Build your ultimate AI agent
รายละเอียดคอร์ส
เมื่อคุ้นเคยกับพื้นฐานการวิเคราะห์เครือข่ายแล้ว ถึงเวลานำความรู้เหล่านั้นไปใช้กับชุดข้อมูลจริงขนาดใหญ่ เราจะสำรวจกรณีศึกษา 3 ชุด โดยแต่ละชุดต่อยอดจากงานก่อนหน้า กรณีศึกษาเหล่านี้ครอบคลุมข้อมูลประเภทที่พบได้ทั้งในแวดวงวิชาการและอุตสาหกรรม พร้อมเรียนรู้วิธีรับมือกับความท้าทายด้านการคำนวณและการแสดงผลข้อมูล ความสามารถในการใช้ igraph จะพัฒนาขึ้นอย่างต่อเนื่อง และยังได้ใช้ไลบรารีการแสดงผลอื่นๆ ที่ช่วยนำกราฟขึ้นสู่เว็บอีกด้วย
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงสร้างคอร์ส
1
สำรวจกราฟผ่านมิติของเวลา
ในบทนี้จะสำรวจกราฟการซื้อสินค้าบน Amazon ส่วนหนึ่ง โดยต่อยอดจากสิ่งที่เรียนมาแล้ว ทั้งการค้นหาสินค้าสำคัญและวิเคราะห์ปัจจัยที่ขับเคลื่อนการซื้อ นอกจากนี้ยังจะศึกษาว่ากราฟเปลี่ยนแปลงอย่างไรตามช่วงเวลาต่างๆ
2
ผู้คนพูดถึง R บน Twitter อย่างไร?
ในบทนี้จะสำรวจข้อมูล Twitter เกี่ยวกับ R โดยดูจากบทสนทนาที่ใช้ '#rstats' เริ่มจากการดูข้อมูลดิบและคิดวิธีสร้างกราฟ ซึ่งทำได้หลายแบบ โดยจะครอบคลุม 2 วิธี ได้แก่ การรีทวีตและการกล่าวถึง จากนั้นจะสร้างกราฟทั้งสองแบบและเปรียบเทียบกันในหลายมิติ
3
การแชร์จักรยานในชิคาโก
ในบทนี้จะวิเคราะห์ข้อมูลจากเครือข่ายการแชร์จักรยานในชิคาโก โดยต่อยอดแนวคิดจากคอร์สเบื้องต้นและเพิ่มเติมความรู้ใหม่สำหรับการจัดการกราฟที่มีเส้นเชื่อมแบบถ่วงน้ำหนัก รวมถึงเริ่มต้นจากข้อมูลในรูปแบบดิบและเรียนรู้วิธีสร้างกราฟจากแหล่งข้อมูลที่อาจพบในการทำงานจริง
4
วิธีอื่นในการแสดงผลข้อมูลกราฟ
ทุกอย่างที่ผ่านมาใช้การพล็อตกราฟผ่าน igraph ซึ่งมีวิธีแสดงผลข้อมูลกราฟที่หลากหลายและทรงพลัง อย่างไรก็ตาม หลายคนชื่นชอบการใช้ฟริมเวิร์กการพล็อตแบบอื่น เช่น ggplot2 หรือฟริมเวิร์กแบบโต้ตอบได้อย่าง d3.js ในบทนี้จะสำรวจไลบรารีการพล็อตอื่นๆ ที่ต่อยอดจาก ggplot2 รวมถึงวิธีแสดงผลแบบอื่นที่ไม่ใช่รูปแบบ "hairball" อย่าง hive plot ตลอดจนการสร้างกราฟแบบโต้ตอบได้และแบบเคลื่อนไหว
R
กรณีศึกษา: การวิเคราะห์เครือข่ายใน R
เรียนจบแล้ว
