IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی
IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی

تجزیه و تحلیل شبکه پیچیده در پایتون

کتاب برای کسانی که می‌‌خواهند اصول تحلیل شبکه پیچیده را با تمرکز بر کاربرد بیاموزند عالی است. مطالعات موردی موضوعهای مختلفی را پوشش می‌دهد و کمک می‌کند مفاهیم را به برنامه‌ها پیوند دهند و تجربه‌ای واضح، ساختار یافته و عملی را در اختیار خوانندگان قراردهند که درک آن‌ها از مفاهیم را بدون نیاز به تجربه برنامه‌نویسی پایتون عمیق‌تر می‌کند. تجزیه و تحلیل شبکه پیچیده در پایتون مقدمه‌ای کامل بر ابزارها و تکنیک‌های مورد نیاز برای تجزیه و تحلیل شبکه پیچیده است.  

مطالعات موردی در دنیای واقعی نشان می‌دهد که چگونه می‌توان به راحتی از بسته‌های قدرتمند پایتون برای تجزیه و تحلیل شبکه‌های بزرگ و به دست آوردن بینش‌های تحلیلی معنادار استفاده کرد. داشتن درک عمیق از تجزیه و تحلیل شبکه پیچیده دشوار است. این کتاب کمک می‌کند تا با استفاده از زبان برنامه نویسی پایتون اصول اولیه برای شروع تسلط بر مهارت‌های مورد نیاز تجزیه و تحلیل شبکه‌های پیچیده، نه تنها در سطح مفهومی بلکه در سطح عملی یاد گرفته شود. شبکه‌های پیچیده کاربردهای متنوعی در زمینه‌های مختلف از جمله مراقبت‌های بهداشتی، شبکه‌های اجتماعی و یادگیری ماشینی دارند. این کتاب برای دانشجویان کارشناسی ارشد و کارشناسی، مربیان تجزیه و تحلیل داده‌های پیچیده یا تحلیل شبکه‌های اجتماعی، محققان و پزشکان در نظر گرفته‌شده‌است.

درباره کتاب

این کتاب ساخت، کاوش، تجزیه و تحلیل و تجسم شبکه های پیچیده را با استفاده از NetworkX (یک کتابخانه پایتون) و همچنین چندین ماژول پایتون دیگر و Gephi یک محیط تعاملی برای تحلیلگران شبکه را پوشش می‌دهد.

این کتاب شامل پنج بخش است که هر بخش جنبه‌های خاصی از شبکه‌های پیچیده را پوشش می‌دهد. هر بخش با یک یا چند مطالعه موردی مفصل همراه است.

 بخش اول یک نمای کلی از ماژول‌های اصلی پایتون CNA را ارائه می دهد: NetworkX، iGraph، graph-tool و networkit. سپس ساخت شبکه‌های بسیار ساده را به‌صورت برنامه نویسی (با استفاده از NetworkX) و هم به صورت تعاملی (در Gephi) بررسی می‌کند و با ارائه شبکه‌ای از صفحات ویکی پدیا مرتبط با شبکه های پیچیده به پایان می‌رسد.

در بخش دوم شبکه‌هایی را که بر اساس روابط صریح هستند (مانند شبکه‌های اجتماعی و شبکه‌های ارتباطی) بررسی خواهید کرد. این بخش به تکنیک‌های پیشرفته ساخت شبکه و اندازه‌گیری می‌پردازد. مطالعه موردی Capstone شبکه‌ای از "مقاله پاناما" الگوهای احتمالی پولشویی در آسیای مرکزی را نشان می‌دهد.

شبکه‌های مبتنی بر هم‌رویدادهای مکانی و زمانی مانند شبکه‌های معنایی و محصولی موضوع بخش سوم هستند. بخش سوم همچنین ساختار شبکه پیچیده ماکروسکوپی و مزوسکوپی را بررسی می‌کند. این راه را برای تجزیه و تحلیل حوزه فرهنگی مبتنی بر شبکه و مطالعه بازاریابی محصول‌های آرایشی و بهداشتی Sephora هموار می‌کند.

اگر نمی‌توانید هیچ رابطه مستقیم یا غیرمستقیمی بین آیتم‌ها پیدا کنید، اما همچنان می‌خواهید شبکه‌ای از آن‌ها بسازید، محتویات قسمت چهارم به کمک می‌آیند. شما یاد خواهید گرفت که چگونه متوجه شوید که آیا موارد مشابه هستند یا خیر و شباهت‌های کمی را به لبه‌های شبکه تبدیل خواهید کرد. شبکه‌ای از انواع آسیب‌های روانی یکی از نتایج بخش چهارم است.

کتاب با قسمت پنجم پایان می‌یابد: شبکه‌های هدایت‌شده با مثال‌های فراوان، از جمله شبکه‌ای از صفت‌های کیفی که می‌توانید در بازی‌های رایانه‌ای یا داستان‌های تخیلی استفاده کنید.

هنگامی که کتاب خود را به پایان می‌رسانید، می توانید چندین نوع شبکه پیچیده را شناسایی ترسیم کنید (هم با دست، هم به صورت برنامه نویسی و هم به صورت برنامه ای) تبدیل، تجزیه و تحلیل و تجسم کنید. شما می‌توانید معیارها و ساختار شبکه را تفسیر کنید.

Recognize → Construct → Visualize → Analyze → Interpret

نوشته دیمیتری زینوویف

نسخه: P1.0 (ژانویه 2018)

فایل کتاب را از اینجا دانلود کنید.

نظرات 0 + ارسال نظر
برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)
ایمیل شما بعد از ثبت نمایش داده نخواهد شد