课程内容
讨论自然界中的社会系统、技术体系的内在网络结构性质和动态规律；探索创新网络建模、计算机分析等方法，解释复杂系统的发生、发展的原因，以及网络系统可靠性和脆弱性的条件，从而预测和调控系统的行为。通过回顾图论理论发展的历史和几种典型的网络模型（随机网络、尺度无关网络、模块层级网络等）的提出，阐述一个学科诞生的动机和成因，启发学生对原始创新和突破知识边界的追求。
网络是一种对复杂系统的抽象表示，它是一个关注对象及其关系的集合。网络或图是人们普遍使用的概念。图是一个包含节点和联接节点的边（包括有向或无向边）所构成的集合；而网络则是给节点和边赋与有意义的值之后的图。人们观察具体现象，把研究对象的重要相关信息抽象表示成网络模型，然后对该网络模型元素赋予相应的数值（通过实际观察和度量），然后使用相应算法对网络数据进行推理演算，得出结果，回答或解析具体研究对象的实际问题。Robert Metcalfe’s Law从宏观和定性方面给出网络规律和价值评估的陈述。
课程将讨论如内容：
（1）用几种典型的网络模型（如随机网络、尺度无关网络、模块层级网络等）描述复杂系统现象及其网络结构性质和动态机理；
（2）人工建造或自然演化的复杂系统的鲁棒性和脆弱性与其网络结构性质和节点间动态行为的关系和特点；
（3）调研和思考某个专业领域问题，是否可以通过网络建模（转化为网络表示），用相关的算法（机器学习等）和软件工具来分析领域问题、预测系统行为和演化趋势，揭示新事实、获取新知识；
预期效果
(1) 建立人造或自然中复杂系统的网络模型，进行推理和预测，揭示复杂系统背后的组成原理、隐藏事实等新知识;
（2）理解复杂系统的结构性质和个体间的局部行为如何影响整个系统的鲁棒性和脆弱性；
（3）掌握图基本概念和网络分析的软件技术，在图数据库ArangoDB等上建立一个知识网络;
（4）能用机器学习方法和知识网络，训练实际应用的预测模型。
授课对象
计算机科学和软件工程专业领域的硕士或博士研究生，也欢迎其他学科领域关心数据科学的研究生。
预备知识
中文、英文、Python 程序设计语言；建议选课学生通过网络开放课程来温习这些知识。
评分标准
（1）2次作业 (50%)
（2）个人表现 ( 团队协作、课堂提问或回答问题、点评小组课题等)(10%)
（3）2人小组课题 (40%)
候选课题
（1）网络搜索（Web Search： Ch. 14.4-14.5）
（2）搜索的付费广告市场（Sponsored Search as a Market： Ch 15.1-15.5）
（3）信息级联（Information Cascades： Ch. 16.1-16.7）
（4）网络效应，级联行为（Network Effects, Cascading Behavior： ch. 17.1-17.3, 19.1-19.4）
（5）富者更富现象（Rich-get-richer： ch 18.1-18.6）
（6）小世界理论（Small Worlds： Ch. 20.1-20.6）
（7）流行发生与演化（Epidemics： Ch 21.1-21.4, 21.6）
（8）若在这个选题之外，提供相关文献，提前打印或分发给大家
讲课和答疑安排
课程共20个学时，连续10周的课堂讨论和自主学习。
上课时间: 周四 8:30am - 10:00am ;上课地点: 国科大雁栖湖校区教1-115
答疑时间: 周四 3:00pm - 4:00pm；答疑地点: 国科大雁栖湖校区学园2-485；负责答疑：罗铁坚（教授），邮件:tjluo@ucas.ac.cn，
答疑时间: 周四 2:00pm - 5:00pm；答疑地点: 国科大雁栖湖校区学园2-505；负责答疑：李聪聪、周文樟、王皓（助教），邮件: