WiSe 23/24: Methoden zur Analyse von Graphen und Netzwerken
Katharina Baum, Pauline Hiort
Kommentar
Die Welt ist komplex, genauso wie ihre Daten. Graphen (oder Netzwerke) nehmen eine Schlüsselstellung in der Analyse komplexer Daten und in der Integration von Datenebenen ein. Sie ermöglichen das Abbilden und die formale Untersuchung von Zusammenhängen zwischen Entitäten (Knoten).
Im Laufe des Seminars werden wir uns mit verschiedenen computergestützten Analysemethoden von Graphen und Netzwerken beschäftigen. Dazu lernen wir unterschiedliche Arten und Eigenschaften von Graphen und den allgemeinen Umgang mit ihnen kennen. Zudem werden Anwendungsbereiche von Graphen wie soziale oder biologische Netzwerke besprochen.
Beispiele für konkrete Themen sind hierbei
- Grundlegende Eigenschaften von Graphen und Knoten und wie man sie bestimmt: kürzeste Wege, Zentralitäten, Gradverteilung, Clustering-Koeffizienten
- Über sieben Knoten musst du gehen – Die kleine-Welt Eigenschaft sozialer Interaktionsnetzwerke
- Cluster und Gemeinschaften in Netzwerken
- Anwendung: Netzwerke zum Abbilden von molekularen Regulationen
- Zufallsgraphen und ihre Anwendung
- Arbeiten mit großen Netzwerken, repräsentative Subgraphen
- Modellierung von Informations- und Signalfluss in Graphen und Finden von Signalquellen
- Knoten als Zahlen – Graph-basierte Einbettungsmethoden
- Graphen und maschinelles Lernen: Graph neuronale Netzwerke (GNNs)
Wir werden uns am Mi, 4.10.2023 um 10:15 Uhr (in einem hybriden Setting, bitte für Raum & Zugang die Ankündigung im Whiteboard beachten) zur Vorbesprechung und Themenvergabe treffen. Bitte kontaktieren Sie uns vorab (pauline.hiort@fu-berlin.de oder katharina.baum@fu-berlin.de), sollten Sie am Proseminar teilnehmen wollen und diesen Termin nicht wahrnehmen können.
SchließenLiteraturhinweise
Examples for employed literature
- "Network Science" by A. L. Barbarasi (http://networksciencebook.com/): Different chapters from the book Network Science about the basics of graphs and networks
- "node2vec: Scalable Feature Learning for Networks" by A. Grover and J. Leskovec (https://doi.org/10.1145/2939672.2939754): Publication about a graph-based embedding where nodes are coded as vectors
- "A Gentle Introduction to Graph Neural Networks" by B. Sanchez-Lengeling and others (https://distill.pub/2021/gnn-intro/): Article introducing the topic of graph neural networks
16 Termine
Regelmäßige Termine der Lehrveranstaltung