آموزش تجزیه و تحلیل شبکه در پایتون: شروع به کار

Network Analysis in Python: Getting Started

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: علم شبکه بخشی از علم داده است که کمتر مورد استفاده قرار گرفته است. این دوره به شما قدرت می دهد تا از داده های شبکه ای که شرکت شما دارد استفاده کنید. شما در مورد بحث و تجسم شبکه، مرکزیت ها، جوامع و تکنیک های یادگیری ماشینی خواهید آموخت. شرکت ها ترابایت داده جمع آوری کرده اند که می تواند به عنوان شبکه نمایش داده شود. با این حال، به دلیل کمبود متخصصان داده در روش‌های شبکه، از این داده‌ها کم استفاده می‌شود. هدف این دوره رفع آن و توانمندسازی شما برای استدلال و ساخت محصولات مبتنی بر شبکه است. در این دوره، تجزیه و تحلیل شبکه در پایتون: شروع به کار، مهارت های اساسی مورد نیاز برای تجزیه و تحلیل شبکه ها با استفاده از پایتون را به دست خواهید آورد. ابتدا، در مورد ریشه های علم شبکه و ارتباط آن با نظریه گراف، و همچنین مهارت های عملی در دستکاری نمودارها در NetworkX خواهید آموخت. در مرحله بعد، نحوه ایجاد تصاویر زیبا و گویا از شبکه ها را با استفاده از قابلیت های بومی NetworkX و Bokeh کشف خواهید کرد. سپس، شما عمیقاً به الگوریتم‌های تشخیص مرکزی و جامعه می‌پردازید. در نهایت، جعبه ابزار یادگیری ماشین خود را با یادگیری در مورد تعبیه‌های شبکه غنی می‌کنید. در پایان دوره، شما یاد خواهید گرفت که چگونه تجزیه و تحلیل خود را از شبکه ها انجام دهید، چگونه شبکه ها را تجسم کنید، و حتی چگونه با استفاده از علم شبکه و یادگیری ماشین یک موتور پیش بینی دوستی پیشرفته بسازید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

معرفی NetworkX و Network Science Introducing NetworkX and Network Science

  • طرح کلی ماژول Module Outline

  • پیش نیازهای دوره Course Prerequisites

  • علم شبکه در مقابل نظریه گراف Network Science vs. Graph Theory

  • NetworkX چیست؟ What Is NetworkX?

  • دستکاری شبکه ها در NetworkX Manipulating Networks in NetworkX

  • تئوری گراف از طریق NetworkX Graph Theory through NetworkX

  • دسترسی و اصلاح ویژگی ها Accessing and Modifying Attributes

  • فرمت های ذخیره سازی نمودار Graph Storage Formats

تجزیه و تحلیل بصری شبکه ها Analyzing Networks Visually

  • طرح کلی ماژول Module Outline

  • چرا تجسم شبکه؟ Why Network Visualization?

  • تجسم بومی در NetworkX Native Visualization in NetworkX

  • آشنایی با بوکه Introduction to Bokeh

  • بوکه: نقشه ها و ابزار Bokeh: Plots and Tools

  • بوکه: تجسم ویژگی های گره Bokeh: Visualizing Node Attributes

  • مقدمه ای در تحلیل شبکه بصری A Primer on Visual Network Analysis

محاسبه مرکزیت ها و تشخیص جوامع با NetworkX Calculating Centralities and Detecting Communities with NetworkX

  • طرح کلی ماژول Module Outline

  • چرا مرکزیت اقدامات؟ Why Centrality Measures?

  • مرکزیت درجه Degree Centrality

  • مرکزیت نزدیکی Closeness Centrality

  • بین مرکزیت Betweenness Centrality

  • مرکزیت های کاتز، بردار ویژه و رتبه صفحه Katz, Eigenvector, and PageRank Centralities

  • تشخیص جامعه: الگوریتم گیروان-نیومن Community Detection: Girvan-Newman Algorithm

  • نسخه ی نمایشی: تشخیص جوامع در NetworkX Demo: Detecting Communities in NetworkX

کمک به یادگیری ماشین با علم شبکه Aiding Machine Learning with Network Science

  • طرح کلی ماژول Module Outline

  • جاسازی های انگیزشی Motivating Embeddings

  • Word2vec Word2vec

  • Node2vec Node2vec

  • نسخه ی نمایشی: Node2vec Demo: Node2vec

نمایش نظرات

آموزش تجزیه و تحلیل شبکه در پایتون: شروع به کار
جزییات دوره
1h 58m
29
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
17
4.7 از 5
دارد
دارد
دارد
Artur Krochin
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Artur Krochin Artur Krochin

آرتور با کار در صنایع مختلف از انرژی گرفته تا ارتباطات از راه دور به عنوان Data Scientist ، اکنون در ساخت آینده بانکداری دیجیتال در Revolut ، جایی که کار او طراحی مدل های هوشمند برای مبارزه با جرایم مالی است ، کمک می کند.