آموزش مقدمه‌ای بر تحلیل داده‌های شبکه‌های اجتماعی - آخرین آپدیت

دانلود Introduction to Social Media Analytics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره جامع به بررسی تلاقی پلتفرم‌های رسانه‌های اجتماعی و علم شبکه می‌پردازد و مهارت‌های ضروری برای تحلیل تعاملات اجتماعی دیجیتال را به دانشجویان آموزش می‌دهد. با شروع از مبانی نظریه گراف، دانشجویان یاد می‌گیرند که داده‌های رسانه‌های اجتماعی را به عنوان شبکه مدل‌سازی کنند و از چارچوب‌های ریاضی برای استخراج بینش‌های معنادار استفاده نمایند. برنامه آموزشی از تحلیل‌های پیشرفته شبکه، معیارهای مرکزیت و الگوریتم‌های شناسایی جامعه (Community Detection) عبور می‌کند. دانشجویان مفاهیم کلیدی از جمله مرکزیت درجه، تحلیل بینابینی، الگوریتم‌های PageRank و مدل‌های انتشار اطلاعات را به طور کامل فرا می‌گیرند. کاربردهای عملی بر شناسایی اینفلوئنسرها، سیستم‌های توصیه‌گر، استراتژی‌های بازاریابی ویروسی و شناسایی رهبران جامعه متمرکز است. ماژول‌های پیشرفته، تکنیک‌های یادگیری ماشین برای رسانه‌های اجتماعی، شامل تحلیل زبان، شناسایی اخبار جعلی و پیش‌بینی رفتاری را پوشش می‌دهند. همچنین ملاحظات اخلاقی در تحقیقات رسانه‌های اجتماعی، حفظ حریم خصوصی و کاربردهای مسئولانه هوش مصنوعی مورد بررسی قرار می‌گیرند. این دوره بر پیاده‌سازی عملی با استفاده از NetworkX، مطالعات موردی واقعی و پروژه‌های مرتبط با صنعت تأکید دارد. در پایان دوره، دانشجویان قادر خواهند بود شبکه‌های اجتماعی را به صورت حرفه‌ای تحلیل کنند، الگوریتم‌های توصیه‌گر توسعه دهند، کمپین‌های بازاریابی ویروسی طراحی کنند و تحقیقات اخلاقی در حوزه رسانه‌های اجتماعی انجام دهند. این دوره برای دانشمندان داده، متخصصان بازاریابی، پژوهشگران و هر کسی که به دنبال درک مبانی ریاضی تحلیل رسانه‌های اجتماعی است، ایده‌آل است.

سرفصل ها و درس ها

مقدمه دوره Course Introduction

  • مقدمه دوره Course Introduction

  • آشنایی با مدرس: پروفسور آنیش چیواکولا Meet Your Instructor: Prof. Aneesh Chivakula

  • آشنایی با مدرس: پروفسور سیتا پارامسواران Meet Your Instructor: Prof. Seetha Parameswaran

مقدمه‌ای بر رسانه‌های اجتماعی و مبانی گراف Introduction to Social Media and Graph Fundamentals

  • چرا تحلیل رسانه‌های اجتماعی اهمیت دارد؟ Why Social Media Analytics Matters

  • تعریف و تکامل رسانه‌های اجتماعی Social Media Definition and Evolution

  • انواع پلتفرم‌های رسانه‌های اجتماعی Types of Social Media Platforms

  • کاربردها و چالش‌های داده‌کاوی در رسانه‌های اجتماعی Social Media Mining Applications and Challenges

  • بررسی پلتفرم‌های مختلف رسانه‌های اجتماعی و ساختارهای داده آن‌ها Exploring Different Social Media Platforms and Their Data Structures

  • مبانی گراف: بلوک‌های سازنده شبکه‌ها Graph Basics - Building Blocks of Networks

  • گراف‌های جهت‌دار در مقابل بدون جهت در رسانه‌های اجتماعی Directed vs. Undirected Graphs in Social Media

