IV124 Komplexní sítě

Fakulta informatiky
jaro 2025
Rozsah
0/2/0. 2 kr. (plus ukončení). Ukončení: k.
Vyučováno kontaktně
Vyučující
RNDr. Josef Spurný, Ph.D. (přednášející)
Ing. Eva Výtvarová (přednášející)
RNDr. Jan Fousek, Ph.D. (přednášející)
doc. RNDr. Eva Hladká, Ph.D. (přednášející)
Garance
doc. RNDr. Eva Hladká, Ph.D.
Katedra počítačových systémů a komunikací – Fakulta informatiky
Dodavatelské pracoviště: Katedra počítačových systémů a komunikací – Fakulta informatiky
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Mnohé komplexní systémy lze uchopit jako síť interagujících jednotek. Pomocí tohoto úhlu pohledu jsme schopni studovat a popsat strukturu a důležité jevy systémů, jejichž studium jako celku je jinak velmi náročné: lidský mozek, internet, ekonomie, sociální skupiny a další. S nástupem velkých datových sad v nedávné době došlo i k rozvoji aparátu pro jejich popis a analýzu: teorie komplexních sítí. Tento kurz shrne základní teoretické výsledky týkající se komplexních sítí a jejich aplikace v různých oborech.
Výstupy z učení
Studenti budou po absolvování kurzu schopni popsat lokální a globální vlastnosti komplexních sítí. Budou umět rozumět procesům, které vedou ke vzniku sítí přirozených i lidmi vytvořených komplexních systémů, které pozorujeme okolo nás. Absolventi tohoto kurzu budou schopni aplikovat síťovou analýzu na reálná data napříč aplikačními doménami v "měkkých" i "tvrdých" vědách. Studenti budou také schopni navrhnout nad hrubými daty postup síťové analýzy, formulovat relevantní hypotézy a výsledky korektně a srozumitelně interpretovat.
Osnova
  • úvodní přednáška, motivace, základní vlastnosti komplexních systemů, příklady z různých oborů
  • náhodné grafy, Erdős–Rényi model, distribuce stupně uzlu, vyvstání velké komponenty, průměrná délka cesty
  • centralita uzlu: stupeň uzlu, mezilehlostní centralita, eigenvektor centralita (pagerank)
  • komunitní struktura: hierarchické klastrování (aditivní, subtrativní), mezilehlé klastrování, modularita
  • aplikace centrality uzlu a modularity, huby, rich club
  • mocninné pravidlo (power law), bezškálové sítě, analýza reálných příkladů
  • model náhodného power-law grafu: růst sítě, preferential attachment
  • small-world sítě: reálné příklady (šest stupňů odloučení), obecná struktura, náhodné modely (Watts&Strogatz, geografický, ...)
  • náhodné procházky a difuze na sítích
  • Robustnost a stabilita sítí, epidemiologické modely, kaskádové selhání
  • Socioekonomické sítě: World trade network, sociální sítě, geografické sítě (migrace)
  • Internet jako komplexní síť: fyzická vrstva, síť hypertextu, linková analýza
  • Biologické sítě: interakce proteinů, mozek jako komplexní síť
  • Vizualizace (rozsáhlých) komplexních sítí
Literatura
    doporučená literatura
  • BARABÁSI, Albert-László a Márton PÓSFAI. Network science. First published. Cambridge: Cambridge University Press, 2016, xviii, 456. ISBN 9781107076266. info
  • NEWMAN, M. E. J. Networks : an introduction. Oxford: Oxford University Press, 2010, xi, 772. ISBN 9780199206650. info
  • CSERMELY, Péter. Weak links : stabilizers of complex systems from proteins to social networks. 1st ed. Berlin: Springer, 2006, xix, 392. ISBN 3540311513. info
  • BARABÁSI, Albert-László. V pavučině sítí. Translated by František Slanina. Vyd. 1. V Praze: Paseka, 2005, 274 s. ISBN 8071857513. info
Výukové metody
Výuka bude probíhat formou pravidelné dvouhodinové přednášky. Budou zadávány praktické domácí cvičení a studenti budou samostatně zpracovávat projekt analyzující jednu z volně dostupných datových sad. Výstupem projektu bude psaný report. Dvouhodinový prezenční slot bude rozdělen na hodinovou teoretickou přednášku a stejně dlouhou prakticky zaměřenou část. Praktická část bude věnována demonstracím nástrojů a praktických příkladů probrané látky, v druhé části semestru k hromadné konzultaci domácích cvičení a probíhajících studentských projektů. Projekty si studenti vybírají dle oblasti svého (studijního) zájmu a oboru. Je možná samostatná práce i spolupráce v malých skupinkách (individuálně posuzováno dle náročnosti projektu). Studenti budou v rámci projektu zpracovávat analýzu reálné datové sady ať již volně dostupné (viz např zde: http://www-personal.umich.edu/~mejn/netdata/), nebo získané v rámci projektu (zvyšuje zátěž a umožňuje zapojení více studentů). Těžistě výuky je posunuto ke schopnosti praktické aplikace síťové analýzy napříč cílovými obory.
Metody hodnocení
Podmínky pro udělení kolokvia:
- Účast na cvičeních alespoň 60%
- Odevzdání miniprojektu nebo čtenářského deníku
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Předmět je zařazen také v obdobích jaro 2015, jaro 2016, jaro 2017, jaro 2018, jaro 2019, jaro 2020, jaro 2023.