Analítica de datos y Machine Learning en redes complejas

Temarios generales trabajados por módulo. Todos los módulos están guiados a través de una combinación entre componentes teóricos y prácticos.

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.