IV124 Complex Networks

Faculty of Informatics
Spring 2017
Extent and Intensity
1/1/0. 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)
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 10:00–11:50 B410
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)
Studenti budou po absolvování kurzu schopni definovat základní lokální a globální topologické metriky a budou znát algoritmy používané pro jejich výpočet. Budou umět vysvětlit principy generování náhodných grafů s danou topologickou vlastností a rozumět jejich významu pro praktickou analýzu. Absolventi tohoto kurzu budou schopni aplikovat síťovou analýzu na reálná data napříč aplikačními doménami. Studenti budou také schopni navrhnout nad hrubými daty postup síťové analýzy, formulovat relevantní hypotézy a výsledky korektně a srozumitelně interpretovat.
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. 236 pp. e-book. ISBN 978-80-210-5807-1. 2012. info
  • NEWMAN, M. E. J. Networks : an introduction. Oxford: Oxford University Press. xi, 772. ISBN 9780199206650. 2010. info
  • CSERMELY, Péter. Weak links : stabilizers of complex systems from proteins to social networks. 1st ed. Berlin: Springer. xix, 392. ISBN 3540311513. 2006. info
  • BARABÁSI, Albert-László. V pavučině sítí. Translated by František Slanina. Vyd. 1. V Praze: Paseka. 274 s. ISBN 8071857513. 2005. 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 2018, Spring 2019, Spring 2020, Spring 2023.
  • Enrolment Statistics (Spring 2017, recent)
  • Permalink: https://is.muni.cz/course/fi/spring2017/IV124