  • ویژگی‌های پایه گراف Basic Graph Properties

  • مدل‌سازی رسانه‌های اجتماعی به عنوان شبکه Modelling Social Media as Networks

  • دمو: ایجاد گراف‌های پایه رسانه‌های اجتماعی با NetworkX Demo: Creating Basic Social Media Graphs with NetworkX

  • نمایش ماتریس مجاورت Adjacency Matrix Representation

  • نمایش لیست مجاورت Adjacency List Representation

  • لیست یال‌ها و سایر روش‌های نمایش Edge List and Other Representations

  • دمو: پیاده‌سازی روش‌های مختلف نمایش گراف در پایتون Demo: Implementing Different Graph Representations in Python

  • مقدمه‌ای بر APIهای رسانه‌های اجتماعی Introduction to Social Media APIs

  • ذخیره‌سازی و مدیریت داده‌ها Data Storage and Management

  • ملاحظات اخلاقی و حریم خصوصی Privacy and Ethical Considerations

  • دمو: ساخت خط لوله جمع‌آوری اخلاقی داده‌های رسانه‌های اجتماعی Demo: Building Ethical Social Media Data Collection Pipeline

  • از تئوری تا عمل From Theory to Practice

تحلیل شبکه و ویژگی‌های گراف Network Analysis and Graph Properties

  • درک ساختار شبکه Understanding Network Structure

  • شبکه‌های دوپارتی و تصویرسازی‌ها Bipartite Networks and Projections

  • شبکه‌های وزن‌دار در رسانه‌های اجتماعی Weighted Networks in Social Media

  • شبکه‌های بدون مقیاس (Scale-free) و دنیای کوچک (Small world) Scale-free and Small-world Networks

  • اندازه‌گیری اتصال شبکه Measuring Network Connectivity

  • ایجاد و تحلیل انواع مختلف شبکه Creating and Analysing Different Network Types

  • الگوریتم DFS و کاوش در شبکه DFS and Network Exploration

  • الگوریتم BFS و تحلیل فاصله BFS and Distance Analysis

  • الگوریتم دایکسترا برای شبکه‌های وزن‌دار Dijkstra's Algorithm for Weighted Networks

  • مفاهیم پایه جریان شبکه Basic Network Flow Concepts

  • شناسایی و تحلیل ساختارهای خاص گراف Identifying and Analysing Special Graph Structures

  • تراکم شبکه و خوشه‌بندی Network Density and Clustering

  • درخت‌ها و ساختارهای سلسله‌مراتبی Trees and Hierarchical Structures

  • پیچیدگی الگوریتم و ملاحظات عملی Algorithm Complexity and Practical Considerations

  • تحلیل اتصال در شبکه‌های واقعی Analysing Connectivity in Real Networks

  • پیاده‌سازی الگوریتم‌های گراف Graph Algorithms Implementation

  • از ساختار به رفتار From Structure to Behaviour

معیارهای شبکه و تحلیل مرکزیت Network Measures and Centrality Analysis

  • اندازه‌گیری اهمیت در شبکه‌ها Measuring Importance in Networks

  • مقدمه‌ای بر معیارهای شبکه Introduction to Network Measures

  • مرکزیت درجه Degree Centrality

  • ویژگی‌های پایه گره‌ها Basic Node Properties

  • طبقه‌بندی گره‌ها و نقش‌ها Node Classification and Roles

  • محاسبه معیارهای پایه شبکه برای کاربران رسانه‌های اجتماعی Computing Basic Network Measures for Social Media Users

  • مرکزیت بینابینی Betweenness Centrality

  • مرکزیت نزدیکی Closeness Centrality

  • الگوریتم PageRank PageRank Algorithm

  • مقایسه و انتخاب مرکزیت Centrality Comparison and Selection

  • محاسبه و مقایسه معیارهای مختلف مرکزیت Calculating and Comparing Different Centrality Measures

  • تراگذری و متقابل بودن Transitivity and Reciprocity

  • مبانی هم‌سانی (Homophily) و assortativity Homophily and Assortativity Basics

  • پیش‌بینی لینک و کاربردهای عملی Link Prediction and Practical Applications

  • تحلیل الگوهای اجتماعی در داده‌های شبکه Analysing Social Patterns in Network Data

