Faculty of Technical Sciences

Subject: (22.EAI075)

General information:
 
Category Theoretical-methodological
Scientific or art field Information-Communication Systems
ECTS 6

Cilj predmeta je da se studenti upoznaju sa aktuelnim temama iz oblasti društvenih mreža i upoznaju sa metodama koje se koriste za analizu empirijskih podataka društvenih mreža. Studenti će biti upoznati sa statističkim odnosno pristupima baziranim na tehnikama mašinskog učenja i veštačke inteligencije koji se koriste za analizu društvenih mreža sa fokusom na odnose između učesnika.

Studenti će po završetku kursa imati znanja i veštine koje će im omogućiti da formulišu smislena istraživačka pitanja u oblasti analize socijalnih mreža i da, upotrebom različitih tehnika i metoda (kako statističkih tako i onih baziranih na mašinskom učenju i veštačkoj inteligenciji) odnosno alata za analizu empirijskih podataka, dođu do rezultata čijom interpretacijom će steći uvid u procese u okviru posmatranih mreža i odnose između njihovih članova (učesnika). Pored toga steći će praktične veštine razvoja programskih rešenja upotrebom Jupyter Labs okruženja za eksplorativnu analizu podataka i kreiranje modela zasnovanih na mašinskom učenju.

Uvod u analizu društvenih mreža, karakteristike i tipovi društvenih mreža, fundamentalni koncepti (članovi, veze), reprezentacija društvenih mreža (matrice, grafovi), mere povezanosti, identifikacija grupa i celina u okviru mreže, identifikacija mogućih izvora podataka, prikupljanje empirijskih podataka, transformacije i priprema podataka za obradu, metode statističke analize i relevantne tehnike mašinskog učenja i veštačke inteligencije (klastering, klasifikacija, sistemi preporuke), vizualizacija i interpretacija rezultata. Teorijsku nastavu će pratiti praktična obuka iz implementacije programskih rešenja (modela mašinskog učenja odnosno neuronskih mreža) u okruženju Jupyter Labs.

Predavanja i laboratorijske vežbe, testovi i individualni zadatak (projekat). U okviru laboratorijskih vežbi će studenti biti osposobljeni za implementaciju programskih rešenja za prikupljanje i analizu podataka u programskom okruženju Jupyter Labs. Usvajanje teoretskih znanja sa predavanja će se proveravati testovima i na usmenom ispitu. Predispitne obaveze činiće uspešno završen i odbranjen samostalni studentski projekat - uslov za izlazak na ispit je 25 od 50 bodova.

Authors Title Year Publisher Language
Stephen Borgatti, Martin Everett, Jeffrey Johnson Analyzing Social Networks (2nd Edition) 2018 SAGE Publications English
Charles Kadushin Understanding Social Networks: Theories, Concepts and Findings 2012 Oxford University Press English
Song Yang, Franziska Keller, Lu Zheng Social Network Analysis: Methods and Examples 2016 SAGE Publications English
Course activity Pre-examination Obligations Number of points
Test Yes Yes 10.00
Complex exercises Yes Yes 20.00
Oral part of the exam No Yes 30.00
Projektni zadatak Yes Yes 40.00
API Image

Prof. Mirković Milan

Full Professor

Lectures
API Image

Prof. Ćulibrk Dubravko

Full Professor

Lectures
API Image

Assistant - Master Janko Aleksandra

Assistant - Master

Computational classes

Faculty of Technical Sciences

© 2024. Faculty of Technical Sciences.

Contact:

Address: Trg Dositeja Obradovića 6, 21102 Novi Sad

Phone:  (+381) 21 450 810
(+381) 21 6350 413

Fax : (+381) 21 458 133
Emejl: ftndean@uns.ac.rs

© 2024. Faculty of Technical Sciences.