|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/social-network-analysissna-and-graph-analysis-using-python/
课程评论：没有评论
**课程总结：利用 Python 进行社交网络分析 (SNA) 和图分析** 本课程专为希望深入理解和应用社交网络分析 (SNA) 的从业者设计，旨在将大量相关主题整合，为高级机器学习领域打下坚实基础。课程内容以实践为主，**80% 的内容为动手操作，20% 为理论讲解**，旨在使学员能够独立完成 SNA 项目。 **核心学习内容包括：** 1. **基础、进阶与高级概念：** 全面掌握 SNA 的核心原理和方法。 2. **图的基础知识：** 深入学习 **20 种** 图论相关技术，理解图的本质。 3. **图的应用场景：** 探索 **6 种** 不同的图应用案例，认识图在现实世界中的价值。 4. **链接分析：** 学习诸如谷歌搜索如何找到最佳链接/页面的机制。 5. **PageRank 算法：** 理解谷歌早期核心算法的原理和应用。 6. **HITS 算法（集线器与权威）：** 学习如何识别网络中的重要节点。 7. **节点嵌入：** 掌握将图结构转换为低维向量表示的技术。 8. **基于 SNA 的推荐系统（理论）：** 了解如何利用网络结构进行个性化推荐。 9. **复杂网络的管理与监控（理论）：** 学习如何处理和理解大型、动态的网络。 10. **SNA 在数据分析中的应用（理论）：** 探讨 SNA 作为数据分析工具的潜力。 通过本课程，学员将获得扎实的理论知识和丰富的实践经验，能够熟练运用 Python 进行社交网络分析和图分析，并将其应用于更广泛的机器学习和数据科学领域。
As practitioner of SNA, I am trying to bring many relevant topics under one umbrella in following topics so that it can be uses in advance machine learning areas.1. The content (80% hands on and 20% theory) will prepare you to work independently on SNA projects2. Learn - Basic, Intermediate and Advance concepts3. Graph's foundations (20 techniques)4. Graph's use cases (6 use cases)5. Link Analysis (how Google search the best link/page for you)6. Page Ranks7. Hyperlink-Induced Topic Search (HITS; also known as hubs and authorities)8. Node embedding9. Recommendations using SNA (theory)10. Management and monitoring of complex networks (theory)11. How to use SNA for Data Analytics (theory)
