After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Cursusbeschrijving
Van online sociale netwerken zoals Facebook en Twitter tot vervoersnetwerken zoals deelfietssystemen: netwerken zijn overal — en weten hoe je ze analyseert, opent als data scientist een wereld aan mogelijkheden. In deze cursus leer je netwerken analyseren, visualiseren en interpreteren. Je past de concepten toe op echte netwerkgegevens met de krachtige NetworkX-bibliotheek. Met de kennis uit deze cursus ontwikkel je je netwerkdenkersvaardigheden en bekijk je je data met een frisse blik.
Vereisten
Curriculum
Cursusoverzicht
1
Introductie tot netwerken
In dit hoofdstuk maak je kennis met de basisconcepten van netwerkanalyse terwijl je een echte Twitter-netwerkgegevensset verkent. Je leert ook over NetworkX, een bibliotheek waarmee je graafgegevens kunt manipuleren, analyseren en modelleren. Je leert over verschillende soorten grafen en hoe je ze op een doordachte manier visualiseert.
- Introductie tot netwerken50 XP
- Wat is een netwerk?50 XP
- Basis van de NetworkX-API met een Twitter-netwerk50 XP
- Eenvoudig een netwerk tekenen met NetworkX100 XP
- Vragen op een graaf100 XP
- Soorten grafen50 XP
- Controleren of een graaf (on)gericht is50 XP
- Een gewicht op edges specificeren100 XP
- Controleren of er self-loops in de graaf zitten100 XP
- Netwerkvisualisatie50 XP
- Visualiseren met matrixplots100 XP
- Visualiseren met Circos-plots100 XP
- Visualiseren met Arc-plots100 XP
2
Belangrijke knooppunten
Je leert hoe je knooppunten identificeert die belangrijk zijn in een netwerk. Daarbij maak je kennis met meer geavanceerde concepten in netwerkanalyse en de basis van padzoekalgoritmen. Het hoofdstuk sluit af met een deep dive in de Twitter-netwerkgegevensset, die de geleerde concepten zoals graadcentraliteit en tussenliggingscentraliteit versterkt.
3
Structuren
Dit hoofdstuk draait om het vinden van interessante structuren in netwerkdata. Je leert essentiële concepten zoals cliques, communities en subgrafen, waarmee je alle vaardigheden uit Hoofdstuk 2 benut. Aan het einde van dit hoofdstuk ben je klaar om de geleerde concepten toe te passen in een praktijkcase.
4
Alles samenbrengen
In dit laatste hoofdstuk bundel je alles wat je hebt geleerd in een diepgaande case over GitHub-samenwerkersnetwerkdata. Dit is een sterk voorbeeld van echte sociale netwerkdata, en je nieuwe vaardigheden worden volledig op de proef gesteld. Aan het einde van dit hoofdstuk heb je je eigen aanbevelingssysteem gebouwd om GitHub-gebruikers met elkaar te verbinden die zouden moeten samenwerken.
Introductie tot netwerkanalyse in Python
Cursus
voltooid