  • ساخت پروفایل کاربر با استفاده از معیارهای شبکه Building User Profiles Using Network Measures

  • از گره‌های فردی به گروه‌ها From Individual Nodes to Groups

شناسایی و تحلیل جامعه Community Detection and Analysis

  • یافتن گروه‌ها در شبکه‌های اجتماعی Finding Groups in Social Networks

  • تعریف و ویژگی‌های جوامع اجتماعی Social Communities Definition and Characteristics

  • رویکردهای شناسایی جامعه Community Detection Approaches

  • شناسایی جامعه بر اساس مدولاریتی Modularity-Based Community Detection

  • الگوریتم‌های ساده شناسایی جامعه Simple Community Detection Algorithms

  • تجسم و بررسی جوامع در شبکه‌های واقعی Visualising and Exploring Communities in Real Networks

  • الگوریتم لووین (Louvain) Louvain Algorithm

  • روش‌های طیفی برای شناسایی جامعه Spectral Methods for Community Detection

  • جوامع هم‌پوشان Overlapping Communities

  • شناسایی جامعه پویا Dynamic Community Detection

  • پیاده‌سازی الگوریتم‌های پایه شناسایی جامعه Implementing Basic Community Detection Algorithms

  • ارزیابی کیفیت جامعه Community Quality Evaluation

  • مقایسه الگوریتم‌ها Algorithm Comparison

  • کاربردهای رسانه‌های اجتماعی Social Media Applications

  • شناسایی سلسله‌مراتبی جامعه Hierarchical Community Detection

  • شناسایی جامعه هم‌پوشان Overlapping Community Detection

  • از ساختار به رفتار From Structure to Behaviour

انتشار اطلاعات و تحلیل‌های رفتاری Information Diffusion and Behaviour Analytics

  • نحوه گسترش اطلاعات و رفتار How Information and Behaviour Spread

  • مبانی انتشار اطلاعات Information Diffusion Fundamentals

  • مدل آبشار مستقل (Independent Cascade) Independent Cascade Model

  • مدل آستانه خطی (Linear Threshold) Linear Threshold Model

  • مبانی بهینه‌سازی نفوذ Influence Maximisation Basics

  • شبیه‌سازی انتشار اطلاعات در شبکه‌های اجتماعی Simulating Information Diffusion in Social Networks

  • رفتار گله‌ای و تایید اجتماعی Herd Behaviour and Social Proof

  • اتاق‌های پژواک و حباب‌های فیلتر Echo Chambers and Filter Bubbles

  • مکانیسم‌های سرایت اجتماعی Social Contagion Mechanisms

  • شناسایی و اندازه‌گیری آبشاری Cascade Detection and Measurement

  • شناسایی و تحلیل رفتار گله‌ای در داده‌های رسانه‌های اجتماعی Detecting and Analysing Herd Behaviour in Social Media Data

  • نفوذ در مقابل هم‌سانی Influence vs. Homophily

  • روش‌های پیش‌بینی رفتار Behaviour Prediction Methods

  • کاربردها در تحلیل رسانه‌های اجتماعی Applications in Social Media Analytics

  • اندازه‌گیری و مدل‌سازی نفوذ در مقابل هم‌سانی Measuring and Modelling Influence vs Homophily

