Couvre les propriétés stochastiques, les structures du réseau, les modèles, les statistiques, les mesures de centralité et les méthodes d'échantillonnage dans l'analyse des données du réseau.
Explore la structure des réseaux sociaux et d'information, en se concentrant sur les composants géants, le clustering, la formation de liens et la connectivité réseau.
Se penche sur l'apprentissage automatique amélioré par les graphiques, en mettant l'accent sur la détection des fraudes, la détection des logiciels malveillants et les systèmes de recommandation.
Plonge dans la dynamique des réseaux sociaux et d'information, y compris le comportement de troupeau, les cascades d'informations, l'attachement préférentiel et le paradoxe de l'amitié.
Explore l'analyse statistique des données du réseau, qui couvre les structures graphiques, les modèles, les statistiques et les méthodes d'échantillonnage.
Couvre le modèle structurel pour les circuits séquentiels, les réseaux logiques synchrones et les approches de synthèse séquentielle, y compris le retiming.
Introduit des structures de données réseau, des modèles et des techniques d'analyse, mettant l'accent sur l'invariance de permutation et les réseaux Erdős-Rényi.