Ga naar hoofdinhoud
HomePython

Cursus

Introductie tot netwerkanalyse in Python

GemiddeldVaardigheidsniveau
Bijgewerkt 05-2026
Deze cursus leert je hoe je netwerken kunt analyseren, visualiseren en begrijpen met behulp van de NetworkX-bibliotheek.
Start Cursus Kosteloos
PythonProbability & Statistics
4 u
14 videos
50 Opdrachten
4,100 XP
74,140
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of


Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

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

Python Toolbox
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.
Hoofdstuk beginnen
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.
Hoofdstuk beginnen
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.
Hoofdstuk beginnen
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.
Hoofdstuk beginnen
Introductie tot netwerkanalyse in Python
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprek
Schrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Introductie tot netwerkanalyse in Python!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of


Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.