中本课程将通过使用 NetworkX 库的教程向学员介绍网络分析。课程开始时，我们将了解什么是网络分析，以及为什么要将现象建模为网络的动机。第二周将介绍连通性和网络鲁棒性的概念。第三周将探讨衡量网络中节点的重要性或中心性的方法。最后一周将探讨网络随时间的演变，并涵盖网络生成模型和链接预测问题。
Python 中的应用社交网络分析
您将学到什么
使用 NetworkX 库表示和处理网络数据
分析网络的连通性
衡量网络中节点的重要性或中心性
预测网络随时间的演变
要了解的详细信息
可分享的证书
添加到您的领英档案
作业
4 项作业
授课语言：英语（English）
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
本课程是 借助 Python 应用数据科学 专项课程 专项课程的一部分
在注册此课程时，您还会同时注册此专项课程。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有4个模块
模块一向您介绍现实世界中不同类型的网络，以及我们研究它们的原因。您将了解网络的基本要素以及不同类型的网络。您还将学习如何使用 NetworkX 库来表示和处理网络数据。作业中，您将有机会使用 NetworkX 分析一家小公司员工的网络数据集。
涵盖的内容
5个视频3篇阅读材料1个作业1个编程作业2个非评分实验室
在模块二中，您将学习如何根据节点间路径的距离、可达性和冗余度来分析网络的连通性。在作业中，您将练习使用 NetworkX 计算一家中型制造公司员工之间电子邮件通信网络的连通性度量。
涵盖的内容
5个视频1个作业1个编程作业1个非评分实验室
在模块三中，您将使用度数中心性、邻近中心性和间隔中心性、页面排名以及枢纽和权威等度量方法，探索衡量网络中节点的重要性或中心性的方法。您将了解每种度量方法的假设条件、计算算法以及 NetworkX 上用于度量中心性的不同函数。在作业中，您将练习在现实世界中选择最合适的中心性度量。
涵盖的内容
6个视频1个作业1个编程作业1个讨论话题
在模块四中，您将探索网络随时间的演变，包括生成具有现实特征的网络的不同模型，如优先附着模型和小世界网络。您还将探索链接预测问题，学习可以预测一对断开的节点未来是否会连接的有用特征。在作业中，您将面临的挑战是识别哪个模型生成了给定的网络。此外，您还有机会将课程中的不同概念结合起来，利用某公司员工的电子邮件交流记录来预测他们的薪水、职位和未来的联系。
涵盖的内容
3个视频5篇阅读材料1个作业1个编程作业1个非评分实验室
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.8 (192个评价)
从 数据分析 浏览更多内容
状态：免费试用Johns Hopkins University
状态：免费试用University of California, Davis
状态：免费试用University of Colorado Boulder
状态：预览Stanford University
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.6
2,714 条评论
- 5 stars
73.92%
- 4 stars
19.92%
- 3 stars
4.12%
- 2 stars
1.03%
- 1 star
0.99%
显示 3/2714 个
JA
5
已于 Nov 22, 2020审阅
Great introductory course on graph theory using Networkx. The instructor goes through each algorithm with step-by-step examples, and gives relevant examples at the end of each topic.
VS
4
已于 Jul 15, 2018审阅
Lectures are very well-designed. Especially, the assignment of week 4 is too good, that give me an overview of how we can apply machine learning in network analysis.
BL
5
已于 Apr 17, 2018审阅
Really enjoyed the mathematical component of this course. It was fun to see how you could connect the graph theoretical components to the machine learning concepts from earlier courses.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问专项课程中的所有课程，完成作业后还可以获得证书。您的电子证书将添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。
更多问题
提供助学金，