Graph Mining (w języku polskim)
Informacje ogólne
Kod przedmiotu: | 23A1N0-D |
Kod Erasmus / ISCED: |
11.9
|
Nazwa przedmiotu: | Graph Mining (w języku polskim) |
Jednostka: | Szkoła Główna Handlowa w Warszawie |
Grupy: | |
Punkty ECTS i inne: |
3.00 (zmienne w czasie)
|
Język prowadzenia: | polski |
Efekty uczenia się: |
Wiedza: Student rozumie podstawowe pojęcia teorii grafów. Student rozumie podstawowe pojęcia nauki o sieciach złożonych. Student zna podstawowe narzędzia graph miningu. Student wie gdzie mogą i powinny być zastosowane narzędzia graph miningowe. Umiejętności: Student potrafi zbudować, zweryfikować i ocenić model graph miningowy. Student potrafi zebrać, przetworzyć i wykorzystać rzeczywiste dane relacyjne. Student potrafi zwizualizować wyniki swojej pracy. Kompetencje społeczne: Komunikowanie wyników modeli uczenia ze wzmocnieniem specjalistom i decydentom. Zdolność do dalszego samodzielnego poszerzania wiedzy w tematyce graph miningu. |
Zajęcia w cyklu "Preferencje - Semestr letni 2024/25" (jeszcze nie rozpoczęty)
Okres: | 2025-02-15 - 2025-09-30 |
Przejdź do planu
PN WT ŚR CZ PT |
Typ zajęć: |
Zajęcia prowadzącego
|
|
Koordynatorzy: | (brak danych) | |
Prowadzący grup: | Bartosz Pankratz | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Ocena
Zajęcia prowadzącego - Ocena |
Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)
Okres: | 2025-02-15 - 2025-09-30 |
Przejdź do planu
PN WT ŚR CZ PT |
Typ zajęć: |
Laboratorium, 15 godzin
Wykład, 15 godzin
|
|
Koordynatorzy: | (brak danych) | |
Prowadzący grup: | (brak danych) | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
Skrócony opis: |
Podczas zajęć studenci poznają wybrane algorytmy, techniki i praktyczne zastosowania graph miningu. W trakcie zajęć studenci poznają między innymi: podstawowe miary centralności wierzchołków, miary korelacji stopni, algorytmy grupowania na grafach i techniki osadzania grafów. Wykłady poświęcone będą podstawowym teoretycznym zagadnieniom związanym z teorią grafów i nauką o sieciach złożonych. Zdobyta wiedza teoretyczna następnie będzie wykorzystywana w praktyce, podczas laboratoriów na których będą prezentowane eksperymenty w językach programowania Python i Julia. Wykład zakłada wcześniejsze ukończenie przedmiotu Statystyczne Reguły Decyzyjne. |
|
Pełny opis: |
Celem przedmiotu jest przedstawienie podstawowej wiedzy dotyczącej współczesnej nauki o sieciach złożonych oraz technik graph miningu. W trakcie zajęć przedstawione zostaną podstawowe definicje teorii grafów, w szczególności grafów losowych. Przedstawione zostaną algorytmy, miary i modele wykorzystywane do analizy danych relacyjnych. W trakcie zajęć studenci nauczą się samodzielnie implementować takie modele, analizować i prezentować ich wyniki oraz identyfikować sytuacje decyzyjne, w których zasadne jest zastosowanie grafów jako typu danych. Wykład zakłada wcześniejsze ukończenie przedmiotu Statystyczne Reguły Decyzyjne. |
|
Literatura: |
Literatura podstawowa: Kamiński B., Prałat P. and Théberge F. (2022), Mining Complex Networks, first edition (https://www.torontomu.ca/mining-complex-networks/) Barabási A.-L. (2018), Network science. Cambridge University Press (http://networksciencebook.com/) Literatura uzupełniająca: Latora V., Nicosia V. and Russo G. (2017), Complex Networks - Principles, Methods and Applications. Cambridge University Press Newman M (2018), Complex Networks - Principles, Methods and Applications. Oxford University Press, 2nd ed. Menczer F., Fortunato S. and Davis C. A. (2020), A First Course in Network Science. Cambridge University Press Publikacje własne: Bogumił Kamiński, Tomasz Olczak, Bartosz Pankratz, Paweł Prałat , dr Francois Theberge, Properties and Performance of the ABCDe Random Graph Model with Community Structure, W: Big Data Research,2022; Przemysław Szufel, Bartosz Pankratz, Anna Szczurek, Bogumił Kamiński, Paweł Prałat , Vehicle Routing Simulation for Prediction of Commuter?s Behaviour, W: JOURNAL OF ADVANCED TRANSPORTATION,2022; Bogumił Kamiński, Bartosz Pankratz, Paweł Prałat, Francois Theberge, Modularity of the ABCD random graph model with community structure, W: Journal of Complex Networks,2022; Przemysław Szufel, Bogumił Kamiński, Bartosz Pankratz, Francois Theberge , dr Paweł Prałat , Valerie Poulin , Clustering via Hypergraph Modularity,W: red. Hocine Cherifi, José Fernando Mendes, Luis Mateus Rocha, Sabrina Gaito, Esteban Moro, Joana Gonçalves-Sá, Francisco Santos, Complex Networks 2019 : The 8th International Conference on Complex Networks & Their Applications : Book of Abstract ,2019 |
