计算机硕士课程

默认只展示每周独有的知识重点；节奏、考核、Tutorial 和避坑信息按需展开。

1. 1

   Social Network Structure and Semantics

   课程从 social networks 和 social platforms 的基本结构入手，理解 friend-follower relationships、网络语义和平台关系数据为什么与传统表格数据不同。重点是建立后续 graph-based analysis 的共同语言。

2. 2

   Connectedness, Centrality and Influence

   进入 social network analysis 的基础指标，分析 connectedness、centrality 和 influence 如何帮助我们识别网络中的关键节点与结构模式。真正的难点在于理解这些指标在不同业务场景中的解释差异。

3. 3

   Problem Solving Assessment 与 Community Detection

   官方 assessment 在 Week 3 就有 1250 字 problem solving，因此前几周通常会快速进入可应用的网络分析问题。同时课程会开始讨论 community detection，帮助你从个体关系提升到群体结构理解。

4. 4

   Social Network Visualisation

   学习如何把复杂网络结构可视化，并把图形展示转化为分析工具而不是单纯展示。重点在于图布局、群体边界和视觉表达如何帮助发现网络中的行为模式。

5. 5

   Combining Text and Network Analysis

   这是课程很有特色的一段：把文本内容与网络结构结合起来做 social analytics。你需要开始理解为什么只看链接关系不够，文本语义往往决定了群体属性、议题扩散和用户意图。

6. 6

   Case Study Proposal / Discussion

   Week 6 有 1250 字 case study proposal/discussion，意味着课程会要求你把前面的图分析方法落到一个具体社会平台或用户群体案例上。高分关键通常在于问题界定足够清楚，而不是方法堆得很多。

7. 7

   User Modelling, Prediction and Recommendation

   课程后半段进入 user modelling，包括 prediction 与 recommendation strategies。这里会把网络结构、文本特征和行为数据结合起来，讨论如何从社交平台数据中做个体画像和推荐判断。

8. 8

   Clustering, Segmentation 与 Final Project

   官方 assessment 显示 Week 8 有 2000 字 project 和 10% online discussion。课程在这一阶段通常会要求你完成更完整的 social analytics 项目，并用 clustering / segmentation 方法解释不同用户群体。

9. 9

   Trend Monitoring in Social Networks

   继续扩展到时间维度，分析社交网络中的趋势监测问题。重点在于把网络分析从静态结构转向动态变化，理解事件传播和群体行为如何随时间演化。

10. 10

    Prediction and Anomaly Detection in Networks

    课程会讨论网络中的预测和异常检测，帮助学生识别异常互动、突发扩散模式或偏离常态的行为群体。这一部分和 earlier network metrics 形成很强的呼应。

11. 11

    Conversational Chatbots and Inferential Capabilities

    官方 overview 还特别提到 conversational chatbots 及其 inferential capabilities and interfaces。这说明课程不仅关注传统社交网络，也会把 automated social interaction 纳入 social analytics 的分析范围。

12. 12

    Public Health, Education and Psychology Case Studies

    最后通常会回到 case studies，特别是 public health surveillance、education 和 psychology 等场景。课程价值就在于此：不是停留在算法，而是让你看到 social analytics 在真实社会议题中的应用与边界。