Fakultet tehničkih nauka

Predmet: Analiza socijalnih mreža (22.EAI075)

Matične organizacione jedinice predmeta:
Osnovne informacije:
 
Kategorija Teorijsko-metodološki
Uža naučna oblast Informaciono-komunikacioni sistemi
Multidisciplinarna Ne
ESPB 6
Cilj:

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.

Ishod:

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.

Sadržaj:

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.

Metodologija izvođenja nastave:

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.

Literatura:
Autori Naziv Godina Izdavač Jezik
Charles Kadushin Understanding Social Networks: Theories, Concepts and Findings 2012 Oxford University Press Engleski
Song Yang, Franziska Keller, Lu Zheng Social Network Analysis: Methods and Examples 2016 SAGE Publications Engleski
Stephen Borgatti, Martin Everett, Jeffrey Johnson Analyzing Social Networks (2nd Edition) 2018 SAGE Publications Engleski
Formiranje ocene:
Predmetna aktivnost Predispitna Obavezna Broj poena
Test Da Da 10.00
Usmeni deo ispita Ne Da 30.00
Složeni oblici vežbi Da Da 20.00
Projektni zadatak Da Da 40.00
Izvođači nastave:
Predavanja
Računarske vežbe
Predavanja