网络科学，尤其是其中网络挖掘的部分，在很多现实场景中有着广泛应用，比如社交网络分析、搜索算法设计、金融风险防控、知识图谱建立、商品个性化推荐等等。最近我们大数据与人工智能教育团队（DataCastle）与香港科技大学王乐业博士合作完成了一门网络挖掘的体系课程。

该课程从网络挖掘的基础知识到网络模型的建立与可视化再到具体场景的应用，进行了系统性的介绍。课程应用场景覆盖了社交网络、金融网络、商品偏好网络、城市交通网络、医疗网络等等，是目前国内最为系统的在线网络挖掘课程。王乐业博士授课水平很高，曾经开设过《数据分析师》课程，受众广泛，是国内最受欢迎的相关专业课。

相信大家能够通过这个课程，真正学到有关网络挖掘的核心理念和关键技术，在未来的职场或者科研中发挥作用。我们期望达到以下目标：

1. 将数据分析/数据挖掘的技能，提升到更高的维度；

2. 掌握网络挖掘模型构建及分析方法，养成网络思维；

3. 熟练使用NetworkX/Numpy/Pandas/Matplotlib等分析工具；

4. 通过实战，熟悉社交、购物、金融等领域的业务模型；

5. 掌握社交网络分析、推荐系统、风控分析等细分领域的实践技能。

课程链接：

https://www.dcxueyuan.com//classDetail/classIntroduce/30/page.html?slxydc=dc186e

课程内容如下：

第一章：建立网络模型

1-1.开启网络挖掘之旅：网络数据与网络模型

1-2.Python环境搭建与相关工具安装

1-3.网络基础：节点、边、度数及表示方法

1-4.网络度量1：从谷歌PageRank看节点中心性

1-5.网络度量2：节点的传递性与网络的相似度

1-6.网络建模1：如何建立与真实网络近似的模型

1-7.网络建模2：常见网络模型的特征与实现

1-8.实战：利用NetworkX建立网络模型及可视化

第二章：社交网络分析与挖掘

2-1.有哪些可以免费获取的社交网络数据资源

2-2.利用爬虫爬取社交网络数据

2-3.网络模型在社交数据挖掘中的应用

2-4.社交网络信息推测1：用户画像与好友推荐

2-5.社交网络信息推测2：模型设计与特征挖掘

2-6.信息推测实战1：用户年龄预测的流程梳理

2-7.信息推测实战2：Book Crossing 数据集探索分析

2-8.信息推测实战3：机器学习算法实现年龄预测

2-9.社交网络挖掘：组群发现

2-10.组群发现实战：Email 网络数据组群挖掘

2-11.社交网络挖掘：信息传播

第三章：商品偏好网络与推荐系统

3-1.商品偏好网络在电商业务中的应用

3-2.商品偏好网络数据的获取方式

3-3.商品推荐机制及主流推荐算法

3-4.推荐系统1：基于内容的推荐

3-5.推荐系统2：协同过滤

3-6.利用强化学习方法进行商品推荐

第四章：金融网络分析及风险预测

4-1.认识金融网络及其数据

4-2.金融网络数据如何获取

4-3.金融网络分析的意义及应用

4-4.金融网络中的风险预测

4-5.金融网络中的投资偏好分析

4-6.深度学习在金融网络中的应用

第五章：其他网络模型

5-1.城市道路网络：模型构建及道路通畅情况预测

5-2.疾病传播网络：传播模型及关键传播节点挖掘

5-3.隐形关系网络的构造及应用

第六章：网络分析思维训练及总结

6-1.思维养成：常见的网络问题形式及抽象

6-2.都是套路：常见网络问题解决方案汇总

6-3.常见的网络数据可视化工具