×
Универзитет у Новом Саду

Предмет: Анализа социјалних мрежа (22.EAI075)

Основне информације:
 
Категорија Теоријско-методолошки
Ужа научна област Информационо-комуникациони системи
ЕСПБ 6

Циљ предмета је да се студенти упознају са актуелним темама из области друштвених мрежа и упознају са методама које се користе за анализу емпиријских података друштвених мрежа. Студенти ће бити упознати са статистичким односно приступима базираним на техникама машинског учења и вештачке интелигенције који се користе за анализу друштвених мрежа са фокусом на односе између учесника.

Студенти ће по завршетку курса имати знања и вештине које ће им омогућити да формулишу смислена истраживачка питања у области анализе социјалних мрежа и да, употребом различитих техника и метода (како статистичких тако и оних базираних на машинском учењу и вештачкој интелигенцији) односно алата за анализу емпиријских података, дођу до резултата чијом интерпретацијом ће стећи увид у процесе у оквиру посматраних мрежа и односе између њихових чланова (учесника). Поред тога стећи ће практичне вештине развоја програмских решења употребом Jupyter Labs окружења за експлоративну анализу података и креирање модела заснованих на машинском учењу.

Увод у анализу друштвених мрежа, карактеристике и типови друштвених мрежа, фундаментални концепти (чланови, везе), репрезентација друштвених мрежа (матрице, графови), мере повезаности, идентификација група и целина у оквиру мреже, идентификација могућих извора података, прикупљање емпиријских података, трансформације и припрема података за обраду, методе статистичке анализе и релевантне технике машинског учења и вештачке интелигенције (кластеринг, класификација, системи препоруке), визуализација и интерпретација резултата. Теоријску наставу ће пратити практична обука из имплементације програмских решења (модела машинског учења односно неуронских мрежа) у окружењу Jupyter Labs.

Предавања и лабораторијске вежбе, тестови и индивидуални задатак (пројекат). У оквиру лабораторијских вежби ће студенти бити оспособљени за имплементацију програмских решења за прикупљање и анализу података у програмском окружењу Jupyter Labs. Усвајање теоретских знања са предавања ће се проверавати тестовима и на усменом испиту. Предиспитне обавезе чиниће успешно завршен и одбрањен самостални студентски пројекат - услов за излазак на испит је 25 од 50 бодова.

Аутори Назив Година Издавач Језик
Song Yang, Franziska Keller, Lu Zheng Social Network Analysis: Methods and Examples 2016 SAGE Publications Енглески
Stephen Borgatti, Martin Everett, Jeffrey Johnson Analyzing Social Networks (2nd Edition) 2018 SAGE Publications Енглески
Charles Kadushin Understanding Social Networks: Theories, Concepts and Findings 2012 Oxford University Press Енглески
Предметна активност Предиспитна Обавезна Број поена
Предметна активност
Усмени део испита
Предиспитна
Не
Обавезна
Да
Број поена
30.00
Предметна активност
Тест
Предиспитна
Да
Обавезна
Да
Број поена
10.00
Предметна активност
Сложени облици вежби
Предиспитна
Да
Обавезна
Да
Број поена
20.00
Предметна активност
Пројектни задатак
Предиспитна
Да
Обавезна
Да
Број поена
40.00
API Image

проф. др Милан Мирковић

Редовни професор

Предавања

Предавања

Рачунарске вежбе