Bewertung:
Das Buch ist eine gute Einführung in die Graphen- und Netzwerkanalyse, insbesondere für Anfänger und Personen mit Informatikkenntnissen. Während viele Rezensenten die Klarheit, die Beispiele mit Python-Code und den ansprechenden Schreibstil loben, äußern einige ihre Enttäuschung über die Tiefe der behandelten komplexen Themen und Algorithmen.
Vorteile:Klare Erklärungen, konkrete Beispiele und Python-Code, gut strukturierter und prägnanter Schreibstil, unterhaltsamer und lehrreicher Stil, geeignet für Anfänger und Personen mit Informatikkenntnissen, nützlich für praktische Anwendungen.
Nachteile:Einige Rezensenten waren der Meinung, dass es dem Buch an Tiefe in Bezug auf komplexe Themen und Algorithmen mangelt, da bestimmte Abschnitte zu grundlegend sind und die im Titel angedeutete Komplexität nicht vollständig abdecken.
(basierend auf 10 Leserbewertungen)
Complex Network Analysis in Python: Recognize - Construct - Visualize - Analyze - Interpret
Konstruieren, analysieren und visualisieren Sie Netzwerke mit networkx, einem Python-Sprachmodul. Die Netzwerkanalyse ist ein leistungsstarkes Werkzeug, das Sie auf eine Vielzahl von Datensätzen und Situationen anwenden können. Entdecken Sie, wie Sie mit allen Arten von Netzwerken arbeiten können, einschließlich sozialer, produktbezogener, zeitlicher, räumlicher und semantischer Netzwerke. Wandeln Sie fast alle realen Daten in ein komplexes Netzwerk um, z. B. Empfehlungen zur gemeinsamen Verwendung von Kosmetikprodukten, verworrene Hedgefonds-Verbindungen und Online-Freundschaften. Analysieren und visualisieren Sie das Netzwerk, und treffen Sie auf der Grundlage Ihrer Analyse Geschäftsentscheidungen. Wenn Sie ein neugieriger Python-Programmierer, ein Datenwissenschaftler oder ein CNA-Spezialist sind, der daran interessiert ist, alltägliche Aufgaben zu mechanisieren, werden Sie Ihre Produktivität exponentiell steigern.
Komplexe Netzwerkanalysen wurden früher von Hand oder mit nicht programmierbaren Netzwerkanalysetools durchgeführt, aber das ist vorbei! Sie können diese Aufgaben jetzt in Python automatisieren und programmieren. Komplexe Netzwerke sind Sammlungen von miteinander verbundenen Elementen, Wörtern, Konzepten oder Personen. Durch die Erforschung ihrer Struktur und ihrer einzelnen Elemente können wir etwas über ihre Bedeutung, ihre Entwicklung und ihre Widerstandsfähigkeit erfahren.
Beginnen Sie mit einfachen Netzwerken und konvertieren Sie reale und synthetische Netzwerkgraphen in networkx-Datenstrukturen. Schauen Sie sich anspruchsvollere Netzwerke an und lernen Sie leistungsfähigere Maschinen zur Berechnung der Zentralität, zur Blockmodellierung und zur Erkennung von Cliquen und Gemeinschaften kennen. Machen Sie sich mit Netzwerkvisualisierungstools vertraut, die sowohl programmierbar als auch interaktiv sind, wie z. B. Gephi, ein CNA-Explorer. Passen Sie die Muster aus den Fallstudien an Ihre Probleme an. Erforschen Sie große Netzwerke mit NetworKit, einem leistungsstarken Networkx-Ersatz. Jeder Teil des Buches gibt Ihnen einen Überblick über eine Klasse von Netzwerken, enthält eine praktische Studie von networkx-Funktionen und -Techniken und schließt mit Fallstudien aus verschiedenen Bereichen, einschließlich sozialer Netzwerke, Anthropologie, Marketing und Sportanalyse.
Kombinieren Sie Ihre CNA- und Python-Programmierkenntnisse, um ein besserer Netzwerkanalyst, ein versierterer Datenwissenschaftler und ein vielseitigerer Programmierer zu werden.
Was Sie brauchen:
Sie benötigen eine Python 3. x Installation mit den folgenden zusätzlichen Modulen: Pandas (>=0. 18), NumPy (>=1. 10), matplotlib (>=1. 5), networkx (>=1. 11), python-louvain (>=0. 5), NetworKit (>=3. 6), und generalizesimilarity. Wir empfehlen die Verwendung der Anaconda-Distribution, die alle diese Module mit Ausnahme von python-louvain, NetworKit und generalizedsimilarity enthält und auf allen gängigen modernen Betriebssystemen funktioniert.
| ISBN: | 9781680502695 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2018 |
| Seitenzahl: | 262 |
Derzeit verfügbar, auf Lager.
