×
تعداد دانشجو
۴۷۷ نفر
۲۲,۰۰۰ تومان ۱۳,۲۰۰ تومان

آموزش گراف کاوی و تحلیل شبکه ها در پایتون با NetworkX

آموزش گراف کاوی و تحلیل شبکه ها در پایتون با NetworkX

تعداد دانشجو
۴۷۷ نفر
مدت زمان
۳ ساعت و ۱۶ دقیقه
هزینه عادی آموزش
۲۲,۰۰۰ تومان
در طرح تخفیف
۱۳,۲۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
۴ بازخورد (مشاهده نظرات)
آموزش گراف کاوی و تحلیل شبکه ها در پایتون با NetworkX

چکیده

به کمک پکیج NetworkX می توان شبکه ها را ایجاد و دست کاری کرد. گره های یک گراف در این پکیج می توانند متن، تصاویر و یا موارد دیگر باشند. همچنین یال ها (لبه ها) می توانند وزن یا سری زمانی را نگه داری کنند. در این پکیج، بسیاری از الگوریتم های مربوط به گراف موجود است. به کمک این پکیج می توان کارهای مختلفی از جمله تعیین کوتاه ترین مسیر بین دو گره یا محاسبه فاصله یک گره از سایر گره های دیگر را انجام داد. به کمک معیارهای مرکزیت (Centrality Measures) مانند رتبه و بینابینی، می توان تاثیرگذارترین گره های موجود در شبکه را پیدا کرد. پایه معیار مرکزیت رتبه، این است که گره های مهم تر اتصالات بیشتری دارند. معیار مرکزیت بینابینی، تعداد دفعاتی که یک گره خاص به کوتاه ترین مسیر انتخابی بین دو گره دیگر می رسد، را تعیین می کند. هدف از این آموزش، آنالیز سریع شبکه ها است.

مدرس
فرشید شیرافکن

دانشجوی دکتری تخصصی بیوانفورماتیک

مهندس فرشید شیرافکن دارای مدرک کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار بوده و در حال حاضر دانشجوی دکترای بیوانفورماتیک دانشگاه تهران هستند. ایشان از مدرسین نمونه در زمینه ارائه و آموزش دروس دانشگاهی انتخاب شده اند.

چکیده آموزش


توضیحات تکمیلی

به کمک پکیج NetworkX می توان شبکه ها را ایجاد و دست کاری کرد. گره های یک گراف در این پکیج می توانند متن، تصاویر و یا موارد دیگر باشند. همچنین یال ها (لبه ها) می توانند وزن یا سری زمانی را نگه داری کنند. در این پکیج، بسیاری از الگوریتم های مربوط به گراف موجود است. به کمک این پکیج می توان کارهای مختلفی از جمله تعیین کوتاه ترین مسیر بین دو گره یا محاسبه فاصله یک گره از سایر گره های دیگر را انجام داد.

به کمک معیارهای مرکزیت (Centrality Measures)، مانند رتبه و بینابینی، می توان تاثیرگذارترین گره های موجود در شبکه را پیدا کرد. پایه معیار مرکزیت رتبه این است که گره های مهم تر اتصالات بیشتری دارند. معیار مرکزیت بینابینی، تعداد دفعاتی که یک گره خاص به کوتاه ترین مسیر انتخابی بین دو گره دیگر می رسد را، تعیین می کند. گره هایی با مرکزیت بینابینی بیشتر، نقش مهمی در چرخه ارتباطی یا اطلاعاتی درون یک شبکه دارند. هدف از این آموزش، آنالیز سریع شبکه ها است.

