Einstieg in die Netzwerkanalyse mit Python

In diesem Kapitel lernst du grundlegende Konzepte der Netzwerkanalyse kennen und arbeitest mit einem realen Twitter‑Netzwerkdatensatz. Außerdem lernst du NetworkX kennen – eine Bibliothek, mit der du Graphdaten manipulieren, analysieren und modellieren kannst. Du erfährst, welche Graphentypen es gibt und wie du sie sinnvoll visualisierst.

Du lernst Methoden kennen, um Knoten zu identifizieren, die in einem Netzwerk wichtig sind. Dabei erhältst du Einblicke in fortgeschrittenere Konzepte der Netzwerkanalyse sowie in die Grundlagen von Pfadfindungsalgorithmen. Das Kapitel endet mit einem Deep Dive in den Twitter‑Datensatz, der die gelernten Konzepte wie Degree‑Zentralität und Betweenness‑Zentralität festigt.

Dieses Kapitel dreht sich darum, interessante Strukturen in Netzwerkdaten zu finden. Du lernst zentrale Konzepte wie Cliquen, Communities und Subgraphen kennen und setzt dabei alle Fähigkeiten aus Kapitel 2 ein. Am Ende des Kapitels bist du bereit, die gelernten Konzepte in einer Fallstudie auf reale Daten anzuwenden.

Im letzten Kapitel festigst du dein Wissen mit einer ausführlichen Fallstudie zu GitHub‑Kooperationsnetzwerken. Das ist ein hervorragendes Beispiel für reale soziale Netzwerkdaten – und deine neuen Fähigkeiten werden umfassend gefordert. Am Ende entwickelst du dein eigenes Empfehlungssystem, das GitHub‑Nutzerinnen und ‑Nutzer zusammenbringt, die gemeinsam arbeiten sollten.