هدف از این درس، آشنایی دانشجویان با موضوعات پایه‌ای شبکه‌های پیچیده است که در بین تمامی انواع این شبکه‌ها (شبکه‌های اطلاعاتی، اجتماعی، فناوری، زیستی و غیره) مشترک بوده و به دانشجو کمک می‌کند تا بتواند به بررسی و تحلیل ویژگی‌های این شبکه‌ها بپردازد.

1. معرفی علوم شبکه، تاریخچه و اهمیت آن، انواع شبکه‌های دنیای واقعی در دسته‌بندی‌های مختلف
2. معرفی شبکه‌های پیچیده، نظریه گراف و ادبیات مرتبط با آن
3. معیارهای پایه اندازه‌گیری ویژگی‌های شبکه (توزیع درجه، ضریب خوشگی و نظایر آن)
4. مصور کردن شبکه، مقیاس‌بندی چندبعدی (MDS)، قالب‌های ذخیره‌سازی و کار با نرم‌افزار
5. انواع مرکزیت در شبکه‌ها: درجه‌ای، نزدیکی، میان‌داری، دسترسی، PageRank، بردار ویژه
6. قوت بندهای ضعیف و پل‌ها، حفره‌های ساختاری، سرمایه اجتماعی
7. اجتماع‌یابی در شبکه: ماژولاریتی، روش‌های تشخیص انجمن، مدل‌های ساخت شبکه مصنوعی با انجمن‌های مشخص
8. موازنه ساختاری و تراگذری
9. هم‌ارزی ساختاری و مدل بلوکی
10. مدل‌های مولد گراف: شبکه‌های تصادفی، مدل‌های ایجاد شبکه‌های جهان کوچک، توزیع درجه پاورلا، مدل‌های ساخت شبکه با توزیع درجه دلخواه، مدل‌های ایجاد شبکه‌های مستقل از مقیاس
11. ویژگی‌های شبکه (شباهت، هموفیلی، همبستگی درجه، تقارن یال، موتیف و نظایر آن)
12. مقدمه‌ای بر انتشار

• تمرین‌ها و پروژه: ۳۰ درصد نمره
• آزمون‌های میان‌ترم و پایانی: ۷۰ درصد نمره

انجام تمرین‌های مختلف در مباحث درس به صورت عملی با Python یا R در این درس الزامی است، به گونه‌ای که دانشجویان آمادگی و مهارت لازم را برای انجام یک تحقیق علمی در زمینه تحلیل شبکه‌های پیچیده را کسب نمایند.