ΚΟΙΝΩΝΙΚΑ ΜΕΣΑ

Πληροφορίες Μαθήματος
ΤίτλοςΚΟΙΝΩΝΙΚΑ ΜΕΣΑ / SOCIAL MEDIA
ΚωδικόςIWW-02-10
ΣχολήΘετικών Επιστημών
ΤμήμαΠληροφορικής
Κύκλος / Επίπεδο2ος / Μεταπτυχιακό
Περίοδος ΔιδασκαλίαςΕαρινή
Υπεύθυνος/ηΙωάννης Πήτας
ΚοινόΌχι
ΚατάστασηΕνεργό
Course ID600000902

Πρόγραμμα Σπουδών: Διαδίκτυο και Παγκόσμιος Ιστός

Εγγεγραμμένοι φοιτητές: 0
ΚατεύθυνσηΤύπος ΠαρακολούθησηςΕξάμηνοΈτοςECTS
ΚΟΡΜΟΣΥποχρεωτικό Κατ' Επιλογήν217,5

Πληροφορίες Τάξης
ΤίτλοςΚΟΙΝΩΝΙΚΑ ΜΕΣΑ
Ακαδημαϊκό Έτος2017 – 2018
Περίοδος ΤάξηςΕαρινή
Διδάσκοντες μέλη ΔΕΠ
Ώρες Εβδομαδιαία3
Class ID
600111866
Τύπος Μαθήματος 2016-2020
  • Επιστημονικής Περιοχής
Τύπος Μαθήματος 2011-2015
Ειδικού Υποβάθρου / Κορμού
Τρόπος Παράδοσης
  • Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
Γλώσσα Διδασκαλίας
  • Ελληνικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Γενικές Προαπαιτήσεις
Βασικές γνώσεις εφαρμοσμένων μαθηματικών και θεωρίας γράφων. Γνώσεις προγραμματισμού C/C++ ή MATLAB. Ευχέρεια στην μελέτη επιστημονικών κειμένων στα αγγλικά.
Μαθησιακά Αποτελέσματα
α) Μαθησιακοί στόχοι: Εμπέδωση των βασικών εννοιών θεωρίας και τεχνολογίας θεωρίας γράφων και κοινωνικών μέσων. Εκτεταμένη έκθεση σε προγραμματισμό C/C++, MATLAB, ή Scala για ανάλυση κοινωνικών μέσων. Εξοικείωση με προγραμματιστικά περιβάλλοντα και πακέτα, όπως MATLAB toolboxes και OpenCV. Έκθεση σε υποτομείς της ανάλυσης γραφημάτων που σχετίζονται με θέματα που αφορούν κοινωνικά μέσα. β) Δεξιότητες: Θεμελίωση υποβάθρου για την περαιτέρω μελέτη προβλημάτων θεωρίας γράφων και κοινωνικών μέσων και εφαρμογών σε προβλήματα ανάκτησης και επεξεργασίας πληροφορίας που εξάγεται από κοινωνικά μέσα . Απόκτηση ικανότητας χρήσης και ανάπτυξης αλγορίθμων ανάλυσης δεδομένων που εξάγονται από κοινωνικά μέσα. Όξυνση αναλυτικών και προγραμματιστικών δεξιοτήτων. Ικανότητα ανάπτυξης βασικών εφαρμογών ανάλυσης δεδομένων που εξάγονται από κοινωνικά μέσα με χρήση με χρήση C/C++ ή MATLAB. Ικανότητα ανάπτυξης κατανεμημένων προγραμμάτων για την επεξεργασία Μεγάλων Δεδομένων (Big Data) κοινωνικών μέσων σε γλώσσα Scala και μέσω της πλατφόρμας κατανεμήμένης επεξεργασίας Spark της Apache. Ικανότητα συγκέντρωσης και επεξεργασίας δεδομένων απο τα κοινωνικά μέσα.
Γενικές Ικανότητες
  • Εφαρμογή της γνώσης στην πράξη
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Λήψη αποφάσεων
  • Αυτόνομη εργασία
  • Παραγωγή νέων ερευνητικών ιδεών
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Γράφοι σε Κοινωνικά και Ψηφιακά Μέσα, Μαθηματικά Προαπαιτούμενα: Γράφοι και Πίνακες, Αλγεβρική Ανάλυση Γράφων, Αναζητήσεις Παγκόσμιου Ιστού βασισμένες σε Κατάταξη, Διάδοση Ετικετών και Διάχυση Πληροφορίας σε Γράφους, Ταξινόμηση Προτύπων Μείωσης Διαστασης βασισμένη σε Γράφους, Παραγοντοποίηση Πινάκων και Τανυστών με Εφαρμογές σε Συστήματα Σύστασης, Αναζήτηση Πολυμέσων σε Κοινωνικά Δίκτυα βασισμένη σε Μάθηση Υπεργράφων, Επεξεργασία Σήματος με Γράφους σε Κοινωνικά Δίκτυα, Ανάλυση Μεγάλων Δεδομένων (Big Data) για Κοινωνικά Δίκτυα, Προσαρμογή Σημασιολογικών Μοντέλων για Εξελισσόμενα Κοινωνικά Μεγάλα Δεδομένα, Αποθήκευση, Επεξεργασία και Οπτικοποίηση Μεγάλων Γράφων.
