Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Sieci: Modele i obliczenia
Tok studiów:
2019/2020
Kod:
ZSDA-3-0127-s
Wydział:
Szkoła Doktorska AGH
Poziom studiów:
Studia III stopnia
Specjalność:
-
Kierunek:
Szkoła Doktorska AGH
Semestr:
0
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
Koźlak Jarosław (kozlak@agh.edu.pl)
Dyscypliny:
Moduł multidyscyplinarny
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Poznanie podstawowych rodzajów sieci, ich właściwości i dziedzin zastosowań oraz wybranych algorytmów na nich operujących. Zapoznanie się bardziej szczegółowe z niektórymi problemami, które można rozwiązywać przy pomocy modeli opartych na sieciach.

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Student zna i rozumie podstawowe modele sieci oraz wybrane algorytmy operujące na sieciach. SDA3A_W01 Zaangażowanie w pracę zespołu,
Referat,
Prezentacja,
Aktywność na zajęciach
M_W002 Student zna główne kierunki badawcze prowadzone w dziedzinie modeli sieciowych i obliczeń wykorzystujących takie modele. SDA3A_W02 Referat,
Projekt
Umiejętności: potrafi
M_U001 Student potrafi zrozumieć i przeanalizować materiały poświęcone wybranym pracom dotyczączym modeli sieciowych i algorytmów na nich operujących SDA3A_U02 Referat,
Prezentacja,
Aktywność na zajęciach
Kompetencje społeczne: jest gotów do
M_K001 Student potrafi pracować w grupie nad przygotowaniem opracowania naukowego i prezentacji, wykonywać zlecone mu zadania i dbać o pomyślny wynik końcowy całej pracy. SDA3A_K01 Referat,
Prezentacja
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
32 16 0 0 0 0 16 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Student zna i rozumie podstawowe modele sieci oraz wybrane algorytmy operujące na sieciach. + - - - - - - - - - -
M_W002 Student zna główne kierunki badawcze prowadzone w dziedzinie modeli sieciowych i obliczeń wykorzystujących takie modele. + - - - - - - - - - -
Umiejętności
M_U001 Student potrafi zrozumieć i przeanalizować materiały poświęcone wybranym pracom dotyczączym modeli sieciowych i algorytmów na nich operujących - - - - - + - - - - -
Kompetencje społeczne
M_K001 Student potrafi pracować w grupie nad przygotowaniem opracowania naukowego i prezentacji, wykonywać zlecone mu zadania i dbać o pomyślny wynik końcowy całej pracy. - - - - - + - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 64 godz
Punkty ECTS za moduł 3 ECTS
Udział w zajęciach dydaktycznych/praktyka 32 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 16 godz
Samodzielne studiowanie tematyki zajęć 16 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (16h):

1. Kinds of networks. Technological networks. Social networks. Biological networks. Networks of information.
2. Fundamentals of network theory: Mathematics, measures and metrics, structure.
3. Network models. Random Graphs. Small-world model. Power Laws. Rich-Get-Richer. Long Tail. Models of network formation.
4. Surrounding Contexts of Networks: Homophily. Link formation. Link prediction. Network Robustness. Percolation theory.
5. Relationships. Balanced Networks. Positive and Negative Relationships. Signed networks.
6. Community detection, Hierarchical Clustering. Modularity. Overlapping Communities.
7. Identification of node roles in networks. Transitions between roles. Prediction of roles.
8. Graph matching. Exact matching. Inexact matching. Bounded simulation. MAG. TALE.
9. Identification of frequent patterns and anomalies in dynamic networks. Static graphs – methods based on: analysis of features of nodes, analysis of neighbourhoods of nodes, analysis of global features of graphs. Dynamics graphs – methods based on similarities of graphs, finding typical behaviour, observation of groups of nodes.
10. Spreading Phenomena. Propagation of information and disease in networks. Susceptible-Infected, Susceptible-Infected-Susceptible, and Susceptible-Infected-Recovered Epidemic Models. Epidemic prediction. Key nodes in networks.
11. Network Games. Congestion games and resource pricing. Cooperation in network games. Bayesian games.
12. Selected applications: Analysis of Social Media. Study of Elections, Public Opinion, and Representation. Analysis of Political Events.