 
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مقدمه ای بر تحلیل شبکه
    • ایجاد و نمایش گراف
    • محاسبه تعداد نودها و یال های گراف
    • بررسی وجود یک نود در گراف
    • درجه گره
    • همسایه های یک گره
    • ماتریس همسایگی
    • حذف نود و یال
    • استخراج زیرگراف
    • اختصاص ویژگی به گره ها و یال ها
    • گراف جهت دار
    • محاسبه درجه ورودی و خروجی یک گره
    • تبدیل گراف جهت دار به گراف بدون جهت
    • گراف چندگانه
    • نمایش گراف وزن دار
  • درس دوم: گراف های خاص
    • گراف های Path, Star, Cycle و Complete
    • گراف Tetrahedral و  Octahedral
    • گراف Lollipop و Barbell
    • گراف Petersen
    • گراف grid2d
    • گراف Random, Erdos Renyi و Barabasi_Albert
    • گراف House و House X
    • گراف Wheel, Grid, Scale_Free
    • گراف Null و Empty
    • گراف Karate Club
    • نمایش حرفه ای تر گراف
  • درس سوم: توابع
    • تابع INFO
    • تابع Degree histogram و Degree
    • تابع all_neighbors, non-neighbors و common-neighbors
    • تابع isolate و is_isolate
    • تابع Bridges و has-bridges
    • تابع Ancestors و Descendants
    • تابع isEulerian و Eulerian Circuit
    • تابع relabel-nodes
    • تابع Union و Intersection
    • تابع Reverse و Complement
    • تابع Freeze و is_frozen
    • تابع Eccentricity, Radius, Diameter, Center و Periphery
  • درس چهارم: الگوریتم های کار بر روی گراف
    • پیمایش سطحی (BFS) و عمقی (DFS)
    • مرتب سازی توپولوژیکی
    • تعیین مولفه های همبند و بررسی نوع همبندی (ضعیف-قوی)
    • بررسی Biconnected بودن گراف
    • تعیین نقاط Articulation
    • تعیین کلیک
    • تعیین برش کمینه (الگوریتم Stoer_Wagner)
    • تعیین کوتاه ترین مسیرها (الگوریتم دایکسترا و بلمن-فورد)
    • تعیین درخت پوشای حداقل (الگوریتم کروسکال و پریم)
    • تعیین Degree Centrality
    • تعیین Betweenness Centrality
    • تعیین Closeness Centrality
    • گراف های یک ریخت (ایزومورف)
    • گراف دوبخشی (Bipartite)
  • درس پنجم: ایجاد گراف با اطلاعات دریافت شده از فایل
    • خواندن داده ها از فایل CSV و تبدیل آن ها به گراف با دستور from_pandas_edgelist
    • تعیین معیارهای مرکزیت برای گراف ایجاد شده
    • استخراج زیرگراف با لیست نودهای خوانده شده از فایل
 
مفید برای رشته های
  • مهندسی کامپیوتر (کلیه گرایش ها)
  • علوم ریاضی
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده

نرم افزارهای مرتبط با آموزش

Jupyter Notebook



پیش نمایش‌ها

۱. مقدمه ای بر تحلیل شبکه

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۰ مگابایت -- (کلیک کنید +))

۲. گراف های خاص

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۱ مگابایت -- (کلیک کنید +))

۳. توابع
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۴. الگوریتم های کار بر روی گراف
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. ایجاد گراف با اطلاعات دریافت ‌شده از فایل
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش گراف کاوی و تحلیل شبکه ها در پایتون با NetworkX
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۷۴۳۰۷ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVSFT127
مدت زمان ۳ ساعت و ۱۶ دقیقه
زبان فارسی
نوع آموزش آموزش ویدیویی (لینک دانلود)
حجم دانلود ۲۵۳ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۴۷۷ نفر از این آموزش استفاده کرده اند و ۴ نظر ثبت شده است.
فرشید شیرافکن _ مدرس
فرشید شیرافکن _ مدرس

سلام خدمت مخاطبین عزیز.
اگر با پایتون آشنا نمی باشید، بهتر است آموزش پایتون همراه با مثالهای عملی را نگاه کنید.

ندا
ندا

سلام واقعا عالی بود ممنونم از دکتر شیر افکن و فرادرس

فرشید شیرافکن
فرشید شیرافکن

سلام- پیشنهاد مدرس آموزش: بعد از این آموزش ، آموزش نرم افزار سایتواسکیپ را ببینید.
فرشید شیرافکن.

