Explore le modèle de bloc stochastique, le regroupement spectral et la compréhension non paramétrique des modèles de bloc, en mettant l'accent sur les mesures pour comparer les modèles graphiques.
Explore les méthodes d'analyse des réseaux, les concepts opérationnels, les applications historiques et les défis liés au traitement du temps au sein des réseaux.
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.
Couvre les paradigmes algorithmiques pour les problèmes de graphique dynamique, y compris la connectivité dynamique, la décomposition de l'expansion et le regroupement local, brisant les barrières dans les problèmes de connectivité k-vertex.
Explore les regroupements de réseaux, les regroupements spectraux, l'algorithme des moyennes k, les propriétés des valeurs propres, l'estimation des modèles de blocs et la mesure de la similarité structurelle.
Explore l'importance du classement dans les réseaux, en mettant l'accent sur des algorithmes tels que PageRank et HITS pour le classement des pages Web.