TSKS11 |
Nätverk: modeller, algoritmer och tillämpningar, 6 hp
/Networks: models, algorithms and applications/
För:
D
I
Ii
IT
Mat
MMAT
U
Y
|
|
Prel. schemalagd
tid: 56
Rek. självstudietid: 104
|
|
Utbildningsområde: Teknik
Huvudområde: Elektroteknik, Datateknik Nivå (G1,G2,A): G2
|
|
Mål:
IUAE-matris
Efter avslutad kurs förväntas studenten
- med adekvat terminologi, väl strukturerat och logiskt sammanhängande, kunna redogöra för och genomföra enklare beräkningar som relaterar till
grafrepresentation av nätverk, metriker, centralitet (Google PageRank, Katz,
hub/auktoritet), strukturell balans, Laplace�?�operator, slumvandringar, spridning av information över nätverk, diffusion, kaskader, modeller för och egenskaper hos slumpgrafer, "giant components", algoritmer för analys och partitionering av grafer, "community detection", världen�?�är�?�liten�?�fenomen, sökbarhet och nåbarhet, kollaborativ filtrering på bipartita grafer (rekommendationssystem), "power laws" och informationskaskader
- kunna beskriva, tillämpa, implementera i ett vedertaget programspråk, samt uppvisa ingenjörsmässig förståelse för den teori och de metoder som behandlas i kursen
- kunna rapportera arbete i skriftlig form, med adekvat språk, terminologi, struktur och typografi
|
|
Förkunskaper: (gäller studerande antagna till program som kursen ges inom, se 'För:' ovan) Linjär algebra. Grundläggande kunskaper i sannolikhetslära/matematisk statistik. Grundläggande färdigheter i programmering.
OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.
|
|
Påbyggnadskurser Kurser inom dator-, informations�?� och kommunikationsnätverk, Internet- och web�?�teknik, sociala nätverk, grafteori, maskininlärning och nätverksanalys.
|
|
Organisation: Kursen består av en serie om 12 föreläsningar, 6 lektioner samt en serie datorlaborationer. Datorlaborationerna rapporteras skriftligen och individuellt.
|
|
Kursinnehåll: Grafrepresentation av nätverk. Metriker, centralitet (Google PageRank, Katz,
hub/auktoritet), strukturell balans, Laplace-operator. Slumpvandringar. Spridning av information över nätverk, diffusion, kaskader. Modeller för och egenskaper hos slumpgrafer. "Giant components". Algoritmer för analys och partitionering av grafer, "community detection". Världen-är-liten-fenomen, sökbarhet och nåbarhet. Kollaborativ filtrering på bipartita grafer (rekommendationssystem). "Power laws" och informationskaskader.
|
|
Kurslitteratur: Networks: An introduction av M. Newman (obligatorisk), Networks, Crowds and Markets av D. Easley och J. Kleinberg (som bredvidläsning) samt visst material ur Networked Life av M. Chiang
|
|
Examination: |
TEN1
LAB1
LAB2
LAB3
|
Skriftlig examination (U,3,4,5) Laboration/er (U,G) Laboration/er (U,G) Laboration/er (U,G) |
2 hp 2 hp 1,5 hp 0,5 hp
|
|
|
Tentamen (TEN1) är normalt skriftlig men examinator kan besluta att använda muntlig tentamen för komplettering av eller som ersättning för skriftlig tentamen, om antalet tenterande är få, eller i andra speciella fall. |
|