Skip to content
gh-pages
Go to file
Code

Latest commit

 

Git stats

Files

Permalink
Failed to load latest commit information.
Type
Name
Latest commit message
Commit time
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

README.md

《计算传播学编程基础》

2018课程

课程描述(Course Description)

计算传播学是计算社会科学的重要分支。它主要关注人类传播行为的可计算性基础,以传播网络分析、传播文本挖掘、数据科学等为主要分析工具,(以非介入地方式)大规模地收集并分析人类传播行为数据,挖掘人类传播行为背后的模式和法则,分析模式背后的生成机制与基本原理,可以被广泛地应用于数据新闻和计算广告等场景,注重编程训练、数学建模、可计算思维。本课程致力于介绍python编程和数据科学基础知识。

  • 时间:周三 第5-6节 仙Ⅱ-315
  • 教师:王成军

王成军,南京大学新闻传播学院副教授,奥美数据科学实验室主任,南京大学计算传播学实验中心副主任、香港城市大学Web Mining Lab成员。

课程内容

序号 日期 时间 内容 课时数量
1 3月7日 14:00-16:00 引言:计算传播学简介/课程简介 2学时
2 3月14日 14:00-16:00 Python基础: IntroductionHow to Run Python CodeBasic Python Syntax 2学时
3 3月21日 14:00-16:00 Python基础: Variables & Operators 2学时
4 3月28日 14:00-16:00 Python基础: Built-In Scalar Types & Data Structures 2学时
5 4月4日 14:00-16:00 Python基础: Control Flow StatementsDefining FunctionsErrors and Exceptions 2学时
6 4月11日 14:00-16:00 Python基础: Iterators & List Comprehensions 2学时
7 4月18日 14:00-16:00 Python基础: Generators and Generator ExpressionsModules and PackagesStrings and Regular Expressions 2学时
8 4月25日 14:00-16:00 Python基础: Preview of Data Science ToolsResources for Further LearningAppendix: Code To Reproduce Figures 2学时
9 5月2日 14:00-16:00 学生研究项目介绍 0学时
10 5月9日 14:00-16:00 数据科学: IPython: Beyond Normal Python 2学时
11 5月16日 14:00-16:00 数据科学: Introduction to NumPy 2学时
12 5月23日 14:00-16:00 数据科学:Data Manipulation with Pandas 2学时
13 5月30日 14:00-16:00 数据科学: Visualization with Matplotlib 2学时
14 6月6日 14:00-16:00 数据科学:Machine Learning 2学时
15 6月13日 14:00-16:00 数据科学:Machine Learning 2学时
16 6月20日 14:00-16:00 数据科学:Machine Learning 2学时

Mybinder

Mybinder.org turns a GitHub repo into a collection of interactive notebooks. Have a repository full of Jupyter notebooks? With Binder, open those notebooks in an executable environment, making your code immediately reproducible by anyone, anywhere.

https://hub.mybinder.org/user/computational-class-cc2018-fnvsqpca/tree

可选研究项目

  1. 分析《权力的游戏》中的核心人物及其演变

A Network analysis of Game of Thrones: Analyze the network of characters in Game of Thrones and how it changes over the course of the books. https://www.datacamp.com/projects/76

Get the Data

  • Winter is Coming. Let's load the dataset ASAP
  • Time for some Network of Thrones
  • Populate the network with the DataFrame
  • Finding the most important character in Game of Thrones
  • Evolution of importance of characters over the books
  • What's up with Stannis Baratheon?
  • What does the Google PageRank algorithm tell us about Game of Thrones?
  • Correlation between different measures
  • Conclusion
  1. Kaggle比赛数据分析 《众包模式下的数据科学编程比赛》
  1. IMDB电影数据 《让电影成功的元素:基于IMDB数据的分析》

案例分析

参考书(Recommended Textbooks)

阅读文献

  • 第一周

    • Watts, D.J., A twenty-first century science. Nature, 2007. 445(7127): p. 489-489.
    • Lazer, D., et al., Life in the network: The coming age of computational social science. Science, 2009. 323(5915): p. 721.
    • 王成军, 计算传播学:作为计算社会科学的传播学[J]. 中国网络传播研究, 2014. 第193-206页
    • 王成军, 计算传播学的起源、概念和应用[J]. 编辑学刊, 2016(3): 第59-64页.
    • Duncan J. Watts. Should social science be more solution-oriented? Nature Human Behaviour. 1, 0015 (2017) doi:10.1038/s41562-016-0015
  • 第三周

  • 第五周

    • Onnela, Structure and tie strength in mobile communication networks, PNAS 2007
    • Kossinets, G. and Watts, D.J., 2006. Empirical analysis of an evolving social network. science, 311(5757), pp.88-90.
    • Christakis, N. A., & Fowler, J. H. (2007). The spread of obesity in a large social network over 32 years. New England journal of medicine, 357(4), 370-379.
    • 网络群体与市场 第1、2、3章
  • 第七周

    • 网络群体与市场 第13、14章
    • Broder, A., Kumar, R., Maghoul, F., Raghavan, P., Rajagopalan, S., Stata, R., Tomkins, A. and Wiener, J., 2000. Graph structure in the web. Computer networks, 33(1), pp.309-320.
    • Kleinberg, J.M., 1999. Authoritative sources in a hyperlinked environment. Journal of the ACM (JACM), 46(5), pp.604-632.
    • Page, L., Brin, S., Motwani, R. and Winograd, T., 1999. The PageRank citation ranking Bringing order to the web. Stanford InfoLab.
  • 第九周

    • Barabási, A.L. and Albert, R., 1999. Emergence of scaling in random networks. science, 286(5439), pp.509-512.
    • Watts, D.J. and Strogatz, S.H., 1998. Collective dynamics of ‘small-world’networks. nature, 393(6684), pp.440-442.
    • Kleinberg, J.M., 2000. Navigation in a small world. Nature, 406(6798), pp.845-845.
    • 网络群体与市场 第18、20、21章
  • 第十一周

    • 学生项目介绍
  • 第十三周

  • 第十五周

    • Vickrey, W., 1961. Counterspeculation, auctions, and competitive sealed tenders. The Journal of finance, 16(1), pp.8-37.
    • Demange, G., Gale, D. and Sotomayor, M., 1986. Multi-item auctions. Journal of Political Economy, 94(4), pp.863-872.
    • 网络群体与市场 第6、9、10章
  • 第十七周

相关课程

You can’t perform that action at this time.