
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
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08人工智能对CDA数据分析领域的影响 人工智能对 CDA(Certified Data Analyst,注册数据分析师)数据分析领域的影响是全方位、多层 ...
2025-08-07SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07CDA 数据分析师考试全解析 在当今数字化时代,数据已成为企业发展的核心驱动力,数据分析师这一职业也愈发受到重视。CDA 数据分 ...
2025-08-07大数据时代的隐患:繁荣背后的隐忧 当我们在电商平台浏览商品时,系统总能 “精准” 推送心仪的物品;当我们刷短视频时,算法 ...
2025-08-07解析 F 边界检验:协整分析中的实用工具 在计量经济学的时间序列分析中,判断变量之间是否存在长期稳定的均衡关系(即协整关系) ...
2025-08-07CDA 数据分析师报考条件详解:迈向专业认证的指南 在数据分析行业蓬勃发展的当下,CDA 数据分析师认证成为众多从业者提升专业 ...
2025-08-07通过 COX 回归模型诊断异常值 一、COX 回归模型概述 COX 回归模型,又称比例风险回归模型,是一种用于生存分析的统计方法。它能 ...
2025-08-07评判两组数据与初始数据准确值的方法 在数据分析与研究中,我们常常会面临这样的情况:需要对通过不同方法、不同过程得到的两组 ...
2025-08-07CDA 数据分析师行业标准:构建数据人才的能力坐标系 在数据驱动决策成为企业核心竞争力的时代,CDA(数据分析师)行业标准作为 ...
2025-08-07反向传播神经网络:突破传统算法瓶颈的革命性力量 在人工智能发展的历史长河中,传统算法曾长期主导着数据处理与模式识别领域 ...
2025-08-07