Komplex hálózatok bányászata

Eredeti címe:

Mining Complex Networks

Könyv tartalma:

Ez a könyv az adattudomány egyik alterületére, a hálózatok bányászatára összpontosít. Az adattudomány tudományos és számítási eszközöket használ arra, hogy nagy adathalmazokból értékes tudást nyerjen ki. Miután az adatokat feldolgozták és megtisztították, elemzik és bemutatják őket a döntéshozatali folyamatok támogatása érdekében. Az adattudomány és a gépi tanulás eszközei széles körben elterjedtek a különböző méretű vállalatoknál.

A hálózatok gyakran nagyméretűek, decentralizáltak és idővel dinamikusan fejlődnek. Az összetett hálózatok bányászata az ilyen hálózatok szerveződését és viselkedését irányító elvek megértését célozza, ami kulcsfontosságú a tanulmányok széles köre számára. Íme néhány kiválasztott tipikus bányászati alkalmazás a hálózatokra:

⬤ Community detection (mely felhasználók egyes közösségi médiaplatformokon közeli barátok).

⬤ Link-előrejelzés (ki valószínűleg kivel fog kapcsolódni az ilyen platformokon).

⬤ Node attribútum előrejelzés (milyen hirdetést kell megjeleníteni egy adott platform adott felhasználójának, hogy megfeleljen az érdeklődési körének).

⬤ befolyásos csomópontok felismerése (mely közösségi média felhasználók lennének a legjobb nagykövetei egy adott terméknek).

Ez a tankönyv alkalmas felsőfokú alapképzésre vagy egyetemi kurzusra olyan szakokon, mint az adattudomány, a matematika, az informatika, az üzleti élet, a mérnöki tudományok, a fizika, a statisztika és a társadalomtudományok. Ezt a könyvet sikerrel használhatja az adattudomány minden kedvelője a különböző fejlettségi szinteken, hogy bővítse ismereteit, vagy fontolóra vegye pályamódosítását.

A könyvet Jupiter jegyzetfüzetek (Python és Julia nyelven) kísérik, amelyek a https: //www.ryerson. ca/mining-complex-networks/ oldalon érhetők el. Ezek nemcsak a könyvben bemutatott összes kísérletet tartalmazzák, hanem további anyagokat is.

Bogumil Kamiński az SGH Varsói Közgazdasági Iskola Közgazdaságtudományi és Pénzügyi Tanszék Tudományos Tanácsának elnöke. Emellett a Ryerson Egyetem adjunktus professzora az Adattudományi Laboratóriumban. Bogumil a matematikai modellezés komplex valós problémák megoldására irányuló alkalmazásainak szakértője. Emellett jelentős mértékben hozzájárul a nyílt forráskódú Julia nyelv és a hozzá tartozó csomagok ökoszisztémájának fejlesztéséhez.

Pawel Pralat a Ryerson Egyetem matematika professzora, fő kutatási területe a véletlen gráfelmélet, különösen az összetett hálózatok modellezése és bányászata. Ő a Fields-CQAM Lab on Computational Methods in Industrial Mathematics igazgatója a The Fields Institute for Research in Mathematical Sciences-ben, és számos ipari partnerrel, valamint a kanadai kormánnyal folytat együttműködést. Több mint 170 tanulmányt és három könyvet írt több mint 130 munkatárssal.

Franois Thberge az Ottawai Egyetemen szerzett diplomát alkalmazott matematikából, az INRS-en távközlésből szerzett diplomát és a McGill Egyetemen elektromérnöki PhD fokozatot. 1996 óta a kanadai kormány alkalmazásában áll, ahol részt vett az adattudományi csoport, valamint a ma Tutte Matematikai és Számítástechnikai Intézet néven ismert kutatócsoport létrehozásában. Emellett adjunktusi állást tölt be az Ottawai Egyetem Matematika és Statisztika Tanszékén. Jelenlegi érdeklődési köre a relációs adatbányászat és a mélytanulás.