Exploatarea rețelelor complexe

Titlul original:

Mining Complex Networks

Conținutul cărții:

Această carte se concentrează pe exploatarea rețelelor, un subdomeniu din cadrul științei datelor. Știința datelor utilizează instrumente științifice și computaționale pentru a extrage cunoștințe valoroase din seturi mari de date. Odată ce datele sunt prelucrate și curățate, acestea sunt analizate și prezentate pentru a sprijini procesele decizionale. Știința datelor și instrumentele de învățare automată au devenit utilizate pe scară largă în întreprinderi de toate dimensiunile.

Rețelele sunt adesea la scară largă, descentralizate și evoluează dinamic în timp. Mineritul rețelelor complexe urmărește să înțeleagă principiile care guvernează organizarea și comportamentul unor astfel de rețele este crucial pentru o gamă largă de domenii de studiu. Iată câteva aplicații tipice selectate ale minării rețelelor:

⬤ Detecția comunității (care utilizatori de pe anumite platforme de social media sunt prieteni apropiați).

⬤ Predicția legăturilor (cine este probabil să se conecteze cu cine pe astfel de platforme).

⬤ Predicția atributelor nodurilor (ce publicitate ar trebui să fie afișată unui anumit utilizator al unei anumite platforme pentru a corespunde intereselor acestuia).

⬤ Detecția nodurilor influente (care utilizatori ai rețelelor sociale ar fi cei mai buni ambasadori ai unui anumit produs).

Acest manual este potrivit pentru un curs de licență din anul superior sau un curs postuniversitar în programe precum știința datelor, matematică, informatică, afaceri, inginerie, fizică, statistică și științe sociale. Această carte poate fi utilizată cu succes de toți entuziaștii științei datelor la diferite niveluri de sofisticare pentru a-și extinde cunoștințele sau pentru a lua în considerare schimbarea carierei lor.

Caietele Jupiter (în Python și Julia) însoțesc cartea și pot fi accesate pe https: //www.ryerson. ca/mining-complex-networks/. Acestea nu numai că conțin toate experimentele prezentate în carte, dar includ și materiale suplimentare.

Bogumil Kamiński este președintele Consiliului științific pentru disciplina Economie și Finanțe la SGH Warsaw School of Economics. El este, de asemenea, profesor adjunct la Laboratorul de Știință a Datelor de la Universitatea Ryerson. Bogumil este expert în aplicații ale modelării matematice pentru rezolvarea problemelor complexe din viața reală. Este, de asemenea, un contribuitor substanțial la dezvoltarea limbajului Julia și a ecosistemului său de pachete open-source.

Pawel Pralat este profesor de matematică la Universitatea Ryerson, ale cărui principale interese de cercetare sunt în teoria grafurilor aleatorii, în special în modelarea și exploatarea rețelelor complexe. Este directorul Fields-CQAM Lab on Computational Methods in Industrial Mathematics din cadrul The Fields Institute for Research in Mathematical Sciences și a desfășurat colaborări cu diverși parteneri din industrie, precum și cu Guvernul Canadei. A scris peste 170 de lucrări și trei cărți cu peste 130 de colaboratori.

Franois Thberge deține o diplomă de licență în matematică aplicată de la Universitatea din Ottawa, un master în telecomunicații de la INRS și un doctorat în inginerie electrică de la Universitatea McGill. Este angajat al Guvernului Canadei din 1996, unde a fost implicat în crearea echipei de știință a datelor, precum și a grupului de cercetare cunoscut în prezent sub numele de Institutul Tutte pentru matematică și informatică. De asemenea, deține un post de profesor adjunct la Departamentul de matematică și statistică de la Universitatea din Ottawa. Interesele sale actuale includ extragerea datelor relaționale și învățarea profundă.