Сайты ТУСУРа
Научно-образовательный портал ТУСУР
☰

Интеллектуальный анализ социальных сетей

09.04.04 - Программная инженерия (Искусственный интеллект в безопасности киберфизических систем)

Очная форма обучения, план набора 2022 г.

Изучается: 2 семестр

Цикл дисциплины: Б1. Дисциплины (модули)

Индекс дисциплины: Б1.В.01.03

Обеспечивающая кафедра: Кафедра комплексной информационной безопасности электронно-вычислительных систем

Рабочая программа

Интеллектуальный анализ социальных сетей: Рабочая программа учебной дисциплины «Интеллектуальный анализ социальных сетей»/ Лунёва Е. Е. ‐ 2023

Основная литература

Тюрин, С. Ф. Теория графов и её приложения : учебное пособие / С. Ф. Тюрин. — Пермь : ПНИПУ, 2017. — 207 с. — ISBN 978-5-398-01745-8. — Текст : электронный // Лань : электронно-библиотечная система. — URL:

Юре, Л. Анализ больших наборов данных / Л. Юре, Р. Ананд, Д. У. Джеффри ; перевод с английского А. А. Слинкин. — Москва : ДМК Пресс, 2016. — 498 с. — ISBN 978-5-97060-190-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL:

Сопов, Е. А. Многокритериальные нейроэволюционные системы в задачах машинного обучения и человеко-машинного взаимодействия : монография / Е. А. Сопов, И. А. Иванов. — Красноярск : СФУ, 2019. — 160 с. — ISBN 978-5-7638-3969-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL:

Дополнительная литература

Замолоцких, В. С. Применение теории графов для анализа социальных сетей : учебное пособие / В. С. Замолоцких, В. Г. Сидоренко. — Москва : РУТ (МИИТ), 2020. — 74 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL:

Учебно-методическое пособие

Colab Notebooks and Video Tutorials. Official Examples: учебно-методические материалы к документации библиотеки Pytorch Geometric для разработки графовых нейронных сетей // https://pytorch-geometric.readthedocs.io/ URL:

Бонцанини, М. Анализ социальных медиа на Python. Извлекайте и анализируйте данные из всех уголков социальной паутины на Python / М. Бонцанини ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2018. — 288 с. — ISBN 978-5-97060-574-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL:

Рашка, С. Python и машинное обучение: крайне необходимое пособие по новейшей предсказательной аналитике, обязательное для более глубокого понимания методологии машинного обучения : руководство / С. Рашка ; перевод с английского А. В. Логунова. — Москва : ДМК Пресс, 2017. — 418 с. — ISBN 978-5-97060-409-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL:

Флах, П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных / П. Флах. — Москва : ДМК Пресс, 2015. — 400 с. — ISBN 978-5-97060-273-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL:


Контрольные испытания

Вид контроля Семестры
Зачет 2

Объем дисциплины и виды учебной деятельности

Вид учебной деятельности 1 семестр 2 семестр 3 семестр 4 семестр Всего Единицы
Лекционные занятия1212часов
Лабораторные занятия1616часов
↳ из них практическая подготовка1616часов
Самостоятельная работа116116часов
↳ из них практическая подготовка0часов
Общая трудоемкость144144часов
44З.Е

Компетенции

Код Содержание
ПК-1 Способен анализировать и применять методы искусственного интеллекта и машинного обучения для защиты киберфизических систем;
УК-1 Способен осуществлять критический анализ проблемных ситуаций на основе системного подхода, вырабатывать стратегию действий
УК-5 Способен анализировать и учитывать разнообразие культур в процессе межкультурного взаимодействия

Научно-образовательный портал ТУСУРа

При полном или частичном использовании текстовых и графических материалов с сайта edu.tusur.ru активная ссылка на сайт ТУСУРа обязательна.

Интересующие вас вопросы можно задать в личном кабинете

Задать вопрос