Analítica de datos y Machine Learning en redes complejas
Curso
En Bogota
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.
Descripción
-
Tipología
Curso
-
Nivel
Nivel intermedio
-
Lugar
Bogota
-
Horas lectivas
16h
El curso de verano se realiza con una metodología práctica donde se privilegia:
Exposición teórica esencial complementaria a los materiales y referencias que se entregan.
Aplicaciones de conceptos a casos de estudio.
Laboratorios prácticos para la réplica del material presentado.
Sedes y fechas disponibles
Ubicación
Inicio
Inicio
A tener en cuenta
Ejemplificar el uso de analítica de datos y aprendizaje automático (en inglés, machine learning) aplicando algoritmos y técnicas del estado del arte para identificar patrones y predecir comportamientos en redes complejas, como redes biológicas y redes sociales. El curso privilegia la aplicación de los conceptos a través de casos de estudio prácticos en un computador.
Ingenieros de sistemas, electrónica, multimedia o afines; Matemáticos, físicos o biólogos; o profesionales que quieran explorar temas de redes complejas y machine learning con aplicaciones en biología y redes sociales.
Estudiantes de la Carrera de Ingeniería de Sistemas.
Opiniones
Logros de este Centro
Todos los cursos están actualizados
La valoración media es superior a 3,7
Más de 50 opiniones en los últimos 12 meses
Este centro lleva 14 años en Emagister.
Materias
- Creación de bots
- Ejecución de alarmas
- Arquitectura
- Diferentes fuentes de datos
- Uso de Excel
- Modelado de datos
- Implementación de Informes
- Principios de diseño
- Tipos de objetos visuales
- Arquitectura de Power Automate
Programa académico
Temario teórico y práctico
Módulo 1. Introducción a las redes complejas y al aprendizaje automático
Definición de red, sus componentes y propiedades.
Tipos de redes.
Distribución de grado de los vértices.
Redes libres de escala.
Representación computacional de redes.
Análisis computacional de redes, librerías/paquetes disponibles.
Machine learning para clasificación y predicción.
Módulo 2: Co-expresión genética y predicción de funciones de genes (artículo)
Definición del problema de clasificación de nodos.
Tree ensembles, random forests.
Clasificación jerárquica multi-etiqueta (hierarchical multi-label classification).
Redes de co-expresión genética y Gene Ontology.
Predicción de funciones de genes.
Módulo 3: Respuesta a estrés salino en arroz y co-expresión de comunidades de genes (artículo)
Definición de comunidades en redes.
Hierarchical Link Clustering para la detección de comunidades sobrelapadas.
Regresión LASSO.
Redes de co-expresión, genotipos y fenotipos.
Identificación de genes que responden a estrés salino en arroz.
Módulo 4: Redes sociales y predicción interacción entre usuarios (artículo)
Definición del problema de predicción de aristas o arcos.
Redes que evolucionan a través del tiempo.
Descomposición espectral de una red.
Predicción de la evolución de redes de menciones en Twitter.
¿Necesitas un coach de formación?
Te ayudará a comparar y elegir el mejor curso para ti y a financiarlo en cómodas cuotas mensuales.
Analítica de datos y Machine Learning en redes complejas