Network Science

6 EC

Semester 2, periode 5

5072NEAN6Y

Eigenaar Bachelor Informatiekunde
Coördinator dr. Maarten Marx
Onderdeel van Bachelor Informatiekunde, jaar 1
Links Zichtbare leerlijnen

Studiewijzer 2025/2026

Globale inhoud

Alle informatie over dit vak vind je op Canvas

 

Heel veel wetenschappelijk en ook practische problemen zijn te bekijken en te analyseren met de theorie van netwerken. Voorbeelden van netwerken zijn het internet, het GPS netwerk, FaceBook, Twitter, samenwerk-netwerken, netwerken tussen woorden, infectie netwerken, etc.

We bekijken de formele theorie achter netwerken en grafen; we bekijken hoe we belangrijke (centrale) spelers in een netwerk kunnen detecteren, hoe we clusters van spelers kunnen maken, hoe informatie zich door een netwerk verspreid, hoe het toch komt dat rijkdom en aandacht vaak zo oneerlijk verdeeld zijn, en nog veel meer.

Theoretische stof wordt steeds voorzien van concrete voorbeelden. Je toetst of je de stof beheerst door het maken van opdrachten. Met het Python netwerk analyse  pakket NetWorkX gaan we bestaande grote netwerken analyseren en visualiseren. De theoretische stof kunnen we zo direct toepassen op bestaande en zelf vergaarde data.

Het vak is geschikt voor informatiekundigen, als minor- of keuzevak voor studenten AI, Informatica, media en cultuur, communicatiewetenschappers en studenten uit de sociale wetenschap.

 

 

Leerdoelen

Network Science

  • Wat zijn netwerken? Verschillende soorten: gericht/ongericht, gewogen/ongewogen, multiple layers, met eigenschappen op knopen
  • Basisbegrippen: volledig, verbonden, componenten, afstand, dichtheid,..
  • Centraliteitsmaten: degree, betweenness , closenness, eccentricity, pagerank, ...
  • Eigenschappen echte netwerken: triangular closure, clustering, small world, machtsverdeelde grootheden
  • (Bijna) alles zelf implementeren vanuit basis (in FO logica en in Python)
  • Theorie: strong-weak tie netwerken, friend-foe netwerken, diffusie van innovatie/besmetting in netwerken
  • Praktijk:
    • zelf netwerken opbouwen uit data te vinden op het web (eg co-starring netwerken in NL films, NL talkshows op TV, rapsongs)
    • leren werken met real life netwerken in networkx (via Python tutorials and datasets bij het boek).

 

Studiemateriaal

Literatuur

  • David Easley and Jon Kleinberg, 'Networks, Crowds, and Markets: Reasoning About a Highly Connected World', gratis te verkrijgen via http://www.cs.cornell.edu/home/kleinber/networks-book/
  • Menczer, F., Fortunato, S., & Davis, C. (2020). A First Course in Network Science. Cambridge: Cambridge University Press. doi:10.1017/9781108653947

Syllabus

  • https://canvas.uva.nl/courses/36007/assignments/syllabus

Software

  • IPython Notebooks, bij voorkeur de Anaconda distributie

Leerdoelen

  • De student kan de centrale wiskundige theorie over netwerken en gerichte en ongerichte grafen te beschrijven uitleggen.
  • De student kan de centrale theorie over sociale netwerken toepassen.
  • De student kan praktische problemen uit de echte wereld modelleren als netwerk probleem.
  • De student kan netwerk gegevens extraheren uit verzamelde data .
  • De student kan geavanceerde netwerk analyse software gebruiken om problemen op te lossen met behulp van de theorie en techniek van (sociale) netwerken.
  • De student kan eigen werk en dat van anderen testen op correctheid, voorzien van een heldere geschreven beoordeling, en kan ingeleverd werk van zichzelf en anderen ordenen op kwaliteit.
  • De student kan praktische problemen uit de echte wereld analyseren als netwerk probleem

Onderwijsvormen

  • Hoorcollege
  • Werkcollege
  • Laptopcollege
  • Zelfstudie
  • Begeleiding/feedbackmoment
  • Zelfstandig werken aan bijv. project/scriptie
  • (Computer)practicum
  • online vragenuur (Corona)

4 uur hoorcollege, 2 uur werkcollege en 2 uur online vragenuur per week.

 

Verdeling leeractiviteiten

Activiteit

Aantal uur

Digitale Toets

3

Hoorcollege

24

Laptopcollege

24

Zelfstudie

116

Aanwezigheid

  • Voor sommige studieonderdelen geldt een aanwezigheidsplicht. Indien er een aanwezigheidsplicht geldt, dan staat dit aangegeven in de studiegids die te raadplegen is via de UvA-website. De onderbouwing voor, en invulling van, deze aanwezigheidsplicht kan per vak verschillen, en is indien van toepassing opgenomen in deze studiewijzer.
  • Aanvullende eisen voor dit vak:

    nvt

    Toetsing

    Onderdeel en weging Details

    Eindcijfer

    1 (100%)

    Tentamen digitaal

    Alle informatie over toetsing staat op canvas.

    In de vierde (collegevrije) week geven we een proeftentamen in de collegezaal, wat direct daarna nagekeken en besproken zal worden.  De ervaring leert dat studenten die net doen alsof dit een echt tentamen is dat meetelt hier enorm van profiteren en  het enige echte tentamen in week 8 daardoor vrijwel allemaal halen.   

    Inzage toetsing

    Na elke toets is er een responsiecollege waarop de vragen van de toets en de juiste antwoorden daarop besproken worden. Daarna is er de mogelijkheid om de open vragen van je eigen toets in te zien.

    Opdrachten

    Zie canvas

    Fraude en plagiaat

    Dit vak hanteert de algemene 'Fraude- en plagiaatregeling' van de UvA. Hier wordt nauwkeurig op gecontroleerd. Bij verdenking van fraude of plagiaat wordt de examencommissie van de opleiding ingeschakeld. Zie de Fraude- en plagiaatregeling van de UvA: http://student.uva.nl

    Weekplanning

    Voor de weekplanning zie canvas

     

    Aanvullende informatie

     

    Noodzakelijke voorkennis: Programmeren IK, logica

    Verwerking feedback studenten

    • Het proeftentamen werd enorm gewaardeerd, en dat hebben we er dus ingehouden in 2025.
    • Het loslaten van de verplichte werkcolleges werd gewaardeerd en dat is dus dit jaar weer.
    • De IPython notebooks behorende bij het boek werden nuttig gevonden, dus die gebruiken we dit jaar ook weer.
    • Verweving met het vak Logica is in 2025 weer verder uitgebreid.

    Contactinformatie

    Coördinator

    • dr. Maarten Marx

     Docenten

     

    * Sanne van der Berg

    *  Maarten Marx