京公网安备 11010802034615号
经营许可证编号:京B2-20210330
社会网络分析(SNA) 是一套规范的对社会关系与结构进行分析的方法,社会网络分析的对象是不同的社会行动者内在联系而构成的网络结构。
社会网络分析思想最早起源于20世纪30年代西方的心理学和人类学研究。
社会网络分析主要沿着下面三个大的方向进行发展:
(1) 社会计量学派运用图论方法对社会网络分析做出了杰出的贡献。
(2) 20世纪30年代的哈佛学派致力于研究人际模式和"团伙"形式。
(3) 20世纪50年代,曼彻斯特学派进行了大量的社会网络研究,他们把社会网络分析技术运用到了人际关系上。
20世纪70年代以后,新哈佛学派在社会网络分析方面做出了巨大的贡献,他们逐步的完善了社会网络分析这种独特的研究方法。
自20世纪90年代以来,随着计算机技术的不断发展和网络分析理论研究的深入,社会网络分析的模型得到了进一步的改进,社会网络分析跨越了传统的学科界限从而越来越多的运用到了各个领域。社会网络分析逐渐成为了一种跨学科的研究方法。
社会网络分析的意义:
通过对网络中各种关系进行客观的定量分析为实证研究提供量化的检验工具。
社会网络分析是定性和定量的桥梁,它对大量的图表数据进行定量分析得出定性的结论。
社会科学研究的对象应是社会结构,而不是个体。通过研究网络关系,有助于把个体间关系、“微观”网络与大规模的社会系统的“宏观”结构结合起来。故英国学者J•斯科特指出:“社会网络分析已经为一种关于社会结构的新理论的出现奠定了基础。”
从零基础掌握社会网络分析,使用Python作为载体, 结合理论知识实际操作,
使学员不仅理解社会网络分析的计算思维方法, 同时掌握实际计算技能:
社会网络分析思想与应用现场班
培训时间:2019年9月13-14日 (周末两天)
培训地点:北京市海淀区丹龙大厦
培训费用:2000元 /1700元(学生价, 仅限全日制本科及硕士在读)
授课安排:上午9:00-12:00,下午1:30-4:30,答疑4:30-5:00
讲师介绍:
张忠元, 理学博士, 中央财经大学教授, 博士生导师, 中国计算机学会高级会员, 果壳网科学顾问。
主要研究兴趣在复杂网络分析和数据挖掘. 在Data Mining and Knowledge Discovery,Physical Review E, EPL, Knowledge and Information Systems, Scientific Reports, 中国科学等国内外著名期刊上发表学术论文十余篇。
爱思唯尔杰出审稿人, 担任Data Mining and Knowledge Discovery,Physica A, Management Science等著名期刊的匿名审稿人。
课程目的:
1. 希望大家经过两天的学习, 能对基本的社会网络分析理论和实际应用有所掌握, 同时掌握Python分析网络数据的基本技能;
2. 希望学员能够理解大量顶级期刊上相关领域的研究, 以期为后续学习和研究打下宽厚坚实的基础。
课程大纲:
第1讲(3小时)
1. 欧拉七桥问题(0.5小时)
2. 图论的发展历史(0.25小时)
3. 社会网络分析的发展历史(0.25小时)
4. 图论的现状和主要关注的问题(2小时)
第2讲(2.5小时)
1. Python编程的基础知识(0.5小时)
2. 图论相关编程实践(0.5小时)
3. 社会网络分析的现状和主要关注的问题(0.25小时)
4. 社会网络的小世界性质(0.5小时)
5. ER、WS、BA网络生成模型(0.5小时)
6. 其它生成模型, 产生具有特定拓扑结构性质的网络 (0.25小时)
7. 使用Python进行实操生成网络
第3讲(3.5小时)
1. 社会网络拓扑结构的稳健性和易感性(0.5小时)
2. 社会网络的同配性概念和计算(0.25小时)
3. 弱连边的强度(0.25小时)
4. 社会网络点的中心性(0.5小时)
5. 社会网络的社团结构探测: 方法和评价(0.5小时)
6. 链路预测(0.5小时)
7. 符号网络、多层网络和含时网络分析(0.5小时)
以上均使用python实际操作
第4讲(3小时)
1. 社会网络上的博弈论(0.5小时)
2. SI、SIS、SIR模型 (0.5小时)
3. 线性阈值模型、级联模型(0.25小时)
4. 以上模型的性质, 关系和区别 (0.25小时)
5. 以上模型的python实操 (0.25小时)
6. 案例、文献阅读、机动、互动和答疑时间(1小时)
优惠:
现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;
以上优惠不叠加。
报名流程:
1,点击“https://www.cda.cn/kecheng/67.html”,填写报名信息提交;
2,通过订单支付(需要刷卡或者对公转账请与我们联系);
3,开课前一周发送资料及交通住宿指南;
4,现场领取发票及开课通知。
联系方式:
魏老师
Tel:010-68478566
Mail:vip@pinggu.org
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14