Zajęcia seminaryjne (16h):

Studenci przygotowują w grupach prezentacje i referaty na tematy zadane przez prowadzącego. Tematy te mogą dotyczyć między innymi:
reprezentacji sieci oraz stanu sieci
metod identyfikacji grup/społeczności w sieciach
algorytmów dopasowywania sieci
algorytmów identyfikacji wzorców oraz anomalii w ewoluujących sieciach
modeli propagacji informacji w sieciach

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Wykład przy pomocy typowych metod (projektor, slajdy) oraz demonstracje multimedialne przebiegów wybranych symulacji.
  • Zajęcia seminaryjne: Przygotowanie w grupach przez studentów prezentacji i referatów na wybrane tematy. Wspólna dyskusja przedstawionych problemów oraz uzyskanych wyników.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Zaliczenie zajęć odbywa się na podstawie jakości przygotowanej prezentacji i referatu, uczestnictwa w dyskusjach oraz frekwencji na seminariach i wykładach.
Podczas oceny prezentacji i referatu brane będą pod uwagę następujące elementy:

  • rozmiar poznanego zakresu tematycznego
  • uporządkowanie przedstawianych informacji
  • zaangażowanie w studenta w poznawaniu materiałów związanych z tematem przekraczającego materiały bezpośrednio wskazane przez prowadzącego
  • jakość edytorska prezentacji i referatu
  • jakość dokonanej prezentacji
Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: W wykładzie mogą uczestniczyć studenci zapisani na przedmiot.
  • Zajęcia seminaryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: W zajęciach mogą uczestniczyć studenci zapisani na przedmiot.
Sposób obliczania oceny końcowej:

Ocena końcowa jest wyliczana wg. regulaminu studiów biorąc pod uwagę punkty przeznane za prezentację i referat, które są zmodyfikowane o wskażniki wyliczone w oparciu o aktywność w dyskusjach i poziom frekwencji na wykładach.
Ocena podstawowa (za każdą z poniższych składowych student może uzyskać do 20 punktów:

  • rozmiar poznanego zakresu tematycznego
  • uporządkowanie przedstawianych informacji
  • zaangażowanie w studenta w poznawaniu materiałów związanych z tematem przekraczającego materiały bezpośrednio wskazane przez prowadzącego
  • jakość edytorska prezentacji i referatu
  • jakość dokonanej prezentacji

Za wysoką frekwencję na wykładach student może uzyskać dodatkowo do 10 punktów, a za aktywność dodatkowo do 20 punktów.
Uzyskane punkty przeliczają się na procenty, na podstawie których wyliczna jest ocena zgodnie z progami zawartymi w regulaminie studiów.

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Zaległości wynikające z nieobecności podczas zajęć mogą być wyrównywane poprzez przygotowanie dodatkowych tematów zadanych podczas konsultacji.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:
  1. David Easley, Jon Kleinberg, Networks, Crowds, and Markets: Reasoning about a Highly Connected World 1st Edition, Publisher: Cambridge University Press; 1 edition (July 19, 2010)
  2. Albert-László Barabási, Márton Pósfai, Network Science, Cambridge University Press; 1 edition (August 5, 2016)
  3. Mark Newman, Networks: An Introduction, Oxford University Press; 1 edition (May 20, 2010)
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:
  1. Lukasz Oliwa, Jaroslaw Kozlak: Anomaly detection in dynamic social networks for identifying key events. BESC 2017: 1-6
  2. Bogdan Gliwa, Jaroslaw Kozlak, Anna Zygmunt, Yves Demazeau:
    Combining Agent-Based and Social Network Analysis Approaches to Recognition of Role Influence in Social Media. PAAMS 2016: 109-120
  3. Stanislaw Saganowski, Bogdan Gliwa, Piotr Bródka, Anna Zygmunt, Przemyslaw Kazienko, Jaroslaw Kozlak: Predicting Community Evolution in Social Networks. Entropy 17(5): 3053-3096 (2015)
  4. Anna Zygmunt, Piotr Bródka, Przemyslaw Kazienko, Jaroslaw Kozlak:
    Key Person Analysis in Social Communities within the Blogosphere. J. UCS 18(4): 577-597 (2012)
  5. Bogdan Gliwa, Jaroslaw Kozlak, Anna Zygmunt, Krzysztof Cetnarowicz:
    Models of Social Groups in Blogosphere Based on Information about Comment Addressees and Sentiments. SocInfo 2012: 475-488
  6. Anna Zygmunt, Jaroslaw Kozlak, Bogdan Gliwa: Roles in Local Communities and Global Position in Social Media. ASONAM 2018: 1204-1211
  7. Jaroslaw Kozlak, Anna Zygmunt, Bogdan Gliwa, Krzysztof Rudek:
    Dynamics of Social Roles in the Context of Group Evolution in the Blogosphere. BESC 2018: 179-184
  8. Krzysztof Rudek, Jaroslaw Kozlak: Identification of Patterns in Blogosphere Considering Social Positions of Users and Reciprocity of Relations. HAIS 2018: 108-119
Informacje dodatkowe:

Brak