فلش‌کارت‌های آموزشی تحلیل و مصورسازی شبکه‌های اجتماعی با NetworkX در پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و مصورسازی شبکه‌های اجتماعی با NetworkX در پایتون

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی و کاربردهای آن
• 2. آشنایی با کتابخانه NetworkX در پایتون
• 3. نصب و راه‌اندازی محیط توسعه برای NetworkX
• 4. ساخت گراف‌های ساده با NetworkX
• 5. انواع گره و یال در گراف‌های شبکه
• 6. گراف‌های جهت‌دار و بدون جهت
• 7. معرفی ماتریس مجاورت و لیست یال‌ها
• 8. بارگذاری داده‌های شبکه از فایل‌های CSV و JSON
• 9. تبدیل دیتافریم پانداس به گراف NetworkX
• 10. مرکزیت درجه و اهمیت گره‌ها
• 11. مرکزیت بینابینی و نقش پل‌های ارتباطی
• 12. مرکزیت نزدیکی و سرعت دسترسی
• 13. مرکزیت بردار ویژه و الگوریتم PageRank
• 14. تشخیص جوامع با الگوریتم Louvain
• 15. تشخیص جوامع با الگوریتم Girvan-Newman
• 16. معیارهای ارزیابی کیفیت خوشه‌بندی
• 17. تحلیل زیرگراف‌ها و خوشه‌های متراکم
• 18. مسیرهای کوتاه و الگوریتم دایجسترا
• 19. قطر شبکه و میانگین فاصله گره‌ها
• 20. ضریب خوشه‌بندی و مثلث‌های شبکه
• 21. شبکه‌های تصادفی و مدل Erdos-Renyi
• 22. شبکه‌های جهان کوچک و مدل Watts-Strogatz
• 23. شبکه‌های بدون مقیاس و مدل Barabasi-Albert
• 24. تولید شبکه‌های مصنوعی برای شبیه‌سازی
• 25. تحلیل انعطاف‌پذیری شبکه در برابر حذف گره
• 26. تشخیص پل‌ها و یال‌های بحرانی
• 27. نقش گره‌های همسایه و تحلیل هم‌رخدادی
• 28. همبستگی درجه و تحلیل شبکه‌های همسان
• 29. رسم گراف با چیدمان دایره‌ای و تصادفی
• 30. رسم گراف با الگوریتم Spring Layout
• 31. رسم گراف با چیدمان Kamada-Kawai
• 32. رسم گراف با چیدمان Fruchterman-Reingold
• 33. رسم گراف با چیدمان Spectral
• 34. شخصی‌سازی رنگ، اندازه و برچسب گره‌ها
• 35. شخصی‌سازی ضخامت و رنگ یال‌ها
• 36. ذخیره و خروجی گرفتن از تصاویر شبکه
• 37. تحلیل شبکه‌های وزندار و اهمیت وزن یال
• 38. تحلیل شبکه‌های دودویی و شبکه‌های علامت
• 39. پیمایش گراف با جستجوی عمقی و سطحی
• 40. تعداد مولفه‌های همبند و شبکه‌های ناهمبند
• 41. تحلیل شبکه‌های دو بخشی و کاربردهای آن
• 42. تحلیل شبکه‌های چندلایه
• 43. تحلیل شبکه‌های پویا و تغییرات زمانی
• 44. استخراج زیرگراف‌های القایی
• 45. محاسبه تناظر گراف و تطبیق گره‌ها
• 46. تحلیل هسته شبکه و پیرامون آن
• 47. شبکه‌های هم‌نویسندگی علمی
• 48. تحلیل شبکه توییت‌ها و هشتگ‌ها در توییتر
• 49. تحلیل شبکه دوستان در فیسبوک یا لینکدین
• 50. تحلیل شبکه ارتباطی ایمیل‌ها
• 51. تحلیل شبکه نقل‌قول در اسناد
• 52. تحلیل شبکه هم‌خرید کالا در فروشگاه
• 53. تحلیل شبکه همکاری فیلم‌سازان
• 54. تحلیل شبکه شبکه‌های زیستی و پروتئینی
• 55. تحلیل شبکه جاده‌ها و حمل و نقل
• 56. تحلیل شبکه‌های اجتماعی با کلان‌داده
• 57. یکپارچه‌سازی NetworkX با Matplotlib
• 58. یکپارچه‌سازی NetworkX با Plotly برای گراف‌های تعاملی
• 59. یکپارچه‌سازی NetworkX با Gephi برای مصورسازی پیشرفته
• 60. ذخیره و بازیابی گراف با فرمت GraphML
• 61. ذخیره و بازیابی گراف با فرمت GEXF
• 62. تحلیل آماری شبکه با کتابخانه NumPy
• 63. تحلیل آماری شبکه با کتابخانه Pandas
• 64. شفاف‌سازی شبکه با جریان‌های اطلاعاتی
• 65. تحلیل انتشار شایعه یا روند در شبکه
• 66. تشخیص گره‌های کلیدی و تأثیرگذار
• 67. تشخیص جوامع همپوشان
• 68. تحلیل شبکه با معیارهای ساختاری پیچیده
• 69. بهینه‌سازی عملکرد NetworkX برای گراف‌های بزرگ
• 70. مقیاس‌پذیری تحلیل شبکه با نمونه‌برداری
• 71. پروژه عملی: تحلیل شبکه هم‌نویسندگی یک پایگاه علمی
• 72. پروژه عملی: تحلیل شبکه یک وبسایت خبری
• 73. پروژه عملی: تحلیل شبکه کاربران یک فروم
• 74. پروژه عملی: مصورسازی شبکه دوستی در یک کلاس
• 75. نتیجه‌گیری و مسیرهای پیشرفته یادگیری