Introduction to Social Network Analysis using Advanced Data Mining

 

Montag, 18.09.2017

Richard Weber, 18. bis 22. September 2017

Inhalt

Soziale Netzwerke spielen eine immer wichtigere Rolle in unserer Gesellschaft. Dabei sind Facebook und Twitter nur zwei solcher Internetseiten, auf denen Nutzer Netzwerke aufbauen und pflegen können. Viele klassische unternehmerische Entscheidungen können durch soziale Netzwerkanalyse (SNA) gestützt werden. Kreditvergabe oder Marketingkampagnen sind nur zwei Beispiele. Aber auch weniger traditionelle Bereiche wie z.B. die Aufklärung organisierten Verbrechens können von diesem relativ neuen Ansatz profitieren. In diesem Kurs werden anhand fortgeschrittener Data Mining Techniken zunächst die Grundlagen für die soziale Netzwerkanalyse gelegt. Die Hauptthemenfelder der SNA werden vorgestellt. Der Kurs schließt mit der Anwendung der erlernten Techniken auf reelle Daten aus sozialen Netzwerken unter Verwendung spezifischer Software-Lösungen.

Lernziele

Dieser Kurs soll Teilnehmer dazu in die Lage versetzen,:

  • das Potenzial der SNA in verschiedenen Bereichen wie der Wirtschaft und organisiertem Verbrechen zu verstehen
  • passende Methoden zur Durchführung von Netzwerkanalysen auszuwählen
  • soziale Netzwerke mit Hilfe fortgeschrittener Data Mining Techniken zu analysieren
  • Lösungen auf Basis der jeweiligen Netzwerkanalysen vorzuschlagen.

Voraussetzungen

  • Sehr gute Englischkenntnisse
  • Die Bereitschaft, sich mit wissenschaftlichen Artikeln und Fallstudien als Vorbereitung auf den Kurs auseinanderzusetzen

Aufgrund des interaktiven Formats wird die Teilnehmerzahl auf 30 (max) begrenzt.

Bewertung

The final grade will be composed as follows:

  • Option A: Colloquium & student presentation (weight: 50%) and written exam (60 minutes, weight: 50%)
  • Option B: Colloquium & student presentation (weight: 50%) and student paper (weight: 50%)
  • Option C: Colloquium & student presentation (weight: 50%) and oral exam (weight: 50%)
  • Option D: Colloquium & student presentation (weight: 100%)

All components specified for the respective option need to be passed to pass the module. The exact form of examination (A, B, C or D) will be announced at the start of the course. Unless announced differently, option A applies.