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
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27