Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Logout in [min] [minutetext]

Network Modeling - Einzelansicht

Grunddaten
Veranstaltungsart Vorlesung Kurztext NM
Veranstaltungsnummer INF-13000-20142 Rhythmus jedes 2. Semester
Semester WS 2014/15 Studienjahr
Erwartete Teilnehmer/-innen 12 Max. Teilnehmer/-innen 20
SWS 4 Sprache englisch
Credits 6
Hyperlink http://www.inf.uni-konstanz.de/algo/lehre/ws14/nm/
Belegungsfrist
Termine: Vorlesung iCalendar Export
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Mi. 13:30 bis 15:00 s.t. wöchentl. 22.10.2014 bis 11.02.2015  P - P 603       20
Vorlesung:
 
Termine: Übung iCalendar Export
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Mi. 17:00 bis 18:30 s.t. wöchentl. 22.10.2014 bis 11.02.2015  P - P 603       20
Übung:
 


Zugeordnete Lehrpersonen
Zugeordnete Lehrpersonen Zuständigkeit
Lerner, Jürgen, Dr. rer. nat. verantwortlich
Amati, Viviana, Dr. verantwortlich
Brandes, Ulrik, Prof. Dr. begleitend
Studiengänge
Abschluss Studiengang Semester Prüfungsversion
Informatik, BSc 5 - 8
Information Engineering, BSc 5 - 6
Information Engineering, MSc 1 - 3
StudIS-Prüfungen / Module
Prüfungsnummer Prüfungstext
INF-13000 Network Modeling
StudIS-Prüfungsorganisationssätze
Semester Termin Prüfer/-in Datum Beginn Dauer Raum Bemerkung Leistungsanmeldung Rücktritt bis StudIS-
Status
WS 2014/15 01 Lerner, Jürgen , Dr.
Amati, Viviana
11.02.2015 01.12.2014 bis
31.01.2015
31.01.2015 StudIS-Prüfungsanmeldung beendet
WS 2014/15 02 Lerner, Jürgen , Dr.
Amati, Viviana
15.04.2015 01.03.2015 bis
23.03.2015
23.03.2015 StudIS-Prüfungsanmeldung beendet
_______________
Nicht/noch nicht für die StudIS-Prüfungsanmeldung freigeschaltetNicht/noch nicht für die StudIS-Prüfungsanmeldung freigeschaltet
Für die StudIS-Prüfungsanmeldung freigeschaltet - Prüfungsanmeldung läuft noch nichtFür die StudIS-Prüfungsanmeldung freigeschaltet - Prüfungsanmeldung läuft noch nicht
Für die StudIS-Prüfungsanmeldung freigeschaltet - Prüfungsanmeldung läuft derzeitFür die StudIS-Prüfungsanmeldung freigeschaltet - Prüfungsanmeldung läuft derzeit
Anmeldezeitraum abgelaufen - Rücktritt noch möglichAnmeldezeitraum abgelaufen - Rücktritt noch möglich
StudIS-Prüfungsanmeldung beendetStudIS-Prüfungsanmeldung beendet
Zuordnung zu Einrichtungen
FB Informatik und Informationswissenschaft
AG Brandes (Algorithmik)
Inhalt
Kommentar

Social network analysis, i.e., the joint analysis of actors and relations among them, rapidly gains importance in many scientific and commercial applications. Examples range from studies of organizational and communication networks over to the analysis of Web-based user interaction. Statistical approaches in social network analysis are applied to model, estimate, and predict social interaction and behavior based on empirical data.

In this course you will learn mathematical and methodological foundations for modeling social networks. In the first part we treat models for time-independent networks and in the second part we model the evolution of networks over time. More information can be found on the course Website http://www.inf.uni-konstanz.de/algo/lehre/ws14/nm/

This course is part of a set of three related lectures offered by the Algorithmics group: Network Analysis, Network Dynamics, and Network Modeling. Note that these courses can be taken independently of each other and in any order.

Literatur
  • Robins, Pattison, Kalish, and Lusher:An introduction to exponential random graph (p*) models for social networks. Social Networks 29(2):173-191, 2007.
  • Snijders, van de Bunt, and Steglich:Introduction to stochastic actor-based models for network dynamics. Social Networks 32(1):44-60, 2010.
  • Snijders, Koskinen, and Schweinberger:Maximum Likelihood Estimation for Social Network Dynamics. Annals of Applied Statistics 4(2):567-588, 2010.
  • Steglich, Snijders, and Pearson:Dynamic Networks and Behavior: Separating Selection from Influence. Sociological Methodology 40(1):329-393, 2010.
  • Batagelj, Brandes:Efficient Generation of Large Random Networks. Physical Review E 71, 036113, 2005.
Voraussetzungen

Good knowledge of basic mathematical concepts, as well as strong mathematical soft skills, i.e., the ability to understand and work with mathematical definitions, theorems, and proofs.

Leistungsnachweis

active participation in tutorials; oral exam

Lerninhalte

Social network analysis, i.e., the joint analysis of actors and relations among them, rapidly gains importance in many scientific and commercial applications. Examples range from studies of organizational and communication networks over to the analysis of Web-based user interaction. Statistical approaches in social network analysis are applied to model, estimate, and predict social interaction and behavior based on empirical data.
In this course you will learn mathematical and methodological foundations for modeling social networks. In the first part we treat models for time-independent networks and in the second part we model the evolution of networks over time.
This course is part of a set of three related lectures offered by the Algorithmics group: Network Analysis, Network Dynamics, and Network Modeling. Note that these courses can be taken independently of each other and in any order.

Zielgruppe

The course is intended for Master students and advanced Bachelor students.

Lernziel

In this course you will learn the methodological foundations of statistical models used in social network analysis.


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WS 2014/15 , Aktuelles Semester: WS 2017/18
STUDIS    Anzahl aktueller Nutzer/-innen: 305 Haben Sie Anregungen, Fragen, Lob oder Kritik zum LSF?
Dann schreiben Sie uns!
Impressum
Datenschutzerklärung