Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Von Online‑Sozialen Netzwerken wie Facebook und Twitter bis hin zu Transportnetzwerken wie Bike‑Sharing‑Systemen: Netzwerke sind überall – und wer sie analysieren kann, erschließt sich als Data Scientist völlig neue Möglichkeiten. In diesem Kurs lernst du, Netzwerke zu analysieren, zu visualisieren und sinnvoll zu interpretieren. Du wendest die Konzepte auf reale Netzwerkdaten mit der leistungsstarken NetworkX‑Bibliothek an. Mit dem Wissen aus diesem Kurs schärfst du dein Netzwerkdenken und betrachtest deine Daten mit frischem Blick.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Einführung in Netzwerke
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.
- Einführung in Netzwerke50 XP
- Was ist ein Netzwerk?50 XP
- Grundlagen der NetworkX-API am Twitter-Netzwerk50 XP
- Einfaches Zeichnen eines Netzwerks mit NetworkX100 XP
- Abfragen in einem Graphen100 XP
- Arten von Graphen50 XP
- Überprüfen, ob ein Graph gerichtet/ungerichtet ist50 XP
- Gewichte auf Kanten festlegen100 XP
- Prüfen, ob es Selbstschleifen im Graphen gibt100 XP
- Netzwerkvisualisierung50 XP
- Visualisieren mit Matrix-Plots100 XP
- Visualisieren mit Circos-Plots100 XP
- Visualisieren mit Arc-Plots100 XP
2
Wichtige Knoten
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.
3
Strukturen
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.
4
Alles zusammenführen
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.
Einstieg in die Netzwerkanalyse mit Python
Kurs
abgeschlossen
