preloder
aumentar disminuir

¿QUÉ HACEMOS?

Análisis de redes sociales en Python

Del 11 de mayo al 3 de junio

lunes y miércoles (18 a 21 hrs.)
descargar ver

Introducción

Este es un curso introductorio a los conceptos necesarios para el análisis de redes sociales. También es un curso práctico en el que se espera que los estudiantes sean capaces de utilizar el lenguaje de programación Python para el manejo y análisis de redes.

 

Objetivos

El objetivo principal de este curso es mostrar cómo se pueden utilizar las estructuras de redes para estudiar sistemas sociales complejos. Demostraremos cómo podemos responder descubrir relaciones y propiedades de estos sistemas para preguntas. Los estudiantes aprenderán a utilizar las librerías de Python para el manejo de redes, a construir redes a partir de datos en bruto y a visualizar redes. Los estudiantes aprenderán a caracterizar redes sociales a partir de medidas que van desde medidas de importancia individual (cada miembro de la red) hasta medidas que caracterizan la red completa. Se abordarán los temas de  difusión y contagio en redes, en particular para estudiar la difusión de opiniones y los modelos de formación de redes. También vamos a enseñar cómo ajustar estos modelos para estudiar redes sociales en el mundo real. Durante las sesiones, los alumnos descubrirán los diferentes usos de Python como herramienta para el estudio de redes, haremos un énfasis en la librería networkx aunque también utilizaremos numpy, pandas, statsmodels, matplotlib y seaborn. El entorno que se utilizará para el curso será el de Jupyter Notebook.

 

Público objetivo 

Este curso está diseñado para personas con experiencia mínima en Python para el manejo de datos y conocimientos básicos de estadística y probabilidades. Este es el quinto curso en la secuencia de Python de la Escuela de Métodos. Idealmente los cursos previos requeridos son:

  1. Introducción a Python y al Manejo de Datos.
  2. Visualización de Datos en Python.
  3. Estadística descriptiva y Probabilidades.

 

Independiente, las habilidades necesarias para este curso son la siguientes:

  • Estar familiarizado con el lenguaje de programación Python.
  • Saber utilizar Python para el manejo de datos. En particular conocerlas librerías numpy y pandas.
  • Estar familiarizados con las principales librerías para visualización científica de datos matplotlib y seaborn.

 

Sesiones

  • Sesión 1: Introducción y Definiciones
  • Sesión 2: Visualización y Construcción de Redes a partir de Datos.
  • Sesión 3: Medidas Individuales en Redes
  • Sesión 4: Medidas Globales de Redes
  • Sesión 5: Difusión y Contagio en Redes
  • Sesión 6: Modelos de Formación de Redes
  • Sesión 7: Ajustando Modelos de Redes a Datos Reales.
  • Sesión 8: Proyecto Final

Bibliografía

  • Barabási, Albert-Lázló. Network Science disponible en línea aquí.
  • Easley, David, and Jon Kleinberg. Networks, crowds, and markets. Vol. 8. Cambridge: Cambridge university press, 2010.

 

Profesor: Mitchell Valdés Bobes

E-mail: mitchell.valdes@outlook.es

Horario de clases:Martes y jueves de 18:00 a 21:00 horas

Lugar: Instituto Mora

Para inscribirte:

Sigue estas instrucciones:

https://www.lnpp.mx/wp-content/uploads/2019/11/Escuela2020_promo_instruciones-1-2.pdf

 

Mayores informes

escuelademetodos@lnpp.mx

 

Redes sociales (inbox)

 

Facebook @LNPPMX

Twitter @LNPP_MX

 

WhatsApp

55 61853815

 

Fecha de actualización

 7 de febrero de 2020

SUBIR
COMENTARIOS.png