Wat is een netwerk?

Laten we nog eens nadenken over voorbeelden van netwerken. Welke van de volgende gegevens laten zich het minst gemakkelijk als een netwerk modelleren?

Deze oefening maakt deel uit van de cursus

Introductie tot netwerkanalyse in Python

Bekijk cursus

Interactieve oefening met praktijkervaring

Zet theorie om in actie met een van onze interactieve oefeningen

Begin oefening

Deze oefening maakt deel uit van de cursus

Introductie tot netwerkanalyse in Python

SkillTag.level.intermediateSkillTag.label

4.8+

211 reviews

Begin gratis met de cursus

In dit hoofdstuk maak je kennis met de basisconcepten van netwerkanalyse terwijl je een echte Twitter-netwerkgegevensset verkent. Je leert ook over NetworkX, een bibliotheek waarmee je graafgegevens kunt manipuleren, analyseren en modelleren. Je leert over verschillende soorten grafen en hoe je ze op een doordachte manier visualiseert.

Exercise 1: Introductie tot netwerken Exercise 2: Wat is een netwerk?

Huidige oefening

Exercise 3: Basis van de NetworkX-API met een Twitter-netwerk Exercise 4: Eenvoudig een netwerk tekenen met NetworkX Exercise 5: Vragen op een graaf Exercise 6: Soorten grafen Exercise 7: Controleren of een graaf (on)gericht is Exercise 8: Een gewicht op edges specificeren Exercise 9: Controleren of er self-loops in de graaf zitten Exercise 10: Netwerkvisualisatie Exercise 11: Visualiseren met matrixplots Exercise 12: Visualiseren met Circos-plots Exercise 13: Visualiseren met Arc-plots

Je leert hoe je knooppunten identificeert die belangrijk zijn in een netwerk. Daarbij maak je kennis met meer geavanceerde concepten in netwerkanalyse en de basis van padzoekalgoritmen. Het hoofdstuk sluit af met een deep dive in de Twitter-netwerkgegevensset, die de geleerde concepten zoals graadcentraliteit en tussenliggingscentraliteit versterkt.

Exercise 1: Graadcentraliteit Exercise 2: Aantal buren per knooppunt berekenen Exercise 3: Bereken graadverdeling Exercise 4: Graadcentraliteitsverdeling Exercise 5: Grafiekalgoritmen Exercise 6: Kortste pad I Exercise 7: Shortest Path II Exercise 8: Shortest Path III Exercise 9: Betweenness-centraliteit Exercise 10: NetworkX betweenness centrality op een sociaal netwerk Exercise 11: Deep dive - Twitter-netwerk Exercise 12: Verdieping - Twitter-netwerk deel II

Dit hoofdstuk draait om het vinden van interessante structuren in netwerkdata. Je leert essentiële concepten zoals cliques, communities en subgrafen, waarmee je alle vaardigheden uit Hoofdstuk 2 benut. Aan het einde van dit hoofdstuk ben je klaar om de geleerde concepten toe te passen in een praktijkcase.

Exercise 1: Gemeenschappen & cliques Exercise 2: Driehoeksrelaties herkennen Exercise 3: Knopen vinden die deel uitmaken van driehoeken Exercise 4: Open driehoeken vinden Exercise 5: Maximale cliques Exercise 6: Alle maximale cliques van grootte "n" vinden Exercise 7: Subgraaf Exercise 8: Subgrafen I Exercise 9: Subgrafen II

In dit laatste hoofdstuk bundel je alles wat je hebt geleerd in een diepgaande case over GitHub-samenwerkersnetwerkdata. Dit is een sterk voorbeeld van echte sociale netwerkdata, en je nieuwe vaardigheden worden volledig op de proef gesteld. Aan het einde van dit hoofdstuk heb je je eigen aanbevelingssysteem gebouwd om GitHub-gebruikers met elkaar te verbinden die zouden moeten samenwerken.

Exercise 1: Casestudy!Exercise 2: Het netwerk karakteriseren (I)Exercise 3: Het netwerk karakteriseren (II)Exercise 4: Het netwerk karakteriseren (III)Exercise 5: Casestudy deel II: Visualisatie Exercise 6: Matrix-plot Exercise 7: Arc-plot Exercise 8: Circos-plot Exercise 9: Casestudy deel III: Cliques Exercise 10: Cliques vinden (I)Exercise 11: Kliekens zoeken (II)Exercise 12: Casestudy deel IV: laatste taken Exercise 13: Belangrijke samenwerkers vinden Exercise 14: Bewerkingsgemeenschappen karakteriseren Exercise 15: Co-editors aanbevelen die nog niet samen hebben bewerkt Exercise 16: Tot slot