Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Du hast den DataCamp-Kurs Introduction to Network Analysis in Python absolviert und möchtest nun anspruchsvollere Techniken lernen, um deine Netzwerke zu analysieren – ob sozial, Verkehr oder biologisch? Dann ist dieser Kurs genau richtig! Du baust auf deinem Wissen auf und löst fortgeschrittene Aufgaben der Netzwerkanalyse. Du lernst, zeitlich veränderliche Netzwerk-Zeitreihen zu analysieren, Bipartit-Grafen kennen und wie man sie in Produktempfehlungssystemen einsetzt. Außerdem erfährst du, was Projektionen von Grafen sind, warum sie in der Data Science so nützlich sind, und wie du Grafikdaten optimal aus Dateien speicherst und lädst. All das bündelst du in einer abschließenden Fallstudie, in der du einen Forums-Datensatz analysierst – und den Kurs als Pythonista Network Analyst Ninja abschließt!
Voraussetzungen
Lernprogramm
Kursübersicht
1
Bipartit-Grafen & Produktempfehlungssysteme
In diesem Kapitel lernst du Bipartit-Grafen kennen und wie sie in Empfehlungssystemen eingesetzt werden. Du untersuchst erneut den GitHub-Datensatz aus dem vorherigen Kurs – diesmal analysierst du den zugrunde liegenden bipartiten Grafen, aus dem der zuvor verwendete Graf erzeugt wurde. Zum Schluss baust du die grundlegenden Bausteine eines Empfehlungssystems mit den GitHub-Daten!
- Begriffe & kurze Wiederholung50 XP
- Explorative Datenanalyse50 XP
- Plotten mit nxviz100 XP
- Bipartite Graphen50 XP
- Das Schlüsselwort bipartite100 XP
- Verteilung der Degree-Centrality der Nutzer-Knoten100 XP
- Verteilung der Degree-Centrality von Projektknoten100 XP
- Bipartite Graphen und Empfehlungssysteme50 XP
- Geteilte Knoten in anderer Partition100 XP
- Ähnlichkeitsmetrik für Nutzer100 XP
- Ähnliche Nutzer finden100 XP
- Repositories empfehlen100 XP
2
Grafprojektionen
In diesem Kapitel nutzt du einen berühmten Datensatz aus der Amerikanischen Revolution, um tiefer in die Analyse von Bipartit-Grafen einzusteigen. Du lernst, die unipartite Projektion eines bipartiten Grafen zu erstellen – eine sehr hilfreiche Methode, um ein komplexes Netzwerk für weitere Analysen zu vereinfachen. Außerdem erfährst du, wie du Matrizen zur Verarbeitung und Analyse von Grafen einsetzt – da viele Rechenroutinen für Matrizen optimiert sind, kannst du auch große Grafen schnell und effizient analysieren!
3
Grafen vergleichen & zeitdynamische Grafen
In diesem Kapitel vertiefst du die grundlegenden Methoden zur Analyse von Grafen, die sich über die Zeit verändern. Du untersuchst einen Datensatz zur Nachrichtenhäufigkeit zwischen Studierenden und lernst, wichtige sich entwickelnde Graf-Statistiken zu visualisieren.
4
Alles zusammenführen!
In diesem Kapitel wendest du alles aus den ersten drei Kapiteln auf einen Datensatz mit Forenbeiträgen an. Du analysierst die zeitlichen Veränderungen in den Verbindungsstrukturen der Forennutzer und erstellst Visualisierungen zu sich ändernden Graf-Statistiken im Zeitverlauf.
Fortgeschrittene Netzwerkanalyse in Python
Kurs
abgeschlossen
