Kurs
Netzwerkanalyse mit R
FortgeschrittenSchwierigkeitsgrad
Aktualisiert 01.2023Kurs kostenlos starten
Im Lieferumfang enthalten beiPremium or Teams
RProbability & Statistics4 Std.12 Videos50 Übungen4,000 XP20,968Leistungsnachweis
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.Beliebt bei Lernenden in Tausenden Unternehmen
Training für 2 oder mehr Personen?
Probiere es mit DataCamp for BusinessKursbeschreibung
Hol dir eine Einführung in Netzwerke
Lerne die grundlegenden Konzepte der Netzwerkanalyse kennen. Dieser Kurs fängt damit an, dass du die Grundlagen von sozialen Netzwerken, Knoten und Kanten lernst und wie du das igraph R-Paket nutzen kannst, um Netzwerkdaten zu erkunden und zu visualisieren.Als Nächstes wirst du dich genauer mit gerichteten Netzwerken beschäftigen, zum Beispiel wie man wichtige Beziehungen zwischen Knoten identifiziert. Außerdem wirst du deine neuen Fähigkeiten auf einen Netzwerkdatensatz anwenden, der sich mit der Übertragung von Masern in Hagelloch befasst.
Netzwerkstrukturen und -diagramme verstehen
Lerne, Netzwerkstrukturen und -unterstrukturen anhand der Netzwerkdichte und der durchschnittlichen Pfadlänge zu beschreiben. Das dritte Kapitel dieses Kurses beschäftigt sich mit Randomisierung und Zufallsgraphen, bevor es um Dreiecke, Transitivität und die Visualisierung von Cliquen geht.Identifiziere Beziehungen mithilfe der Assortativität in igraph
Assortativität zeigt, wie wahrscheinlich es ist, dass zwei Punkte miteinander verbunden werden, wenn sie ein gemeinsames Merkmal haben – egal ob das ein numerisches oder ein kategorisches Merkmal ist. Du wirst die ASSORTATIVITY-Funktion in igraph erkunden, um zu sehen, wie sich das Geschlecht auf einen Datensatz zum Freundschaftsnetzwerk auswirkt, und Randomisierungen anwenden, um deine Ergebnisse zu überprüfen.Erstelle interaktive Netzwerkdiagramme mit threejs
Am Ende dieses Kurses wirst du dein Wissen über igraph erweitern und die Netzwerkvisualisierungsfunktionen von threejs erkunden. Du wirst deine ersten interaktiven Netzwerkdiagramme mit diesem R-Paket erstellen und schauen, wie du deine Visualisierung weiterentwickeln kannst.Voraussetzungen
Intermediate R1
Introduction to networks
In this chapter, you will be introduced to fundamental concepts in social network analysis. You will learn how to use the
igraph R package to explore and analyze social network data as well as learning how to visualize networks. 2
Identifying important vertices in a network
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.
3
Characterizing network structures
This module will show how to characterize global network structures and sub-structures. It will also introduce generating random network graphs.
4
Identifying special relationships
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.
Netzwerkanalyse mit R
Kurs abgeschlossen
Leistungsnachweis verdienen
Füge diesen Fähigkeitsnachweis zu Deinem LinkedIn-Profil, Anschreiben oder Lebenslauf hinzuTeile es auf Social Media und in Deiner Leistungsbeurteilung
Im Lieferumfang enthalten beiPremium or Teams
Jetzt anmeldenSchließe dich 19 Millionen Lernenden an und starte Netzwerkanalyse mit R heute!
Kostenloses Konto erstellen
oder
Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.