CURSO:MINERIA DE MEDIOS SOCIALES Y CIENCIA DE REDES TRADUCCION:SOCIAL MEDIA MINING AND NETWORK SCIENCE SIGLA:INF3801 CREDITOS:05 MODULOS:02 CARACTER:OPTATIVO TIPO:CATEDRA,LABORATORIO CALIFICACION:ESTANDAR DISCIPLINA:INGENIERIA,COMPUTACION PALABRAS CLAVE:COMPUTACION,INTELIGENCIA,ARTIFICIAL,CIENCIA,DATOS,MEDIOS,SOCIALES,REDES,MINERIA I.DESCRIPCIÓN DEL CURSO En este curso los estudiantes analizaran los conceptos basicos y algoritmos fundamentales apropiados para la investigacion de datos masivos de medios sociales, comparando teorias y metodologias desde distintas disciplinas como ciencia de la computacion, ciencia de redes, mineria de datos, aprendizaje de maquinas, analisis de redes sociales, sociologia, etnografia, estadistica y matematicas. Ademas los estudiantes adquiriran herramientas para representar, medir, modelar, y extraer patrones significativos para datos sociales de gran escala. II.RESULTADOS DE APRENDIZAJE 1.Analizar datos de medios sociales por medio de teorias sociales y computacionales. 2.Relacionar las teorias sociales y computacionales y el mundo de los medios sociales a traves del uso de herramientas computacionales. III.CONTENIDOS 1.Introduccion 1.1.Definiciones: ?Que son los medios sociales? 1.2.Contexto historico 1.3.Diferencias con mineria de datos tradicional 1.4.Nuevos desafios en la mineria de medios sociales 2.Fundamentos de Grafos 2.1.Modelos de Representacion 2.2.Tipos de Gafos 2.3.Conectividad 2.4.Algoritmos de Grafos 3.Medidas de Redes 3.1.Medidas de Centralidad 3.2.Transitividad y Reciprocidad 3.3.Balance y Status 3.4.Similaridad 4.Modelos de Red 4.1.Propiedades de Redes del Mundo Real 4.2.Grafos Aleatorios 4.3.Modelo Small-World 4.4.Modelo Preferential Attachment 5.Fundamentos de Mineria de Datos 5.1.Tipos de Datos 5.2.Preprocesamiento de Datos 5.3.Aprendizaje Supervisado 5.4.Aprendizaje No Supervisado 6.Analisis de Comunidades 6.1.Deteccion de Comunidades 6.2.Evolucion de Comunidades 6.3.Evaluacion de Comunidades 7.Difusion de Informacion en Medios Sociales 7.1.Comportamiento de Grupos 7.2.Cascadas de Informacion 7.3.Difusion de Innovacion 7.4.Modelos de Epidemias 8.Homofilia e Influencia 8.1.Medicion de Asortatividad 8.2.Influencia 8.3.Homofilia 8.4.Distinguiendo Influencia y Homofilia 9.Aplicaciones 9.1.Sistemas Recomendadores Sociales 9.2.Analiticas de Comportamiento Individual 9.3.Analiticas de Comportamiento Colectivo IV.ESTRATEGIAS METODOLOGICAS -Clases expositivas. -Talleres practicos de laboratorio. V.ESTRATEGIAS EVALUATIVAS -Controles: 30% -Actividades practicas en laboratorio: 30% -Proyecto: 40% VI.BIBLIOGRAFIA Minima Zafarani, R., Abbasi, M. A., & Liu, H. (2014). Social media mining: an introduction. Cambridge University Press. Barabasi, A. (2016) Network Science. Cambridge University Press. Easley, D., & Kleinberg, J. (2010). Networks, crowds, and markets. Cambridge Univ Press, 6(1), 1-6. Complementaria Jackson, M. O. (2010). Social and economic networks. Princeton university press. Kraut, R. E., Resnick, P., Kiesler, S., Burke, M., Chen, Y., Kittur, N., ... & Riedl, J. (2012). Building successful online communities: Evidence-based social design. Mit Press. Liu, H., Salerno, J., & Young, M. J. (Eds.). (2009). Social computing and behavioral modeling. Springer Science & Business Media. PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA / ENERO 2020