Язык программирования Python и социальные сети

2021/2022

Учебный год

RUS

Обучение ведется на русском языке

6

Кредиты

Кто читает:

Департамент социологии

Статус:

Курс обязательный

Когда читается:

1-й курс, 3, 4 модуль

Преподаватели

Иванюшина Валерия Александровна

Терпиловский Максим Александрович

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
• Терминология и базовые концепции сетевого анализа
• Моделирование на языке Python
• Python для сетевого анализа
• Network theory and applications. Network models. Software: Pajek, Gephi, R

Элементы контроля

• Test 1. Statements, expressions, objects, operator
• Test 2. Data: collecting and wrangling
• Laboratory work. Data collection and preprocessing
• Test 3
• Individual project (written essay) with oral presentation
• In-class Participation
• Home tasks: all Python-related topics of the course
  The final score is the number of correctly done home tasks (10 tasks in total). Each task can be either correctly (1) or incorrectly done (0). These tasks will be checked automatically by Python unit tests (with predefined results) to exclude subjective assessment. «Excellent» (8-10): In total, 8-10 tasks have been done correctly. «Good» (6-7): 6-7 tasks have been done correctly. «Satisfactory» (4-5): 4-5 tasks have been done correctly. «Fail» (0-3): 0-3 tasks have been done correctly.

Промежуточная аттестация

• 2021/2022 учебный год 4 модуль
  0.2 * In-class Participation + 0.15 * Laboratory work. Data collection and preprocessing + 0.125 * Test 3 + 0.1 * Test 2. Data: collecting and wrangling + 0.2 * Home tasks: all Python-related topics of the course + 0.175 * Individual project (written essay) with oral presentation + 0.05 * Test 1. Statements, expressions, objects, operator

Список литературы

Рекомендуемая основная литература

• 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
• 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.