This course comprises two modules, namely, [netsci] and [dataviz], with the objectives described below.

The full version of the course includes both modules. This is of interest to students of INF0007 "Analisi e Visualizzazione delle Reti Complesse" (Master's degree in Computer Science, 9 credits) and FIS0127 "Analisi e Visualizzazione di Reti Complesse" (Master's degree in Fisica dei Sistemi Complessi, 9 credits).

Other students may have to consider only the [netsci] module. This applies, in particular, to students attending MFN0954 "Reti Complesse" (Master's degree in Computer Science, 6 credits).

Network Science [netsci]

This module introduces the fundamental concepts, principles, and methods in the interdisciplinary field of network science, with a particular focus on analysis techniques, modeling, and applications for the World Wide Web and online social media. Topics covered include graphic structures of networks, mathematical models of networks, common network topologies, the structure of large-scale graphs, community structures, epidemic spreading, PageRank and other centrality measures, dynamic processes in networks, and graphs visualization. Additionally, students will learn how to apply the basic principles of network science to perform CNA (Complex Network Analysis) tasks on real data with R and/or Python and many different packages/libraries such as NetworkX, iGraph, networks, and so on, as well as advanced graph visualization tools as GePhi.

Data visualization [dataviz]

Un altro obiettivo di questo corso è apprendere i principi della visualizzazione delle informazioni. Saranno insegnati i principi di base della progettazione e della valutazione della visualizzazione e come acquisire, analizzare e analizzare grandi insiemi di dati. Le studentesse e gli studenti apprenderanno anche le tecniche di visualizzazione di dati multivariati, temporali, testuali, geospaziali, gerarchici e (naturalmente) basati su reti/grafi. Inoltre, saranno utilizzati diversi strumenti, quali ad esempio GePhi, D3, python e plot.ly e molti altri per prototipare molte delle tecniche tecniche apprese su set di dati esistenti.