. Analizarás los cambios temporales en los patrones de conectividad de los usuarios del foro y crearás visualizaciones de estadísticas de grafos que evolucionan con el tiempo.

Exercise 1: Introducción al conjunto de datos Exercise 2: Crea un grafo a partir del DataFrame de pandas Exercise 3: Visualiza la distribución de la centralidad de grado de la proyección de estudiantes Exercise 4: Visualiza la distribución de centralidad de grado de la proyección de foros Exercise 5: Filtrado basado en el tiempo Exercise 6: Filtro temporal en aristas Exercise 7: Visualiza el grafo filtrado con nxviz Exercise 8: Análisis de series temporales Exercise 9: Representa el número de publicaciones a lo largo del tiempo Exercise 10: Extrae la centralidad de grado media día a día en la partición de estudiantes Exercise 11: Encuentra los foros más populares día a día: I Exercise 12: Encuentra los foros más populares día a día: II Exercise 13: ¡Enhorabuena!