SOCIAL NETWORK ANALYSIS

Anno accademico 2019/2020 Programmi anni precedenti
Titolo corso in inglese SOCIAL NETWORK ANALYSIS
Codice insegnamento CT0540 (AF:314741 AR:168587)
Modalità In presenza
Crediti formativi universitari 6
Livello laurea Laurea
Settore scientifico disciplinare INF/01
Periodo I Semestre
Anno corso 3
Sede VENEZIA
Spazio Moodle Link allo spazio del corso
Inquadramento dell'insegnamento nel percorso del corso di studio
Il corso si propone di introdurre gli studenti all'analisi di grandi moli di dati attraverso il paradigma delle reti complesse.
Si approfondiranno le metodologie per l'analisi, la modellazione e la previsione dei sistemi complessi dinamici, con particolare riferimento ai social networks
Si approfondiranno anche le tematiche etiche e di privacy in relazione al nuovo contesto digitale.
Si enfatizzeranno:
- competenze nel gestire, manipolare, visualizzare ed estrarre informazione da grossi insiemi di dati, utilizzando tecniche e metodi moderni di analisi statistica.
- la comprensione dei principi della network science (modelli genearitivi e loro proprietà)
- la comprensione delle principali tecniche di analisi delle reti complesse
- la costruzione di modellazione e visualizzazione di dati destrutturati
Risultati di apprendimento attesi
Lo studente alla fine del corso sarà in grado di manipolare grandi moli di dati e modellarli nel framework dei sistemi complessi per analizzarli a fini predittivi.
L'obiettivo del corso sarà di fornire allo studente un quadro complessivo dell'attuale stato dell'arte sul tema e sui suoi possibili sviluppi.
- riconoscere le migliori tecniche in relazione alla problematica affrontata
- interpretare i risultati di analisi dati nel contesto social
- progettare analisi dati in relazione a varie problematiche
Prerequisiti
Sono consigliate per una buona fruzione del corso delle nozioni di programmazione, statistica e probabilità, e analisi matematica.
Contenuti
Introduzione alla Fisica dei Sistemi Complessi
Data e Privacy
Cenni di processi stocastici
Reti Complesse (Reti Random, Small-World, Scale-Free)
Community Detection Algorithms
Omofilia, Assortatività
Assortative Mixing, Link Prediction
Modelli di Processi Dinamici su Reti Complesse
Cenni di Sentiment Analysis
Processi Diffusivi (Epidemics and Information Diffusion)
Opinion Dynamics
Data Visualization
Testi di riferimento
Barrat, A., Barthelemy, M., & Vespignani, A. (2008). Dynamical processes on complex networks. Cambridge university press.

Network Science, A.L. Barabàsi http://networksciencebook.com
Modalità di verifica dell'apprendimento
Esame Scritto e Progetto di Gruppo
Metodi didattici
Lavagna, slide ed esercitazioni pratiche e discussion papers
Lingua di insegnamento
Italiano
Modalità di esame
scritto e orale
Programma definitivo.
Data ultima modifica programma
23/07/2019