  • ساخت خط لوله کامل تحلیل رفتار Building Complete Behaviour Analytics Pipeline

  • از ساختار به رفتار From Structure to Behaviour

سیستم‌های توصیه‌گر Recommender Systems

  • رویکردهای توصیه اجتماعی Social Recommendation Approaches

  • رویکردهای توصیه بین‌دامنه ای Cross-Domain Recommendation Approaches

  • توصیه بر پایه هوش وب Web Intelligence-Powered Recommendation

  • طراحی سیستم توصیه‌گر Recommender System Design

  • روش‌های مبتنی بر حافظه Memory-Based Methods

  • ماشین‌های فاکتورگیری Factorisation Machines

  • الگوریتم‌های بهینه‌سازی محاسباتی Computational Optimization Algorithms

  • ماشین‌های فاکتورگیری عصبی Neural Factorisation Machines

  • الگوریتم‌های خوشه‌بندی Clustering Algorithms

  • الگوریتم‌های استخراج الگوهای پرتکرار Frequent Pattern Mining Algorithms

  • الگوریتم‌های استخراج قوانین انجمنی Association Rule Mining Algorithms

  • جمع‌بندی ماژول Module Wrap-Up

تحلیل داده‌های بزرگ (Big Data) Big Data Analytics

  • مدل‌سازی پیش‌بینانه Predictive Modelling

  • استخراج داده‌های جریانی (Data Stream Mining) Data Stream Mining

  • تحلیل داده‌های غیر ایستا Non-Stationary Data Analytics

  • تحلیل شبکه پویا Dynamic Network Analysis

  • دستیارهای مجازی Virtual Assistants

  • تکامل هوش مصنوعی عامل‌محور (Agentic AI) Agentic AI Evolution

  • استحکام تقابلی (Adversarial Robustness) Adversarial Robustness

  • نامتقارن بودن اطلاعات - بخش اول Information Asymmetry - Part 1

  • نامتقارن بودن اطلاعات - بخش دوم Information Asymmetry - Part 2

  • نامتقارن بودن اطلاعات - بخش سوم Information Asymmetry - Part 3

سیستم‌های هوشمند Intelligent Systems

  • طبقه‌بندی استراتژیک Strategic Classification

  • بازی‌های پیش‌بینی Prediction Games

  • عدالت ضدواقعیتی (Counterfactual Fairness) Counterfactual Fairness

  • فراموشی ماشین (Machine Unlearning) Machine Unlearning

  • دوقطبی شدن رسانه‌های اجتماعی Social Media Polarisation

  • حفظ حریم خصوصی Privacy Preservation

  • رمزنگاری داده‌ها Data Encryption

  • یادگیری راهزن (Bandit Learning) Bandit Learning

  • استحکام سیستم‌های توصیه‌گر Robustness of Recommendation

  • سیستم‌های یادگیری ترکیبی Hybrid Learning Systems

  • عملیات یادگیری ماشین (MLOps) MLOps

تحلیل زبان Language Analysis

  • فیلترینگ مبتنی بر محتوا Content-Based Filtering

  • فیلترهای شناسایی نوآوری - بخش اول Novelty Detection Filters - Part 1

  • فیلترهای شناسایی نوآوری - بخش دوم Novelty Detection Filters - Part 2

  • مدل‌سازی موضوعی (Topic Modelling) Topic Modelling

  • استخراج وب معنایی Semantic Web Mining

  • تولید زبان طبیعی (NLG) Natural Language Generation

  • مدل‌های ترنسفورمر Transformer Models

  • یادگیری تقابلی در مدل‌های پایه Adversarial Learning in Foundation Models

روش‌های شناسایی در رسانه‌های اجتماعی Social Media Detection Methods

  • شناسایی اخبار جعلی Fake News Detection

  • دیپ‌فیک‌ها (Deepfakes) Deepfakes

  • شناسایی سایبربولینگ (قلدری سایبری) Cyberbullying Detection

  • شناسایی جرایم سایبری Cybercrime Detection

  • هوش مصنوعی تقابلی در جنگ اطلاعاتی Adversarial AI in Information Warfare

  • تیم قرمز محاسباتی (Red Teaming) Computational Red Teaming

  • تهدیدات پیشرفته و مستمر (APT) Advanced Persistent Threats

  • بازی‌های جنگی (Wargaming) Wargaming

  • جمع‌بندی نهایی دوره Course Wrapup

امتحان پایان دوره End-Term Examination

نمایش نظرات

آموزش مقدمه‌ای بر تحلیل داده‌های شبکه‌های اجتماعی
جزییات دوره
58h 26m
140
(آخرین آپدیت)
-
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده