2024/2025
Методы анализа сетевых структур
Статус:
Маго-лего
Охват аудитории:
для всех кампусов НИУ ВШЭ
Язык:
русский
Кредиты:
3
Контактные часы:
28
Программа дисциплины
Аннотация
Как отличить сеть развившуюся естественным образом от сети построенную искусственно; определить критические и наиболее важные элементы в сети; выделить сообщества в сетях; предсказать появления ребра; предсказать как сеть будет развиваться с течением времени – всё это вы узнаете в рамках данного курса.
Цель освоения дисциплины
- Владеть методами кластеризации
- Знать и разбираться в различных моделях случайных графов
- Владеть методами поиска наиболее важных элементов в сети
- Понимать принципы работы графовых нейронных сетей
Планируемые результаты обучения
- Знаем модели графов со свойствами "тесного мира". Может запрограммировать.
- Знает концепцию DHT и принцип работы Chord протокола.
- Знает основные характеристики графов
- Понимает Page Rank алгоритм. Понимает модель случайного блуждателя
- Понимает метод вложения графов в векторное пространство graph2vec
- Понимает метод спектральной кластеризации. Может запрограммировать.
- Понимает модель Клайнберга.
- Понимает модель. Умеет вычислять вероятность возникновения фиксированной структуры,.
Содержание учебной дисциплины
- Основные характеристики графов
- Google’s PageRank, HITS
- Случайные графы.
- Модели графов со свойствами "тесного мира"
- Алгоритмы кластеризации в сетях
- Модели навигационных тесных миров
- Методы вложения графов в векторные пространства.
Промежуточная аттестация
- 2024/2025 1st module0.5 * Модели случайных графов + 0.5 * Навигационные графы
Список литературы
Рекомендуемая основная литература
- Ming-Yang Kao. Encyclopedia of Algorithms. Springer, New York, NY, 2016
Рекомендуемая дополнительная литература
- Panos M. Pardalos, Ding-Zhu Du, Ronald L. Graham. Handbook of Combinatorial Optimization. Springer Science+Business Media, New York, 2013.
- Комбинаторика и теория вероятностей, учебное пособие, 99 с., Райгородский, А. М., 2013