Fakultet tehničkih nauka

Predmet: Analiza socijalnih mreža (22.EAI075)

Osnovne informacije:
 
Kategorija Teorijsko-metodološki
Uža naučna oblast Informaciono-komunikacioni sistemi
ESPB 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.

Autori Naziv Godina Izdavač Jezik
Stephen Borgatti, Martin Everett, Jeffrey Johnson Analyzing Social Networks (2nd Edition) 2018 SAGE Publications Engleski
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
Predmetna aktivnost Predispitna Obavezna Broj poena
Predmetna aktivnost
Test
Predispitna
Da
Obavezna
Da
Broj poena
10.00
Predmetna aktivnost
Složeni oblici vežbi
Predispitna
Da
Obavezna
Da
Broj poena
20.00
Predmetna aktivnost
Projektni zadatak
Predispitna
Da
Obavezna
Da
Broj poena
40.00
Predmetna aktivnost
Usmeni deo ispita
Predispitna
Ne
Obavezna
Da
Broj poena
30.00
Predavanja
Predavanja
Računarske vežbe