Curso Network science and machine learning on graphs: data analysis methods and applications

Las redes complejas emergen como framework natural en el modelado de entidades y sus interacciones. Las redes, representadas matemáticamente como grafos, son ubicuas en la vida cotidiana, y se pueden encontrar en el modelado de interacciones sociales redes de comunicación, de colaboración, de transporte, de computación y de transmisión de energía, entre otras.   Comprender la manera en la que dichas redes emergen, forman patrones de conectividad y evolucionan en el tiempo es fundamental en aplicaciones en marketing, epidemiología, ingeniería, ciencias sociales, tecnología, biología, finanzas y neurociencias, para citar sólo algunas. Gracias a la revolución BigData, la internet de las cosas y la industria 5.0, la disponibilidad de datos representados como grafos y metadatos asociados se ha incrementado de forma exponencial, lo que ha permitido el desarrollo de novedosas técnicas de análisis de datos en redes y machine learning sobre grafos, ampliando el espectro de aplicaciones industriales con numerosas oportunidades y nuevos desafíos por resolver.
Registrarse

Objetivos

Brindarles a los asistentes las herramientas esenciales para el procesamiento, diseño, modelado e implementación de soluciones para el análisis de datos representados como redes o grafos. Se estudiarán aplicaciones en problemas reales en redes sociales, redes de transporte, grafos moleculares, social media, redes neuronales y neurociencias, con un enfoque científico-práctico centrado en métodos de aprendizaje supervisado y no supervisado en grafos, procesamiento de señales sobre grafos y avances en aprendizaje profundo (deep learning) sobre grafos.  
Registrarse

Perfil del Aspirante

Profesionales con conocimiento básico de álgebra lineal, probabilidad, estadística y cálculo. Dada la naturaleza práctica del curso, se recomienda igualmente tener bases en programación y pensamiento algorítmico. Durante el desarrollo del curso se utilizará Python 3.x and Jupyter Notebook como ambientes de desarrollo.  
Registrarse

Por qué estudiar con nosotros?

Los participantes adquirirán habilidades que permita procesar y analizar datos haciendo modelado sobre redes o grafos. La representación mediante redes y grafos es ampliamente utilizada hoy día para solucionar problemas del mundo real, como datos de redes sociales, redes de transporte, comportamientos biológicos, neurociencia, entre otros.   Adicionalmente, el participante conocerá métodos de aprendizaje profundo (Deep Learning) aplicados a redes y grafos. Estos métodos serán implementados en Python donde se realizará experimentación sobre datos reales.   Finalmente, el participante tendrá la oportunidad de aplicar los temas del curso en Jupyter Notebook, ambiente de trabajo ampliamente utilizado en la actualidad para analizar datos.
Registrarse

Inversión

La inversión por participante es de $1.680.000 (un millón seiscientos ochenta mil pesos), valor que incluye material técnico y memorias en medio electrónico.
  • Descuento del 5 % hasta el 22 de junio de 2021.
  • Inscripciones hasta el 1° de julio de 2021.
Registrarse

Fechas y Horarios

El curso se llevará a cabo del 6 al 12 de julio de 2021, de lunes a viernes de 7:00 a.m. a 12:00 m., en modalidad remota, vía Microsoft Teams.   La Escuela Colombiana de Ingeniería, para sus programas de Educación Continuada, se reserva el derecho de cambiar sus conferencistas y fechas de realización, o cancelarlos de no contar con el número de personas requerido para tal fin. Lo anterior se informará a los interesados con antelación.
Registrarse

Contacto

Escuela Colombiana de Ingeniería Julio Garavito