Python Programming Language and Social Networks

2023/2024

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered at:

Department of Sociology

Course type:

Compulsory course

When:

1 year, 3, 4 module

Программа дисциплины

Аннотация

Данный курс состоит из двух частей, каждая из которых преподается в рамках отдельного модуля. Первая часть курса знакомит студентов с языком программирования Python и анализом данных. В рамках этой части будут рассмотрены такие важные темы, как основы языка программирования Python, виртуальные среды, предобработка, анализ и визуализация данных (включая различные виды моделирования и алгоритмы машинного обучения), организация аналитического проекта. Вторая часть курса посвящена сетевому анализу (в т.ч. анализу социальных сетей).Курс предназначен для студентов магистратуры, предусматривает лекции и семинарские занятия. В рамках курса студенты будут выполнять домашние задания, а также участвовать в проектной работе.

Цель освоения дисциплины

• Освоение языка программирования Python
• Understanding basic concepts of social network analysis
• Understanding how networks can contribute to the explanation of specific social, political, economic and cultural phenomena
• Mastering basic skills of working with SNA software Gephi, Pajek, R packages
• Acquaintance with biblographic network analysis software VosViewer, CitNetExplorer

Планируемые результаты обучения

• Able to analyze and visualize data with Python.
• Able to evaluate and revise learned scientific methods and methods of activity.
• Able to independently master new research methods, change the scientific and production profile of their activity.

Содержание учебной дисциплины

• Язык программирования Python: введение
• Научные вычисления на языке Python: хранение данных, кода и результатов
• Основы и синтаксис языка Python
• Обработка данных на языке Python
• Сбор данных
• Визуализация данных
• Сетевые метрики
• Моделирование на языке Python
• Python для сетевого анализа
• Что такое сетевая наука и зачем она нужна
• Что такое сетевая наука и зачем она нужна
• Сетевые метрики
• Компоненты, кластеры и сообщества в сетях
• Бимодальные сети
• Модели сетей
• GEPHI
• Реляционный подход с социальных науках. Социальная дистанция. Гомофилия. Сегрегация
• Персональные сети. Социальный капитал
• Сети в политике

Элементы контроля

• Упражнения
  Для закрепления навыков по работе с инструментарием студентам предлагается выполнить упражнения по работе на языке Python.
• Проект по анализу данных
  Проект по анализу данных. Данные для задания предоставляются преподавателем или обсуждаются в индивидуальном порядке. Работа выполняется индивидуально. Студенты должны применить на конкретных данных методы обработки и визуализации данных, изученные на семинарах. Проект должен быть написан с ориентацией на “заказчика”, то есть понятен потенциальному клиенту, содержать все необходимые пояснения и интерпретации. Результаты представляются в виде 1) отчета с таблицами / графиками и пояснениями, какие выводы должен сделать пользователь и какие элементы фокусируют внимание именно на этих выводах, 2) презентации ключевых моментов исследования с ответами на вопросы преподавателя/комиссии.
• Проект по основам машинного обучения
  Проект по основам машинного обучения. Данные для задания предоставляются преподавателем или обсуждаются в индивидуальном порядке. Работа выполняется индивидуально. Студенты должны применить на конкретных данных методы машинного обучения, такие как регрессионный анализ, классификация и кластеризация, для решения поставленных задач. Проект должен быть написан с ориентацией на “заказчика”, то есть понятен потенциальному клиенту, содержать все необходимые пояснения и интерпретации. Результаты представляются в виде 1) отчета с таблицами / графиками, построением моделей, их выбором и оценкой для его обоснования, а также пояснениями, какие выводы должен сделать пользователь и какие элементы фокусируют внимание именно на этих выводах, 2) презентации ключевых моментов исследования с ответами на вопросы преподавателя/комиссии.
• Домашние задания
  Самостоятельное выполнение упражнений в среде программирования R по материалам лекций и семинаров
• Чтение и комментирование статей в Perusall
  Чтение и комментирование статей по темам социального анализа на платформе Perusall
• Эссе
• Тест
  ..

Промежуточная аттестация

• 2023/2024 4th module
  0.15 * Домашние задания + 0.2 * Проект по анализу данных + 0.2 * Проект по основам машинного обучения + 0.1 * Тест + 0.1 * Упражнения + 0.1 * Чтение и комментирование статей в Perusall + 0.15 * Эссе

Список литературы

Рекомендуемая основная литература

• Bowling alone : the collapse and revival of American community, Putnam, R. D., 2000
• Exploratory social network analysis with Pajek, Nooy de, W., 2018
• McKinney, W. (2018). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1605925
• Network Analysis, methodological foundations, eds. Ulrik Brandes, Thomas Erlebach, 471 p., , 2005
• Networks, crowds, and markets : reasoning about a highly connected world, Easley, D., 2010
• Scott, J. (DE-588)132315661, (DE-576)299070239. (2009). Social network analysis : a handbook / John Scott. Los Angeles [u.a.]: Sage. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.307646734

Рекомендуемая дополнительная литература

• Bernard, J. (2016). Python Recipes Handbook : A Problem-Solution Approach. [United States]: Apress. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1174476
• Downey, A. (2012). Think Python. Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=477161
• Hajba G.L. Website Scraping with Python: Using BeautifulSoup and Scrapy / G.L. Hajba, Berkeley, CA: Apress, 2018.

Авторы

• Ильина Мария Ивановна
• Иванюшина Валерия Александровна