Conhecimentos de Base Recomendados
São recomendáveis conhecimentos introdutórios da linguagem Python.
Métodos de Ensino
A atividade letiva decorre em regime presencial, com exposição de conceitos, técnicas e métodos, com grande enfoque em aplicações práticas. Será utilizado software adequado a cada um dos temas propostos.
Resultados de Aprendizagem
Objetivos:
Uma grande parte dos atualmente dados gerados têm em si relações de interação entre os seus elementos, formando redes/grafos. O estudo dessas redes e respetivas estruturas trazem informação muito relevante para a análise desses mesmos dados, permitindo observar propriedades e padrões nas relações entre os seus elementos. Estas propriedades têm sido estudadas, desde há muito, no âmbito da teoria dos grafos.
Nesta disciplina abordam-se várias dessas propriedades, incidindo em técnicas de otimização em redes e em técnicas da análise de redes. Estas técnicas servirão para o estudo de redes viárias, redes de fluxos comerciais, redes, sociais e redes biológicas.
Competências:
Pretende-se que o aluno conheça as principais características e propriedades topológicas de uma rede/grafo. Pretende-se também que o aluno conheça técnicas para a análise de redes, envolvendo caminhos, fluxos, centralidade, comunidade e agrupamento, tendo como principal motivação a análise de redes sociais.
Programa
1 – Propriedades das redes/grafos
1.1 – Grau e incidência
1.2 – Caminhos
1.3 – Fluxos
1.4 – Centralidade
1.5 – Cobertura e influência
1.6 – Comunidade
2 – Estruturas de dados para a construção de redes
3 – Ferramentas para a construção e análise de redes
3.1 – Gephi
3.2 – Biblioteca NetworkX do Python
4 – Estudo de aplicações recorrendo à análise de redes
4.1 – Redes viárias
4.2 – Redes comerciais
4.3 – Redes biológicas
4.4 – Redes sociais
5 – Análise de clusters
Docente(s) responsável(eis)
Pedro João Coimbra MartinsMétodos de Avaliação
O aluno será avaliado por um trabalho individual, envolvendo as várias metodologias abordadas e incidindo num dos temas aplicados propostos. A classificação final decorrerá da nota de um relatório do trabalho e da nota de uma apresentação oral desse trabalho, numa proporção de 75% e 25%, respetivamente. A realização de melhoria de classificações requer a realização de um novo trabalho, usando uma nova base de dados.
Estágio(s)
NAO
Bibliografia
Fundamental:
– Elementos de apoio às aulas.
– Barabási A.L. (2016). Network science. Cambridge University Press, Cambridge.
– Bastian M., Heymann S., Jacomy M. (2009). Gephi: an open source software for exploring and manipulating networks. International AAAI Conference on Weblogs and Social Media.
– Hagberg, A., Schult, D., & Swart, P. (2018). NetworkX reference, release 2.2rc1.dev20180818003440.
– Needham, M., & Hodler, A. E. (2019). Graph algorithms: practical examples in Apache Spark and Neo4j. O’Reilly Media.
Complementar:
– Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2018). Analyzing social networks. Sage, London.
– Junker, B. H., & Schreiber, F. (2011). Analysis of biological networks (Vol. 2). John Wiley & Sons, Inc., New Jersey.
– Matthias, M. (2023). Social Media Influencers – A Review of Operations Management Literature, Master Degree thesis, University of Waterloo.
– Seyfosadat, S. F., & Ravanmehr, R. (2023). Systematic literature review on identifying influencers in social networks. Artificial Intelligence Review, 56(Suppl 1), 567-660.