Titre original :
Mining Complex Networks
Contenu du livre :
Ce livre se concentre sur l'exploitation des réseaux, un sous-domaine de la science des données. La science des données utilise des outils scientifiques et informatiques pour extraire des connaissances précieuses de vastes ensembles de données. Une fois les données traitées et nettoyées, elles sont analysées et présentées pour soutenir les processus de prise de décision. Les outils de science des données et d'apprentissage automatique sont désormais largement utilisés dans les entreprises de toutes tailles.
Les réseaux sont souvent à grande échelle, décentralisés et évoluent de manière dynamique au fil du temps. L'exploration de réseaux complexes visant à comprendre les principes régissant l'organisation et le comportement de tels réseaux est cruciale pour un large éventail de domaines d'étude. Voici quelques applications typiques de l'exploration de réseaux :
⬤ Détection de communautés (quels utilisateurs sur certaines plateformes de médias sociaux sont des amis proches).
⬤ Prédiction des liens (qui est susceptible de se connecter à qui sur ces plateformes).
⬤ Prédiction des attributs des nœuds (quelle publicité devrait être montrée à un utilisateur donné d'une plateforme particulière pour correspondre à ses intérêts).
⬤ Détection des nœuds influents (quels utilisateurs de médias sociaux seraient les meilleurs ambassadeurs d'un produit spécifique).
Ce manuel convient à un cours de premier cycle de deuxième année ou à un cours de deuxième cycle dans des programmes tels que la science des données, les mathématiques, l'informatique, le commerce, l'ingénierie, la physique, les statistiques et les sciences sociales. Ce livre peut être utilisé avec succès par tous les enthousiastes de la science des données à différents niveaux de sophistication pour étendre leurs connaissances ou envisager un changement de carrière.
Des carnets Jupiter (en Python et Julia) accompagnent le livre et sont accessibles sur https : //www.ryerson. ca/mining-complex-networks/. Ils contiennent non seulement toutes les expériences présentées dans le livre, mais aussi du matériel supplémentaire.
Bogumil Kamiński est président du conseil scientifique pour la discipline de l'économie et de la finance à la SGH Warsaw School of Economics. Il est également professeur adjoint au Data Science Laboratory de l'université Ryerson. Bogumil est un expert des applications de la modélisation mathématique pour résoudre des problèmes complexes de la vie réelle. Il est également un contributeur important au développement du langage Julia et de son écosystème de packages.
Pawel Pralat est professeur de mathématiques à l'université Ryerson. Ses recherches portent principalement sur la théorie des graphes aléatoires, en particulier sur la modélisation et l'exploitation de réseaux complexes. Il est le directeur du Fields-CQAM Lab on Computational Methods in Industrial Mathematics de l'Institut Fields pour la recherche en sciences mathématiques et a poursuivi des collaborations avec divers partenaires industriels ainsi qu'avec le gouvernement du Canada. Il a rédigé plus de 170 articles et trois livres avec plus de 130 collaborateurs.
François Thberge est titulaire d'une licence en mathématiques appliquées de l'Université d'Ottawa, d'une maîtrise en télécommunications de l'INRS et d'un doctorat en génie électrique de l'Université McGill. Il est employé par le gouvernement du Canada depuis 1996 où il a participé à la création de l'équipe de science des données ainsi que du groupe de recherche maintenant connu sous le nom d'Institut Tutte de mathématiques et d'informatique. Il occupe également un poste de professeur adjoint au département de mathématiques et de statistiques de l'Université d'Ottawa. Il s'intéresse actuellement à l'exploration des données relationnelles et à l'apprentissage profond.
Autres informations sur le livre :
| ISBN : | 9781032112039 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2021 |
| Nombre de pages : | 264 |
Achat:
Actuellement disponible, en stock.
