| 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. |
|