IV124 Complex Networks

Faculty of Informatics
Spring 2019
Extent and Intensity
0/2/0. 2 credit(s) (plus extra credits for completion). Type of Completion: k (colloquium).
Teacher(s)
doc. RNDr. Eva Hladká, Ph.D. (lecturer), RNDr. Jan Fousek, Ph.D. (deputy)
RNDr. Jan Fousek, Ph.D. (lecturer)
Ing. Eva Výtvarová (lecturer)
Guaranteed by
doc. RNDr. Eva Hladká, Ph.D.
Department of Computer Systems and Communications – Faculty of Informatics
Supplier department: Department of Computer Systems and Communications – Faculty of Informatics
Timetable
Thu 21. 2. to Thu 16. 5. Thu 16:00–17:50 C416
Prerequisites (in Czech)
Doporučenými předměty jsou IV111 Pravděpodobnost v informatice a MV011 Statistika I, které usnadní studentům pochopení pravděpodobnostních modelů za náhodnými grafy a statistické části analýzy reálných sítí. Předpokládá se základní znalost teorie grafů.
Course Enrolment Limitations
The course is also offered to the students of the fields other than those the course is directly associated with.
fields of study / plans the course is directly associated with
Course objectives (in Czech)
Mnohé komplexní systémy lze uchopit jako síť interagujících jednotek. Pomocí tohoto úhlu pohledu jsme schopni studovat a popsat strukturu a důležité jevy systémů, jejichž studium jako celku je jinak velmi náročné: lidský mozek, internet, ekonomie, sociální skupiny a další. S nástupem velkých datových sad v nedávné době došlo i k rozvoji aparátu pro jejich popis a analýzu: teorie komplexních sítí. Tento kurz shrne základní teoretické výsledky týkající se komplexních sítí a jejich aplikace v různých oborech. Nedílnou součástí kurzu jsou praktická cvičení a práce na analýze reálné datové sady.
Learning outcomes
The students will be able to define the local and global network topological measures, and will be aware of the algorithms which can be used for their computation. They will be ready to explain the principles of generating random graphs with given structural properties and to understand their role in data analysis. The students will be able to apply the complex network analysis to empirical data sets across the application domains. Given raw data, they will be also capable of designing a network-oriented analysis, formulate relevant hypothesis and interpret correctly the results.
Syllabus (in Czech)
  • úvodní přednáška, motivace, komplexita a sítě, příklady z různých oborů
  • náhodné grafy, Erdős–Rényi model, distribuce stupně uzlu, vyvstání velké komponenty, průměrná délka cesty
  • centralita uzlu: stupeň uzlu, mezilehlostní centralita, eigenvektor centralita (pagerank)
  • komunitní struktura: hierarchické klastrování (aditivní, subtrativní), mezilehlé klastrování, modularita
  • aplikace centrality uzlu a modularity, huby, rich club
  • mocninné pravidlo (power law), bezškálové sítě, analýza reálných příkladů
  • model náhodného power-law grafu: růst sítě, preferential attachment
  • small-world sítě: reálné příklady (šest stupňů odloučení), obecná struktura, náhodné modely (Watts&Strogatz, geografický, ...)
  • náhodné procházky a difuze na sítích
  • Robustnost a stabilita sítí, epidemiologické modely, kaskádové selhání
  • Socioekonomické sítě: World trade network, sociální sítě, geografické sítě (migrace)
  • Internet jako komplexní síť: fyzická vrstva, síť hypertextu, linková analýza
  • Biologické sítě: interakce proteinů, mozek jako komplexní síť
  • Vizualizace (rozsáhlých) komplexních sítí
Literature
    recommended literature
  • PELÁNEK, Radek. Modelování a simulace komplexních systémů. Jak lépe porozumět světu (Modeling and simulation of complex systems). 1st ed. Brno: Masarykova univerzita, 2012, 236 pp. e-book. ISBN 978-80-210-5807-1. info
  • NEWMAN, M. E. J. Networks : an introduction. Oxford: Oxford University Press, 2010, xi, 772. ISBN 9780199206650. info
  • CSERMELY, Péter. Weak links : stabilizers of complex systems from proteins to social networks. 1st ed. Berlin: Springer, 2006, xix, 392. ISBN 3540311513. info
  • BARABÁSI, Albert-László. V pavučině sítí. Translated by František Slanina. Vyd. 1. V Praze: Paseka, 2005, 274 s. ISBN 8071857513. info
Teaching methods (in Czech)
Výuka bude probíhat formou pravidelné dvouhodinové přednášky. Budou zadávány praktické domácí cvičení a studenti budou samostatně zpracovávat projekt analyzující jednu z volně dostupných datových sad. Výstupem projektu bude psaný report. Dvouhodinový prezenční slot bude rozdělen na hodinovou teoretickou přednášku a stejně dlouhou prakticky zaměřenou část. Praktická část bude věnována demonstracím nástrojů a praktických příkladů probrané látky, v druhé části semestru k hromadné konzultaci domácích cvičení a probíhajících studentských projektů. Projekty si studenti vybírají dle oblasti svého (studijního) zájmu a oboru. Je možná samostatná práce i spolupráce v malých skupinkách (individuálně posuzováno dle náročnosti projektu). Studenti budou v rámci projektu zpracovávat analýzu reálné datové sady ať již volně dostupné (viz např zde: http://www-personal.umich.edu/~mejn/netdata/), nebo získané v rámci projektu (zvyšuje zátěž a umožňuje zapojení více studentů). Těžistě výuky je posunuto ke schopnosti praktické aplikace síťové analýzy napříč cílovými obory.
Assessment methods (in Czech)
40 % projekt, 20 % průběžné úlohy, 40 % závěrečná zkouška
Language of instruction
Czech
Further Comments
Study Materials
The course is taught annually.
The course is also listed under the following terms Spring 2015, Spring 2016, Spring 2017, Spring 2018, Spring 2020, Spring 2023.
  • Enrolment Statistics (Spring 2019, recent)
  • Permalink: https://is.muni.cz/course/fi/spring2019/IV124