Idioma: ES
Curso Analítica de datos usando Network Science.jpg

Curso Analítica de datos usando Network Science

Información General

Presentación

Curso Analítica de datos usando Network Science

Curso Analítica de datos usando Network Science.jpg click para reproducir video
Educación Continuada: programas abiertos y empresariales de educación no formal que optimizan el desempeño profesional.

Ciencia de redes: ¿La ciencia del futuro?

Las redes nos envuelven. Los humanos se organizan de manera natural construyendo redes (sociales, económicas, biológicas). Nuestras familias y barrios son redes valiosas para nosotros. Las empresas funcionan construyendo redes complejas e interconectadas mediante asociaciones comerciales y financieras. La salud pública se promueve a través de asociaciones y coaliciones de gobiernos. Las naciones están conectadas entre sí a través de sistemas de migración y de comercio, entre otras.

“El surgimiento de la ciencia de las redes en los albores del siglo XXI es una clara demostración de que la ciencia puede estar a la altura de este desafío. De hecho, detrás de cada sistema complejo hay una red intrincada que codifica las interacciones entre los componentes del sistema”.

Albert Barabasi, autor del libro Network Science

Por otro lado, las redes no humanas existen casi en cualquier lugar. Los genes y las proteínas interactúan a través de complejas redes biológicas, y el cerebro humano es una red compleja. El progreso social y científico es impulsado por un proceso de difusión de innovación mediante el cual la información se difunde por sistemas sociales conectados. La ciencia de redes (Network Science) ofrece un lenguaje común con el cual diferentes disciplinas pueden interactuar para intentar resolver problemas comunes; es una metodología general y poderosa de modelar y representar interacciones sencillas y complejas.

Por qué estudiar con nosotros

edificio-h-nocturna.jpg

Al finalizar este curso se podrán construir modelos de red, analizarlos y comprender sus resultados.

Metodología

El curso se desarrollará cien por ciento en la modalidad remota, a través de la plataforma Teams. Se contará con una plataforma para la interacción profesor-estudiante. Para llevar a cabo el curso se han previsto:

  • Charlas magistrales por parte del profesor.
  • Talleres guiados para practicar los conceptos claves del curso.
  • Material de apoyo como: videos, artículos para lectura y otras referencias bibliográficas.

Deberes del participante

  • Contar con conexión a internet de banda ancha.
  • Disponer de audífonos (diadema o manos libres) para aislar el ruido externo.
  • Verificar que el equipo de cómputo no haya sido bloqueado para conexiones a herramientas de Microsoft.
  • En caso de ser miembro de Microsoft Teams con otra cuenta, cerrar las sesiones que la involucren e ingresar con un navegador libre de caché.
  • Conectarse a las sesiones de clase con mínimo diez minutos de antelación, de manera que verifique la conexión y realice los ajustes del caso.
  • Disponer de materiales para tomar apuntes.

Certificación

La Universidad Escuela Colombiana de Ingeniería Julio Garavito otorgará el certificado de asistencia a quienes participen activa y cumplidamente como mínimo en el 90 % de las sesiones programadas.

Perfil del aspirante

Estudiantes
  • Estudiantes de pregrado y posgrado en Ciencias Naturales o Ciencias Sociales, interesados en mejorar sus capacidades de modelación. Profesionales de cualquier área interesados en actualizarse en el tema de modelación.

Contenido temático

Parte 1. Conceptos Básicos

Introducción a la Ciencia de Redes (2 horas)

Propiedades locales (Centralidad) (2 horas)

Taller de Aplicación (1 horas)

Parte 2. Análisis Global y Comunidades

Propiedades Globales de una red (2 horas)

Comunidades en una red (2 horas)

Taller de Aplicación en Colab (1 Hora)

Parte 3. Modelos universales de redes

Redes Aleatorias (1 hora)

Redes Mundo pequeño (1 hora)

Redes Preferenciales (2 horas)

Taller de Aplicación (1 hora)

Parte 4. Analítica de Datos usando Redes Dinámicas

Caso de Estudio 1: Vulnerabilidad y Robustez de un red (1 hora)

Caso de Estudio 2: Difusión en una red (1 horas)

Caso de Estudio 2: Predicción en Redes 2 horas)

Taller de Aplicación en Colab (1 Hora)

Fechas y horario

El curso se realizará los sábados de 8:00 a.m. a 12:00 m, en modalidad remota, en las siguientes fechas:

  • 22 y 29 de octubre
  • 19 y 26 de noviembre
  • 3 de diciembre

En sus programas de Educación Continuada, la Universidad Escuela Colombiana de Ingeniería Julio Garavito se reserva el derecho de cambiar sus conferencistas y fechas de realización, o cancelarlos si no cuenta con el número de personas requerido. Lo anterior se informará a los interesados con antelación.

Objetivos alcanzables

Bloque-I-nocturna.jpg

  • Conocer, comprender y aplicar los modelos de redes más importantes.
_DSC4651.jpg

  • Estudiar las herramientas de modelación en redes de mayor relevancia.
_DSC0724.jpg

  • Entender las ventajas y desventajas de la modelación con redes complejas.
Coliseo-El-Otoño-de-la-Escuela-Colombiana-de-Ingeniería.jpg

  • Entender las ventajas y desventajas de la modelación con redes complejas.
Bloque-I-laboratorios nocturna.jpg

  • Aprender a construir y analizar un modelo de redes aplicado a un fenómeno real.

Valor de la inversión

edificio-h-nocturna.jpg

El valor de la inversión es de $890.000 (ochocientos noventa mil pesos m/cte.) por participante.

Descuento de 5 % por pronto pago hasta el 7 de octubre de 2022.

Inscripciones hasta el 20 de octubre de 2022. 

Conferencistas Invitados

Cerrar

Alfonso Meléndez Acuña

19249993.jpg

Ingeniero de sistemas, matemático y magíster en Ingeniería de Sistemas de la Universidad de los Andes. Investigador en educación matemática y uso de tecnología en la educación. Profesor titular de la Universidad Escuela Colombiana de Ingeniería Julio Garavito. Autor del libro Modelación basada en agentes. Amplia experiencia en los temas de pensamiento complejo y sistemas complejos y su modelación.

Solicite Información

Curso Analítica de datos usando Network Science

None