Λέξεις Κλειδιά
Κοινωνικά μέσα, κοινωνικά δίκτυα, θεωρία γράφων
Τύποι Εκπαιδευτικού Υλικού
  • Βιβλίο
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
  • Χρήση Τ.Π.Ε. στη Διδασκαλία
Οργάνωση Μαθήματος
ΔραστηριότητεςΦόρτος ΕργασίαςECTSΑτομικάΟμαδικάErasmus
Διαλέξεις1264,2
Μελέτη και ανάλυση βιβλίων και άρθρων421,4
Εκπόνηση μελέτης (project)571,9
Εξετάσεις
Σύνολο2257,5
Αξιολόγηση Φοιτητών
Περιγραφή
Βιβλιογραφικές ή προγραμματιστικές εργασίες, παρουσιάσεις στις οποίες οι φοιτητές εξετάζονται.
Μέθοδοι Αξιολόγησης Φοιτητών
  • Γραπτή Εξέταση με Ερωτήσεις Σύντομης Απάντησης (Διαμορφωτική, Συμπερασματική)
  • Γραπτή Εργασία (Διαμορφωτική, Συμπερασματική)
  • Δημόσια Παρουσίαση (Διαμορφωτική, Συμπερασματική)
  • Εργαστηριακή Εργασία (Διαμορφωτική, Συμπερασματική)
Βιβλιογραφία
Βιβλιογραφία μαθήματος (Εύδοξος)
“Graph-Based Social Media Analysis”, edited by Ioannis Pitas, CRC Press, 2016.
Επιπρόσθετη βιβλιογραφία για μελέτη
•Exponential Random Graph Models for Social Networks: Theory, Methods and Applications (Structural Analysis in the Social Sciences)”, by Dean Lusher, Johan Koskinen and Garry Robins, Cambridge University Press, 2012. •“Social Network Analysis (Quantitative Applications in the Social Sciences)” by David Knoke and Song Yang, SAGE, 2007. •“Social Network Analysis and Education: Theory, Methods & Applications”, by Brian V. Carolan, SAGE, 2013. •“Analyzing Social Networks”, by Stephen P. Borgatti, Martin G. Everett and Jeffrey C. Johnson, SAGE, 2013. •“Large-Scale Data Analytics”, by Aris Gkoulalas-Divanis and Abderrahim Labbi, Springer, 2014. •“Mining the Social Web: Analyzing Data from Facebook, Twitter, LinkedIn and Other Social Media Sites”, by Matthew A. Russell, O’Reilly, 2011. •“Social Network Analysis for Startups: Finding connections on the social web”, by Maksim Tsvetovat and Alexander Kouznetsov, O’Reilly, 2011. •“Social Network Analysis: A Handbook”, by John Scott, SAGE, 2000. •“Social Network Analysis: Methods and Applications (Structural Analysis in the Social Sciences)”, by Stanley Wasserman and Katherine Faust, 1994. •“Graph Mining: Laws, Tools, and Case Studies”, by D. Chakrabarti and C Faloutsos, Morgan & Claypool, 2012. The book is a rather short one and covers only few of the tools (e.g., tensors) and applications at hand (e.g., community detection, diffusion). •“Networks: an introduction” by M. Newman, Oxford University Press, 2010. •“Networks, Crowds, and Markets”, by Easley and Kleinberg, Cambridge University Press, 2010. •“Introduction to Computational Social Science”, by Claudio Cioffi-Revilla, Springer, 2014.
Τελευταία Επικαιροποίηση
29-02-2016