京公网安备 11010802034615号
经营许可证编号:京B2-20210330
社会网络分析(SNA) 是一套规范的对社会关系与结构进行分析的方法,社会网络分析的对象是不同的社会行动者内在联系而构成的网络结构。
社会网络分析思想最早起源于20世纪30年代西方的心理学和人类学研究。
社会网络分析主要沿着下面三个大的方向进行发展:
(1) 社会计量学派运用图论方法对社会网络分析做出了杰出的贡献。
(2) 20世纪30年代的哈佛学派致力于研究人际模式和"团伙"形式。
(3) 20世纪50年代,曼彻斯特学派进行了大量的社会网络研究,他们把社会网络分析技术运用到了人际关系上。
20世纪70年代以后,新哈佛学派在社会网络分析方面做出了巨大的贡献,他们逐步的完善了社会网络分析这种独特的研究方法。
自20世纪90年代以来,随着计算机技术的不断发展和网络分析理论研究的深入,社会网络分析的模型得到了进一步的改进,社会网络分析跨越了传统的学科界限从而越来越多的运用到了各个领域。社会网络分析逐渐成为了一种跨学科的研究方法。
社会网络分析的意义:
通过对网络中各种关系进行客观的定量分析为实证研究提供量化的检验工具。
社会网络分析是定性和定量的桥梁,它对大量的图表数据进行定量分析得出定性的结论。
社会科学研究的对象应是社会结构,而不是个体。通过研究网络关系,有助于把个体间关系、“微观”网络与大规模的社会系统的“宏观”结构结合起来。故英国学者J•斯科特指出:“社会网络分析已经为一种关于社会结构的新理论的出现奠定了基础。”
从零基础掌握社会网络分析,使用Python作为载体, 结合理论知识实际操作,
使学员不仅理解社会网络分析的计算思维方法, 同时掌握实际计算技能:
社会网络分析思想与应用现场班
培训时间:2019年9月13-14日 (周末两天)
培训地点:北京市海淀区丹龙大厦
培训费用:2000元 /1700元(学生价, 仅限全日制本科及硕士在读)
授课安排:上午9:00-12:00,下午1:30-4:30,答疑4:30-5:00
讲师介绍:
张忠元, 理学博士, 中央财经大学教授, 博士生导师, 中国计算机学会高级会员, 果壳网科学顾问。
主要研究兴趣在复杂网络分析和数据挖掘. 在Data Mining and Knowledge Discovery,Physical Review E, EPL, Knowledge and Information Systems, Scientific Reports, 中国科学等国内外著名期刊上发表学术论文十余篇。
爱思唯尔杰出审稿人, 担任Data Mining and Knowledge Discovery,Physica A, Management Science等著名期刊的匿名审稿人。
课程目的:
1. 希望大家经过两天的学习, 能对基本的社会网络分析理论和实际应用有所掌握, 同时掌握Python分析网络数据的基本技能;
2. 希望学员能够理解大量顶级期刊上相关领域的研究, 以期为后续学习和研究打下宽厚坚实的基础。
课程大纲:
第1讲(3小时)
1. 欧拉七桥问题(0.5小时)
2. 图论的发展历史(0.25小时)
3. 社会网络分析的发展历史(0.25小时)
4. 图论的现状和主要关注的问题(2小时)
第2讲(2.5小时)
1. Python编程的基础知识(0.5小时)
2. 图论相关编程实践(0.5小时)
3. 社会网络分析的现状和主要关注的问题(0.25小时)
4. 社会网络的小世界性质(0.5小时)
5. ER、WS、BA网络生成模型(0.5小时)
6. 其它生成模型, 产生具有特定拓扑结构性质的网络 (0.25小时)
7. 使用Python进行实操生成网络
第3讲(3.5小时)
1. 社会网络拓扑结构的稳健性和易感性(0.5小时)
2. 社会网络的同配性概念和计算(0.25小时)
3. 弱连边的强度(0.25小时)
4. 社会网络点的中心性(0.5小时)
5. 社会网络的社团结构探测: 方法和评价(0.5小时)
6. 链路预测(0.5小时)
7. 符号网络、多层网络和含时网络分析(0.5小时)
以上均使用python实际操作
第4讲(3小时)
1. 社会网络上的博弈论(0.5小时)
2. SI、SIS、SIR模型 (0.5小时)
3. 线性阈值模型、级联模型(0.25小时)
4. 以上模型的性质, 关系和区别 (0.25小时)
5. 以上模型的python实操 (0.25小时)
6. 案例、文献阅读、机动、互动和答疑时间(1小时)
优惠:
现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;
以上优惠不叠加。
报名流程:
1,点击“https://www.cda.cn/kecheng/67.html”,填写报名信息提交;
2,通过订单支付(需要刷卡或者对公转账请与我们联系);
3,开课前一周发送资料及交通住宿指南;
4,现场领取发票及开课通知。
联系方式:
魏老师
Tel:010-68478566
Mail:vip@pinggu.org
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16