เรียนออนไลน์ ผ่านระบบ Coursera (ตอน 3)

เรียนออนไลน์กับ Coursera วิชาที่สอง คือวิชา Social Network Analysis หลักสูตร 8 สัปดาห์ของ Assoc.Prof. Lada Adamic จาก University of Michigan วันนี้เรียนจบแล้วแต่คงไม่ได้ประกาศนียบัตรหรอก เพราะไม่ได้ทำการบ้านที่อาจารย์มอบหมายเลย ดูแต่วิดีโอและทำ quiz เท่านั้น เป็นวิชาที่ค่อนข้างยาก ถ้าเปิดสอนอีกรอบ คิดว่าจะลงเรียนใหม่ดีกว่า

หัวข้อที่เรียน มีดังนี้

1. Week 1 : Introduction
• Why social network analysis?
• Software Tools
• Degree and Connected components
• Gephi Demo
2. Week 2 : Random Graph Models
• Introduction to Random Graph Models
• Random Graphs and alternative models
• Models of Network Growth
3. Week 3 : Centrality
• Degree, Betweenness, Closeness
• Eigenvector and Directed
• Centrality applications
• Power Laws
4. Week 4 : Commnuity Structure
• Why detect communities ?
• Heuristics for finding communities
• community finding
5. Week 5 : Small World Networks
• Small World Experiments
• Clustering and Motifs
• Small World Models
• Origin of Small Worlds
6. Week 6 : Processes on Network
• Network topology and diffusion
• Complex contagion
• Innovation and Coordination
7. Week 7 : Cool and Unusual Applications
• Cool and unusual applications
• Predicting recipe ratings using ingredient networks
8. Week 8 : Network Resilience
• Network Resilience
• Resilience and Assortativity
• Resilience and Power Grid

ระหว่างที่เรียน อาจารย์ได้เชิญนักวิเคราะห์ข้อมูลที่ทำงานในบริษัทยักษ์ใหญ่อย่างเช่น Facebook, LinkedIn มาให้สัมภาษณ์ ว่า social network analysis มีความสำคัญกับอาชีพ Data Scientists อย่างไร — สร้างแรงบันดาลใจให้ผู้เรียนมากค่ะ

เรียนออนไลน์ ผ่านระบบ Coursera (ตอน 2)

ลงเรียนวิชา Networked Life ในระบบ Coursera หลักสูตร 6 สัปดาห์ จนได้ประกาศนียบัตรมาแล้ว เมื่อวันที่ 6 พ.ย. 55

เรียนออนไลน์ ผ่านระบบ Coursera

บันทึกไว้เป็นหลักฐานว่า ในที่สุดก็สามารถพยายามเรียนออนไลน์กับระบบ Coursera จบแล้วเป็นวิชาแรก ณ วันที่ 21 ตุลาคม 2555

หลังจากลงทะเบียนเรียน (ฟรี) ทางออนไลน์ กับระบบ Coursera ไปหลายวิชา จบบ้างไม่จบบ้าง แต่ในที่สุด ก็พยายามจบจนได้ 1 รายวิชา นั่นคือวิชา Networked Life ของ Professor Michael Kearns จาก Dept. Computer and Information Science, University of Pennsylvania เริ่มเรียนตั้งแต่ 10 กันยายน-22 ตุลาคม 2555 ระยะเวลารวมทั้งสิ้น 6 สัปดาห์

วิธีการเรียนคือ ดู video lecture แล้วทำ Quiz หลังจบแต่ละตอน มีทั้งหมดด้วยกัน 23 ตอน ไม่มีการบ้านหรือสอบ midterm, final เหมือนรายวิชาอื่นๆ อาจารย์ใจดีมากเพราะอนุญาตให้ทำ quiz ได้ 2 รอบ แล้วเลือกคะแนนสูงสุด ทำให้ค่อยยังชั่วหน่อย (เลยจบได้)

หัวข้อที่เรียน มีดังนี้

1. What is Network? – Basic definitions
2. Case Study : The Erdos Number Project
3. Navigation in social networks : Travers & Milgram (1969), The Columbia Small Worlds Project (2003)
4. Contagion and Tipping in networks
5. How Do “Real” Networks Look? I. Heavy-Tailed Degree Distributions
6. How Do “Real” Networks Look? II. Small Diameter
7. How Do “Real” Networks Look? III. Clustering of Connectivity
8. Models of Network Formation I. The Erdös-Renyi (Random Graph) Model
9. Models of Network Formation II. Clustering Models
10. Models of Network Formation III. Preferential Attachment
11. Navigation in Networks, Revisited (Kleinberg’s Model)
12. “Important” Vertices and the PageRank Algorithm
13. Rational Dynamics in Networks (Schelling’s segregation model)
14. Basics of Game Theory
15. Games on networks / Matrix games / Nash equilibrium / Prisoner’s Dilemma / Penny Matching
16. Games on Networks: Coloring and Consensus
17. Games on Networks: Biased Voting
18. Trading in Networks: I. Model
19. Trading in Networks: II. Network Structure and Equilibrium
20. Trading in Networks: III. Behavioral Experiments
21. Internet Games: I. Packet Routing
22. Internet Games: II. Sponsored Search
23. Internet Games: III. Other Economic Problems (Quality of Service, Spam, peer-to-peer File Sharing)

วิชานี้ เป็นการผสมผสานระหว่างหลายศาสตร์เข้าด้วยกัน ทั้งคอมพิวเตอร์ คณิตศาสตร์ สารสนเทศศาสตร์ สังคมศาสตร์ และเศรษฐศาสตร์ ขณะนี้กำลังเรียนอีก 1 รายวิชา ของอาจารย์จาก University of Michigan … ใช้เวลา 8 สัปดาห์ ถ้าจบโดยไม่ drop ไปเสียก่อน แล้วจะมาเล่าให้ฟังค่ะ