|
Uwagi: |
Kryteria oceniania: egzamin tradycyjny-pisemny: 0.00% egzamin testowy: 0.00% egzamin ustny: 50.00% kolokwium: 0.00% projekty: 50.00% studia przypadków: 0.00% prezentacje indywidualne lub grupowe: 0.00% |
Zajęcia w cyklu "Semestr zimowy 2024/25" (w trakcie)
Okres: | 2024-10-01 - 2025-02-14 |
Przejdź do planu
PN WT ŚR CZ PT |
Typ zajęć: |
Laboratorium, 15 godzin
Wykład, 15 godzin
|
|
Koordynatorzy: | (brak danych) | |
Prowadzący grup: | (brak danych) | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Ocena
Wykład - Ocena |
|
Skrócony opis: |
Podczas zajęć studenci poznają wybrane algorytmy, techniki i praktyczne zastosowania graph miningu. W trakcie zajęć studenci poznają między innymi: podstawowe miary centralności wierzchołków, miary korelacji stopni, algorytmy grupowania na grafach i techniki osadzania grafów. Wykłady poświęcone będą podstawowym teoretycznym zagadnieniom związanym z teorią grafów i nauką o sieciach złożonych. Zdobyta wiedza teoretyczna następnie będzie wykorzystywana w praktyce, podczas laboratoriów na których będą prezentowane eksperymenty w językach programowania Python i Julia. Wykład zakłada wcześniejsze ukończenie przedmiotu Statystyczne Reguły Decyzyjne. |
|
Pełny opis: |
Celem przedmiotu jest przedstawienie podstawowej wiedzy dotyczącej współczesnej nauki o sieciach złożonych oraz technik graph miningu. W trakcie zajęć przedstawione zostaną podstawowe definicje teorii grafów, w szczególności grafów losowych. Przedstawione zostaną algorytmy, miary i modele wykorzystywane do analizy danych relacyjnych. W trakcie zajęć studenci nauczą się samodzielnie implementować takie modele, analizować i prezentować ich wyniki oraz identyfikować sytuacje decyzyjne, w których zasadne jest zastosowanie grafów jako typu danych. Wykład zakłada wcześniejsze ukończenie przedmiotu Statystyczne Reguły Decyzyjne. |
|
Literatura: |
Literatura podstawowa: Kamiński B., Prałat P. and Théberge F. (2022), Mining Complex Networks, first edition (https://www.torontomu.ca/mining-complex-networks/) Barabási A.-L. (2018), Network science. Cambridge University Press (http://networksciencebook.com/) Literatura uzupełniająca: Latora V., Nicosia V. and Russo G. (2017), Complex Networks - Principles, Methods and Applications. Cambridge University Press Newman M (2018), Complex Networks - Principles, Methods and Applications. Oxford University Press, 2nd ed. Menczer F., Fortunato S. and Davis C. A. (2020), A First Course in Network Science. Cambridge University Press Publikacje własne: Bogumił Kamiński, Tomasz Olczak, Bartosz Pankratz, Paweł Prałat , dr Francois Theberge, Properties and Performance of the ABCDe Random Graph Model with Community Structure, W: Big Data Research,2022; Przemysław Szufel, Bartosz Pankratz, Anna Szczurek, Bogumił Kamiński, Paweł Prałat , Vehicle Routing Simulation for Prediction of Commuter?s Behaviour, W: JOURNAL OF ADVANCED TRANSPORTATION,2022; Bogumił Kamiński, Bartosz Pankratz, Paweł Prałat, Francois Theberge, Modularity of the ABCD random graph model with community structure, W: Journal of Complex Networks,2022; Przemysław Szufel, Bogumił Kamiński, Bartosz Pankratz, Francois Theberge , dr Paweł Prałat , Valerie Poulin , Clustering via Hypergraph Modularity,W: red. Hocine Cherifi, José Fernando Mendes, Luis Mateus Rocha, Sabrina Gaito, Esteban Moro, Joana Gonçalves-Sá, Francisco Santos, Complex Networks 2019 : The 8th International Conference on Complex Networks & Their Applications : Book of Abstract ,2019 |
|
Uwagi: |
Kryteria oceniania: egzamin tradycyjny-pisemny: 0.00% egzamin testowy: 0.00% egzamin ustny: 50.00% kolokwium: 0.00% projekty: 50.00% studia przypadków: 0.00% prezentacje indywidualne lub grupowe: 0.00% |
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.