Che cos'è una rete?

Ragioniamo ancora sugli esempi di reti. Quali dei seguenti dati si presta meno a essere modellato come una rete?

Questo esercizio fa parte del corso

Introduzione all'analisi delle reti in Python

Visualizza corso

esercizio interattivo pratico

Trasforma la teoria in pratica con uno dei nostri esercizi interattivi

Inizia esercizio

Questo esercizio fa parte del corso

Introduzione all'analisi delle reti in Python

IntermediárioNível de habilidade

4.8+

211 reviews

Inizia il corso gratuitamente

In questo capitolo conoscerai i concetti fondamentali dell'analisi delle reti esplorando un dataset reale di una rete Twitter. Imparerai anche a usare NetworkX, una libreria che consente di manipolare, analizzare e modellare dati a grafo. Vedrai i diversi tipi di grafi e come visualizzarli in modo sensato.

Exercise 1: Introduzione alle reti Exercise 2: Che cos'è una rete?

Esercizio attuale

Exercise 3: Basi della NetworkX API con una rete di Twitter Exercise 4: Disegno di base di una rete con NetworkX Exercise 5: Query su un grafo Exercise 6: Tipi di grafi Exercise 7: Verificare se un grafo è non diretto/diretto Exercise 8: Specificare un peso sugli archi Exercise 9: Verificare la presenza di autoanelli nel grafo Exercise 10: Visualizzazione delle reti Exercise 11: Visualizzazione con grafici a matrice Exercise 12: Visualizzare con i grafici Circos Exercise 13: Visualizzare con gli Arc plot

Imparerai come identificare i nodi che sono importanti in una rete. In questo modo, entrerai in contatto con concetti più avanzati di analisi delle reti e con le basi degli algoritmi di ricerca di percorsi. Il capitolo si conclude con un approfondimento sul dataset della rete Twitter che rinforzerà i concetti appresi, come la degree centrality e la betweenness centrality.

Exercise 1: Centralità di grado Exercise 2: Calcola il numero di vicini per ogni nodo Exercise 3: Calcola la distribuzione dei gradi Exercise 4: Distribuzione della degree centrality Exercise 5: Algoritmi sui grafi Exercise 6: Shortest Path I Exercise 7: Shortest Path II Exercise 8: Shortest Path III Exercise 9: Betweenness centrality Exercise 10: Betweenness centrality di NetworkX su un social network Exercise 11: Approfondimento - Rete di Twitter Exercise 12: Approfondimento - Rete di Twitter parte II

Questo capitolo è dedicato a trovare strutture interessanti all'interno dei dati di rete. Imparerai concetti essenziali come clique, comunità e sottografi, che metteranno a frutto tutte le competenze acquisite nel Capitolo 2. Al termine del capitolo, sarai pronto ad applicare i concetti appresi a un caso di studio reale.

Exercise 1: Comunità e clique Exercise 2: Identificare relazioni a triangolo Exercise 3: Trovare i nodi coinvolti in triangoli Exercise 4: Trovare triangoli aperti Exercise 5: Cliques massimali Exercise 6: Trovare tutte le clique massimali di dimensione "n"Exercise 7: Sottografi Exercise 8: Sottografi I Exercise 9: Sottografi II

In questo capitolo finale del corso, consoliderai tutto ciò che hai imparato attraverso un caso di studio approfondito sui dati delle reti di collaboratori su GitHub. È un ottimo esempio di dati reali di social network, e le tue nuove competenze saranno messe alla prova. Al termine del capitolo, avrai sviluppato un tuo sistema di raccomandazione per mettere in contatto utenti GitHub che dovrebbero collaborare tra loro.

Exercise 1: Caso di studio!Exercise 2: Caratterizzare la rete (I)Exercise 3: Caratterizzare la rete (II)Exercise 4: Caratterizzare la rete (III)Exercise 5: Studio di caso parte II: Visualizzazione Exercise 6: Grafico Matrix Exercise 7: Arc plot Exercise 8: Grafico Circos Exercise 9: Case study parte III: Clique Exercise 10: Trovare le clique (I)Exercise 11: Trovare le clique (II)Exercise 12: Studio di caso Parte IV: Attività finali Exercise 13: Trovare i collaboratori importanti Exercise 14: Caratterizzare le comunità di editing Exercise 15: Consigliare co-editor che non hanno ancora modificato insieme Exercise 16: Considerazioni finali