علیرضا
علیرضا

آموزش کاملا عملی بود و حتی یک ثانیه هم اتلاف وقت نداشت. امیدوارم جناب آقای دکتر شیرافکن و مجموعه ی محترم فرادرس دوره ی پیشرفته ی networkx رو آماده کنن.


برچسب‌ها:
All_Neighbors | Ancestors | Articulation | Barabasi_Albert | Barbell | Bescendants | Betweenness Centrality | BFS | Biconnected | Bipartite | bridges | Center | Centrality Measures | closeness Centrality | Common_Neighbors | Complement | Degree | DFS | diameter | Eccentricity | Empty | Erdos_Renyi | Eulerian Circuit | Eulerian_Circuit | Freeze | from_pandas_edgelist | Grid | Grid_2D | has-bridges | House | House_X | Intersection | Is_Eulerian | Is_Frozen | Is_Isolate | isEulerian | isolate | Isolates | Karate_Club | Lollipop | NetworkX | Non_Neighbors | non-neighbors | Null | Periphery | Petersen | python | Radius | Random_Degree_Sequence | Relabel_Nodes | relabel-nodes | Reverse | Scale_Free | Union | Wheel | آنالیز سریع شبکه | اختصاص ویژگی به گره | اختصاص ویژگی به یال | استخراج زیر گراف | الگوریتم Stoer_Wagner | الگوریتم بلمن فورد | الگوریتم پریم | الگوریتم دایکسترا | الگوریتم کراسکال | الگوریتم کروسکال | ایجاد گراف | ایجاد و نمایش گراف | ایزومورف | بررسی Biconnected بودن گراف | بلمن-فورد | بینابینی | پلاگین Scroll Path برای ورود عناصر حین پیمایش عمودی | پیمایش سطحی | تابع All_Neighbors | تابع Ancestors | تابع Bescendants | تابع Bridges | تابع Center | تابع Common_Neighbors | تابع Complement | تابع Degree | تابع Degree_Histogram | تابع Diameter | تابع Eccentricity | تابع Eulerian_Circuit | تابع Freeze | تابع Has_Bridges | تابع Intersection | تابع Is_Eulerian | تابع Is_Frozen | تابع Is_Isolate | تابع Isolates | تابع Non_Neighbors | تابع Periphery | تابع Radius | تابع Relabel_Nodes | تابع Reverse | تابع Union | تحلیل شبکه | تحلیل شبکه در پایتون | تعیین Betweenness_Centrality | تعیین Closeness_Centrality | تعیین Degree_Centrality | تعیین برش کمینه | تعیین کلیک | تعیین مولفه های همبند | تعیین نقاط Articulation | حذف نود | حذف یال | خواندن داده ها از فایل CSV | خواندن داده ها از فایل TXT | درجه گره | دستور From_Pandas_Edgelist | دستور Read_Edgelist | زبان برنامه نویسی پایتون (Python) | شبکه | گراف | گراف Barabasi_Albert | گراف Barbell | گراف Complete | گراف Cycle | گراف Empty | گراف Erdos_Renyi | گراف Grid | گراف Grid_2D | گراف grid2d | گراف House | گراف House_X | گراف Karate_Club | گراف Lollipop | گراف Null | گراف Octahedral | گراف Path | گراف Petersen | گراف Random_Degree_Sequence | گراف Scale_Free | گراف Star | گراف Tetrahedral | گراف Wheel | گراف جهت دار | گراف چندگانه | گراف دو قسمتی | گراف دوبخشی | گراف های خاص | گراف های یک ریخت | گره های یک گراف | ماتریس | ماتریس همسایگی | محاسبه تعداد نود | محاسبه درجه خروجی یک گره | محاسبه درجه ورودی یک گره | مرتب سازی توپولوژیکی | معیارهای مرکزیت | مقدمه ای بر تحلیل شبکه | نتورک ایکس | نمایش حرفه ای تر گراف | نمایش گراف | نمایش گراف وزن دار | نود | همسایه های یک گره | وجود یک نود در گراف | یال | یال های گراف
مشاهده بیشتر مشاهده کمتر