После прохождения этих курсов я уверенно создаю профессиональные визуализации и дашборды.
Shoebur RahmanСпециалист по закупкам, Giz Bangladesh
Описание курса
Вы прошли курс DataCamp «Введение в сетевой анализ на Python» и хотите освоить более сложные методы анализа сетей — социальных, транспортных или биологических? Тогда этот курс для вас! Вы расширите свои знания и навыки, чтобы решать более сложные задачи в области сетевой аналитики. Вы получите как теоретическую базу, так и практические навыки: научитесь анализировать временны́е ряды графов, познакомитесь с двудольными графами и их применением в системах рекомендаций товаров. Кроме того, вы изучите проекции графов, поймёте, почему они так полезны в науке о данных, и узнаете, как эффективно сохранять и загружать данные графов из файлов. В финальной главе вы закрепите все полученные знания на практическом кейсе: проанализируете набор данных форума и завершите курс как опытный сетевой аналитик на Python!
Предварительные требования
Программа
План курса
1
Двудольные графы и системы рекомендаций товаров
В этой главе вы познакомитесь с двудольными графами и узнаете, как они применяются в системах рекомендаций. Вы исследуете набор данных GitHub из предыдущего курса — на этот раз анализируя лежащий в его основе двудольный граф. В завершение вы построите основные компоненты системы рекомендаций на основе данных GitHub!
- Определения и краткое повторение50 XP
- Разведочный анализ данных50 XP
- Визуализация с помощью nxviz100 XP
- Двудольные графы50 XP
- Ключевое слово bipartite100 XP
- Распределение центральности по степени для узлов пользователей100 XP
- Распределение центральности по степени для узлов проектов100 XP
- Двудольные графы и рекомендательные системы50 XP
- Общие узлы в другом разделе100 XP
- Метрика сходства пользователей100 XP
- Поиск похожих пользователей100 XP
- Рекомендация репозиториев100 XP
2
Проекции графов
В этой главе вы будете работать с известным набором данных об Американской революции и глубже изучите двудольные графы. Вы научитесь строить унипартитную проекцию двудольного графа — мощный инструмент для упрощения сложной сети перед дальнейшим анализом. Помимо этого, вы освоите работу с матрицами для манипуляций и анализа графов: благодаря оптимизированным матричным вычислениям вы сможете быстро и эффективно анализировать большие графы.
3
Сравнение графов и динамические графы
В этой главе вы познакомитесь с основными подходами к анализу графов, изменяющихся со временем. Вы изучите набор данных о частоте обмена сообщениями между студентами и научитесь визуализировать важные динамические характеристики графов.
4
Подводим итоги!
В этой главе вы применените всё, что изучили в предыдущих трёх главах, к набору данных о публикациях на форуме. Вы проанализируете временны́е изменения в паттернах связей пользователей форума и построите визуализации динамических характеристик графов.
Средний уровень сетевого анализа на Python
Курс
завершён
