In this chapter, you will be introduced to fundamental concepts in social network analysis. You will learn how to use the <code>igraph</code> R package to explore and analyze social network data as well as learning how to visualize networks. 


What are social networks?

Creating an igraph object

Counting vertices and edges

Network attributes

Node attributes and subsetting

Edge attributes and subsetting

Visualizing attributes

Quiz on attributes

Network visualization

igraph network layouts

Visualizing edges

Quiz on igraph objects

Introduction to networks

In this chapter you will learn about directed networks.  You will also learn how to identify key relationships between vertices in a network as well as how to use these relationships to identify important or influential vertices. 
Throughout this chapter you will use a network of measles transmission. The data come from the German city of Hagelloch in 1861. Each directed edge of the network indicates a child becoming infected with measles after coming into contact with an infected child.



Yönlü ağlar

Yönlü igraph nesneleri

Her düğüm için kenarları belirleme

Düğümler arasındaki ilişkiler

Komşular

Düğümler arasındaki mesafeler

İki tepe arasındaki en uzun yolu bulma

Önemli ve etkili düğümler

Önemli tepe noktalarını belirleme

Betweenness

Önemli düğüm ve kenarları görselleştirme

Önemli tepeler testi

Identifying important vertices in a network

This module will show how to characterize global network structures and sub-structures. It will also introduce generating random network graphs.

Introduction

Forrest Gump network

Network density and average path length

Graph density quiz

Understanding network structures

Random graphs

Network randomizations

Randomization quiz

Network substructures

Triangles and transitivity

Transitivity randomizations

Cliques

Visualize largest cliques

Characterizing network structures

This chapter will further explore the partitioning of networks into sub-networks and determining which vertices are more highly related to one another than others.  You will also develop visualization methods by creating three-dimensional visualizations.


Close relationships: assortativity & reciprocity

Assortativity

Using randomizations to assess assortativity

Reciprocity

Assortativity quiz

Community detection

Fast-greedy community detection

Edge-betweenness community detection

Community quiz

Interactive network visualizations

Interactive networks with threejs

Sizing vertices in threejs

3D community network graph

Identifying special relationships

Friendship network data

Friendship network edge data

Friendship network node data

Forrest Gump network data

Measles network data

<b>Ağlara Giriş Yap</b>
<br><br>
Ağ analizinin temel kavramlarını keşfet. Bu kurs, seni sosyal ağların, düğümlerin (vertices) ve kenarların (edges) temellerinden geçirerek başlar ve ağ verilerini keşfetmek ve görselleştirmek için R'deki igraph paketini nasıl kullanabileceğini gösterir.
<br><br>
Daha sonra yönlü ağlara daha ayrıntılı bakacak, düğümler arasındaki temel ilişkileri belirlemeyi öğrenecek ve yeni becerilerini Hagelloch’taki kızamık bulaşını inceleyen bir ağ veri kümesi üzerinde uygulayacaksın.
<br><br>
<b>Ağ Yapılarını ve Grafiklerini Anla</b>
<br><br>
Ağ yoğunluğu ve ortalama yol uzunluğuna bakarak ağ yapılarını ve alt yapıları nasıl tanımlayacağını öğren. Kursun üçüncü bölümü, üçgenler, geçişlilik ve kliklerin görselleştirilmesine geçmeden önce rassallaştırma ve rastgele grafiklere değinir.
<br><br>
<b>igraph ile Ayrıştırıcılık (Assortativity) Kullanarak İlişkileri Belirle</b>
<br><br>
Ayrıştırıcılık, ortak bir özelliği paylaşıyorlarsa iki düğümün birbirine bağlanma olasılığını belirler — bu özellik sayısal da olabilir, kategorik de. igraph içindeki ASSORTATIVITY fonksiyonunu kullanarak bir arkadaşlık ağı veri kümesinde cinsiyetin etkisini inceleyecek ve bulgularını değerlendirmek için rassallaştırmalar uygulayacaksın.
<br><br>
<b>threejs kullanarak Etkileşimli Ağ Grafikleri Oluştur</b>
<br><br>
Kursun sonunda, igraph’in ötesine geçerek threejs’in ağ görselleştirme yeteneklerini keşfedeceksin. Bu R paketiyle ilk etkileşimli ağ grafiklerini oluşturacak ve görselleştirmeni nasıl daha da geliştirebileceğine bakacaksın.

<h2>Ağlara Giriş</h2>
Ağ analizindeki temel kavramları keşfedin. Bu ders, sosyal ağların temelleri, köşeler ve kenarlar ile igraph R paketini kullanarak ağ verilerini keşfetme ve görselleştirme yöntemlerini ele alarak başlar.
<br><br>
Daha ayrıntılı olarak yönlendirilmiş ağları incelemeye geçeceksiniz. Bu inceleme, köşeler arasındaki temel ilişkilerin belirlenmesi ve Hagelloch'ta kızamık bulaşmasını inceleyen bir ağ veri setine yeni becerilerinizi uygulama gibi konuları içerecektir.

<h2>Ağ Yapılarını ve Grafikleri Anlamak</h2>
Ağ yoğunluğu ve ortalama yol uzunluğuna bakarak ağ yapılarını ve alt yapılarını karakterize etmeyi öğrenin. Bu dersin üçüncü bölümünde, rastgeleleştirme ve rastgele grafikler ele alınacak, ardından üçgenler, geçişlilik ve kliklerin görselleştirilmesi konularına geçilecektir.

<h2>igraph'ta Assortativity Kullanarak İlişkileri Belirleme</h2>
Assortativity, iki köşenin ortak bir özelliği paylaşması durumunda birbirine bağlanma olasılığını belirler - bu özellik sayısal veya kategorik olabilir. İgraph içindeki ASSORTATIVITY işlevini keşfederek cinsiyetin arkadaşlık ağı veri seti üzerindeki etkisini belirleyecek ve bulgularınızı değerlendirmek için rastgeleleştirme uygulayacaksınız.

<h2>threejs kullanarak Etkileşimli Ağ Grafikleri Oluşturun</h2>
Bu kursun sonunda, igraph'ın ötesinde bilgilerinizi genişleterek threejs'nin ağ görselleştirme yeteneklerini keşfedeceksiniz. Bu R paketini kullanarak ilk etkileşimli ağ grafiklerinizi oluşturacak ve görselleştirmenizi nasıl daha da geliştirebileceğinizi inceleyeceksiniz.

Intermediate R

İgraph paketiyle ağ verilerini analiz edip görselleştirin, threejs ile etkileşimli ağ grafikleri oluşturun.

R ile Ağ Analizi

igraph paketi ile ağ verilerini analiz etmeyi ve görselleştirmeyi öğrenin ve threejs ile etkileşimli ağ grafikleri oluşturun.

İki tepe arasındaki en uzun yolu bulma

R ile Ağ Analizi

Uygulamalı interaktif egzersiz