IV124 Komplexní sítě

Fakulta informatiky
jaro 2025
Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: k.
Vyučováno prezenčně.
Vyučující
RNDr. Josef Spurný, Ph.D. (přednášející)
Ing. Eva Výtvarová (přednášející)
doc. RNDr. Eva Hladká, Ph.D. (přednášející)
Garance
doc. RNDr. Eva Hladká, Ph.D.
Katedra počítačových systémů a komunikací – Fakulta informatiky
Dodavatelské pracoviště: Katedra počítačových systémů a komunikací – Fakulta informatiky
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
předmět má 38 mateřských oborů, zobrazit
Cíle předmětu
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.
Výstupy z učení
Studenti budou po absolvování kurzu schopni popsat lokální a globální vlastnosti komplexních sítí. Budou umět rozumět procesům, které vedou ke vzniku sítí přirozených i lidmi vytvořených komplexních systémů, které pozorujeme okolo nás. Absolventi tohoto kurzu budou schopni aplikovat síťovou analýzu na reálná data napříč aplikačními doménami v "měkkých" i "tvrdých" vědách. Studenti budou také schopni navrhnout nad hrubými daty postup síťové analýzy, formulovat relevantní hypotézy a výsledky korektně a srozumitelně interpretovat.
Osnova
  • úvodní přednáška, motivace, základní vlastnosti komplexních systemů, 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
Literatura
    doporučená literatura
  • BARABÁSI, Albert-László a Márton PÓSFAI. Network science. First published. Cambridge: Cambridge University Press, 2016, xviii, 456. ISBN 9781107076266. 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
Výukové metody
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.
Metody hodnocení
Podmínky pro udělení kolokvia:
- Účast na cvičeních alespoň 60%
- Odevzdání miniprojektu nebo čtenářského deníku
Další komentáře
Předmět je vyučován jednou za dva roky.
Výuka probíhá každý týden.
Předmět je zařazen také v obdobích jaro 2015, jaro 2016, jaro 2017, jaro 2018, jaro 2019, jaro 2020, jaro 2023.