Informa??es da Disciplina

 Preparar para impressão 
Júpiter - Sistema de Graduação

Instituto de Ciências Matemáticas e de Computação
 
Ciências de Computação
 
Disciplina: SCC0286 - Mineração de redes complexas
Complex Network Mining

Créditos Aula: 4
Créditos Trabalho: 1
Carga Horária Total: 90 h
Tipo: Semestral
Ativação: 15/07/2017 Desativação:

Objetivos
Apresentar aos alunos técnicas de análise e mineração de redes complexas.
 
 
 
Docente(s) Responsável(eis)
55735 - Roseli Aparecida Francelin Romero
 
Programa Resumido
Matemática das redes: representação, matriz de adjacência, redes ponderadas, redes direcionadas, caminhos, componentes, laplaciano, caminhadas aleatórias. Medidas e métricas: grau, autovalores, Katz, PageRank, hubs, closeness, grupos de vértices, transitividade, reciprocidade, similaridade estrutural, homofilia e assortatividade. Estrutura de larga escala: caminhos mínimos, distribuição de grau, redes livre de escala, modelo small-world, outros modelos. Mineração de redes complexas: autovetor principal e centralidade de autovetor, particionamento de grafos e redes, algoritmo de Kernighan-Lin, particionamento espectral, maximização da modularidade, maximização da modularidade usando espectro, método Walktrap, método Edge-Betweenness, outros métodos de detecção de comunidades. Previsão de links: problema e métricas de avaliação, previsão baseada em similaridade local, previsão baseada em similaridade global, previsão baseada em índice quase locais, modelos avançados, aplicações em reconstrução de redes.
 
 
 
Programa
Matemática das redes: representação, matriz de adjacência, redes ponderadas, redes direcionadas, caminhos, componentes, laplaciano, caminhadas aleatórias. Medidas e métricas: grau, autovalores, Katz, PageRank, hubs, closeness, grupos de vértices, transitividade, reciprocidade, similaridade estrutural, homofilia e assortatividade. Estrutura de larga escala: caminhos mínimos, distribuição de grau, redes livre de escala, modelo small-world, outros modelos. Mineração de redes complexas: autovetor principal e centralidade de autovetor, particionamento de grafos e redes, algoritmo de Kernighan-Lin, particionamento espectral, maximização da modularidade, maximização da modularidade usando espectro, método Walktrap, método Edge-Betweenness, outros métodos de detecção de comunidades. Previsão de links: problema e métricas de avaliação, previsão baseada em similaridade local, previsão baseada em similaridade global, previsão baseada em índice quase locais, modelos avançados, aplicações em reconstrução de redes.
 
 
 
Avaliação
     
Método
Aulas teóricas expositivas, acompanhadas de trabalhos práticos, seminários e estudos de caso dentro da sala de aula.
Critério
Média ponderada de provas e trabalhos práticos realizados durante o curso.
Norma de Recuperação
Realização de prova de recuperação. Critério de aprovação: NP+(Mrec/2,5), se Mrec >=7,5; ou Max {NP,Mrec}, se Mrec<=5,0; ou 5,0, se 5,0<=Mrec<7,5 (NP=1ª avaliação, Mrec=prova).
 
Bibliografia
     
Livros texto Newman M.E.J. (2010) Networks: an introduction. Oxford University Press, Inc. New York, NY, USA. Newman, M. E. J.(2003) The structure and function of complex networks. SIAM Review, 45(2), pp. 167-256. Fortunato S. (2010). Community detection in graphs. Physics Reports 486, 75-174 Bibliografia complementar Costa, L.d.F, Rodrigues F.A., Travieso G., Villas Boas P.R. (2007). Characterization of complex networks: A survey of measurements. Advances in Physics, Volume 56, pages 167 - 242, Issue 1. Costa, L.d.F. et al. (2011) Analyzing and modeling real-world phenomena with complex networks: a survey of applications. Advances in Physics, V. 60(3) p. 329-412.
 

Clique para consultar os requisitos para SCC0286

Clique para consultar o oferecimento para SCC0286

Créditos | Fale conosco
© 1999 - 2020 - Superintendência de Tecnologia da Informação/USP