Network Science, 3 hp

Network Science

Kursinformation

Undervisningsspråk: Engelska
Tid då kursen ges: Period 3-4 (april-juni)
Undervisningsformat, på campus eller digitalt: Campus

Rekommenderade förkunskaper

Kursen riktar sig till doktorander som är villiga att tillämpa network science inom sin egen disciplin, men även till mer erfarna forskare med en samlad forskningsbakgrund inom olika områden. Eftersom det är en bred tvärvetenskaplig kurs kommer ämnena att presenteras på ett självständigt sätt som ger studenterna möjlighet till fördjupning i litteraturstudien i andra delen av kursen. Kursen ges på en avancerade nivå. De rekommenderade förkunskaperna är:

- Grundläggande sannolikhetskunskaper och statistic
- R, Python eller grundläggande programmering är av fördel

Kursens mål

Kursen går genom grunderna i nätverksvetenskap, inklusive centralitetsmått, nätverksegenskaper, nätverksmodeller, spridning och de viktigaste uppgifterna inom nätverksutvinning.

Lärandemål:

Beskriva grundläggande begrepp inom nätverksvetenskap.
Bestämma vilket mått som ska användas för att analysera en specifik aspekt av ett nätverk.
Förstå nätverksmodellernas egenskaper och deras inverkan på nätverksanalysen.
Tolka måttens numeriska värden

Hur kursen relaterar till mål för examen på forskarnivå

Kunskap och förståelse:
Kursen introducerar modeller, mått och verktyg som bidrar till att bredda kunskap, förståelse och forskningsmetodik i allmänhet - men vi hoppas att studenterna också kan använda dem i deras vetenskapliga arbete.
Färdighet och förmåga / C. Värderingsförmåga och förhållningssätt:
Studenterna kommer att behöva presentera, granska och diskutera (argumentera) forskning inom network science i tal och skrift och i dialog med kollegor från olika discipliner.

Kursinnehåll

Network Science är ett mycket aktivt och tvärvetenskapligt område som syftar till att studera fysiska, sociala och biologiska system som kan modelleras som nätverk av sammankopplade enheter. Kursen täcker grunderna i network science, inklusive centralitetsmått för nätverksanalys (grad, distans, ...), nätverksegenskaper (gradfördelning, genomsnittlig väglängd, ...), nätverksmodeller (Erdös-Renyi, small world, preferential attachement), spridning (SI/SIR/SIS-modeller, ...) och de viktigaste nätverksutvinningsuppgifterna (positions-/rolldetektering, länkprediktion, communitydetektering).

Alla ämnen kommer att introduceras i teori och praktik, med hjälp av R/Python programmeringsspråk och olika nätverksanalyspaket som praktiska övningar under föreläsningarna. Sedan väljer och granskar studenterna viktiga artiklar från olika områden, utvalda av lärarna baserat på deras betydelse inom området, för att lära sig om avancerade tillämpningar och utvecklingar.

Undervisning

Det preliminära schemat för kursen innehåller:

DEL I: Nätverk: en introduktion (föreläsningar + praktiska aktiviteter)

Dag 1: Introduktion till kursen
Dag 1: Nätverksmodeller och mätningar (del I + II)
Dag 2: Nätverksutvinning (del I + II)
Dag 2: Inbjuden ämnesföreläsning om nätverksvetenskap (TBD)
Dag 3: Nätverksvisualisering
Dag 3: Inbjuden ämnesföreläsning om nätverksvetenskap (TBD)
Dag 4: Inbjuden ämnesföreläsning om nätverksvetenskap (TBD)
Dag 5: Inbjuden ämnesföreläsning om nätverksvetenskap (TBD)

DEL II: Litteraturstudie

Studenterna ger preferenser och tilldelas relevanta forskningsrapporter som täcker olika avancerade ämnen. Studenterna lämnar in sina reviews. Reviews kommer sedan att diskuteras i grupper.

Dag 5: Programkommittémöte (och kursavslutning)

Examination

Aktivt deltagande i alla kursaktiviteter, alternativt lämna in en kompletterande uppgift.

Examinator

Professor Christian Rohner, christian.rohner@it.uu.se

Huvudansvarig institution

Institutionen för informationsteknologi

Kontaktperson/er

Professor Christian Rohner, christian.rohner@it.uu.se
Assistant Professor Davide Vega, davide.vega@it.uu.se

Ansökan

Skicka anmälan till kursen till: Christian Rohner, christian.rohner@it.uu.se
Skicka anmälan senast: 15 mars 2026