¿Qué es una red?

Pensemos de nuevo en ejemplos de redes. ¿Cuál de los siguientes datos es el menos fácil de modelar como una red?

Este ejercicio forma parte del curso

Introducción al análisis de redes en Python

Ver curso

ejercicio interactivo práctico

Convierte la teoría en práctica con uno de nuestros ejercicios interactivos

Empezar ejercicio

Este ejercicio forma parte del curso

Introducción al análisis de redes en Python

IntermedioNivel de habilidad

4.8+

210 reviews

Empieza el curso gratis

En este capítulo conocerás conceptos fundamentales de analítica de redes mientras exploras un conjunto de datos real de la red de Twitter. También aprenderás sobre NetworkX, una librería que te permite manipular, analizar y modelar datos de grafos. Verás los diferentes tipos de grafos y cómo visualizarlos de forma razonable.

Exercise 1: Introducción a las redes Exercise 2: ¿Qué es una red?

Ejercicio actual

Exercise 3: Conceptos básicos de la API de NetworkX, usando una red de Twitter Exercise 4: Dibujo básico de una red con NetworkX Exercise 5: Consultas sobre un grafo Exercise 6: Tipos de grafos Exercise 7: Comprobar si un grafo es (no) dirigido Exercise 8: Especificar un peso en las aristas Exercise 9: Comprobar si hay bucles (self-loops) en el grafo Exercise 10: Visualización de redes Exercise 11: Visualización con gráficos de matriz Exercise 12: Visualización con gráficos Circos Exercise 13: Visualización con gráficos de Arcos

Aprenderás distintas formas de identificar los nodos que son importantes en una red. Para ello, verás conceptos más avanzados de análisis de redes y los fundamentos de los algoritmos de búsqueda de rutas. El capítulo termina con un análisis en profundidad del conjunto de datos de la red de Twitter que reforzará lo aprendido, como la centralidad de grado y la centralidad de intermediación.

Exercise 1: Centralidad de grado Exercise 2: Calcula el número de vecinos de cada nodo Exercise 3: Calcular la distribución de grados Exercise 4: Distribución de la centralidad de grado Exercise 5: Algoritmos de grafos Exercise 6: Camino más corto I Exercise 7: Shortest Path II Exercise 8: Camino más corto III Exercise 9: Centralidad de intermediación Exercise 10: Centralidad de intermediación de NetworkX en una red social Exercise 11: Análisis en profundidad: red de Twitter Exercise 12: Análisis en profundidad: red de Twitter (parte II)

Este capítulo trata sobre cómo encontrar estructuras interesantes dentro de los datos de una red. Aprenderás conceptos clave como cliques, comunidades y subgrafos, que aprovecharán todas las habilidades que adquiriste en el Capítulo 2. Al final de este capítulo, estarás listo/a para aplicar lo aprendido a un caso práctico real.

Exercise 1: Comunidades y cliques Exercise 2: Identificar relaciones de triángulo Exercise 3: Encontrar nodos que forman triángulos Exercise 4: Encontrar triángulos abiertos Exercise 5: Cliques maximales Exercise 6: Encontrar todas las cliques máximas de tamaño "n"Exercise 7: Subgrafos Exercise 8: Subgrafos I Exercise 9: Subgrafos II

En este último capítulo del curso, consolidarás todo lo aprendido mediante un estudio de caso en profundidad con datos de redes de colaboradores de GitHub. Es un gran ejemplo de datos reales de redes sociales, y pondrás a prueba tus nuevas habilidades. Al finalizar, habrás desarrollado tu propio sistema de recomendación para conectar a usuarios de GitHub que deberían colaborar.

Exercise 1: ¡Estudio de caso!Exercise 2: Caracterizar la red (I)Exercise 3: Caracterizar la red (II)Exercise 4: Caracterizando la red (III)Exercise 5: Estudio de caso, parte II: Visualización Exercise 6: Gráfico Matrix Exercise 7: Gráfico de arcos Exercise 8: Gráfico de Circos Exercise 9: Caso práctico parte III: Cliques Exercise 10: Encontrar cliques (I)Exercise 11: Encontrar cliques (II)Exercise 12: Estudio de caso, parte IV: tareas finales Exercise 13: Encontrar colaboradores importantes Exercise 14: Caracterizando comunidades de edición Exercise 15: Recomendar coeditores que aún no han editado juntos Exercise 16: Reflexiones finales