Profesor | Sergio Antonio Alcalá Corona |
Ayudante | Sergio Ángel Sánchez Chávez |
Introducción a la Ciencia de Redes
Las redes en la naturaleza son ubicuas y se pueden observar en muchísimos campos, tal es el caso de las redes biológicas, las redes sociales etc. Estudiar y modelar las redes complejas más allá de un tema de reciente interés o una herramienta para el estudio de los sistemas complejos, se han convertido en un objeto de estudio en si. Está rama de la teoría de gráficas y de la física estadística que ha abierto su propio campo de estudio se le ha llamado recientemente Ciencia de Redes o Network Science.
Este curso presentará y desarrollará la teoría matemática de redes así como introducirá al estudiante al estudio computacional de redes complejas. Los temas a tratar incluirán cálculos formales clásicos de medidas de centralidad en redes, así como métodos y algoritmos computacionales para el análisis e interpretación de datos de redes. Se partirá de la teoría de gráficas y se abordarán modelos de redes (como redes aleatorias y modelos de conexión preferencial); así como los métodos basados en análisis de la matriz de adyacencia; teoría de percolación y búsqueda en redes.
Se mostrarán aplicaciones a fenómenos de redes como los que muestra la Internet, los motores de búsqueda, la epidemiología, y muchas otras áreas, en particular aplicaciones a redes biológicas y redes sociales y tecnológicas.
El objetivo principal de este curso es que aprendan mucho, pero sobre todo que lo disfruten.
Este curso pretende ser una introducción a la teoría y las principales herramientas de computacionales usadas para la estudiar Redes Complejas. Se basará en la exposición teórica de los principales modelos usados, así como en la exploración e implementación de dichos modelos de forma computacional mediante un lenguaje de programación (Python, Julia o cualquier otro), así como analizar y visualizar los resultados generados por dichos modelos.
Además de usar Zoom para las sesiones de clase, el curso se apoyara en algunas herramientas de Google (for education), bajo la suite de la Facultad de Ciencias (@ciencias.unam.mx). Por lo que será un requerimiento necesario para el curso contar con una cuenta de correo @ciencias.unam.mx o al menos tener una cuenta de correo de Google (Gmail).
Se creará un aula virtual en la plataforma Google Classroom, en la que se colocará el material de las clases y cualquier otra información relevante sobre el curso. Y también se colocarán las actividades a entregar (tareas, practicas, etc.) cada semana, y se usará dicha plataforma para resolver dudas sobre las mismas. El código de acceso (a Google Classroom) será proporcionado en la primera reunión virtual. De haber dificultad para conectarse a la primera reunión, este código también será mandado vía correo electrónico.
Así también se creará un repositorio de Github con los cuadernos de Jupyter que contendrán el código expuesto en la clase. Se tratará en lo posible que estos sean accesibles en linea y fuera del horario de clase.Para la logística y comunicarnos en el curso usaremos el correo electrónico y un canal de Telegram.
Si algún estudiante inscrito no proporciona su correo electrónico, se le enviará la información al correo electrónico el proporcionado por Servicios Escolares de la Facultad.
Las sesiones (clases) de Zoom, serán grabadas y en su caso subidas a un canal de Youtube (previo acuerdo de los estudiantes), con el objetivo de que quien por problemas de conectividad no conectarse a la sesión de clase pueda seguirla. Dichos videos estarán disponibles también para los estudiantes del curso para proporcionar una herramienta de repaso. Para esto, será necesario el consentimiento de todos los presentes para que dichas clases sean grabadas. Posiblemente dichos videos tendrán acceso restringido.
Asimismo, el profesor y el ayudante estarán disponibles en los canales de comunicación para proporcionar ayuda con dudas que puedan surgir. De ser necesario y dependiendo de la disponibilidad del ayudante y profesor, se pueden plantear sesiones extra (en algún horarios extraordinario) para resolver dudas.
2.1. Matemáticas básicas para Redes
2.2. La Matriz de Adyacencia y sus propiedades.
2.3. Medidas de Centralidad en Redes.
3.1. Redes Aleatorias.
a) El modelo de Erdös-Renyí.
b) Distribución de grado.
c) Calculo de centralidades del modelo ER.
3.2. Redes de Mundo Pequeño.
a) Caminos más cortos y el efecto del mundo pequeño
b) El modelo de Watts y Strogatz.
3.3. Redes de Libre Escala.
a) Leyes de potencia y redes libres de escala
b) El modelo de Barabasi-Albert
c) Robustez en redes
4.1. Manejo de datos y Representación de la matriz de adyacencia .
4.2. Algoritmos de redes para cálculos de medidas de centralidad .
4.3. Python y la libreria NetworkX.
4.4. Visualización de Redes y la herramienta Cytoscape.
5.1. Percolación en redes.
5.2. Dinámica booleana en redes.
5.3. Búsqueda en redes.
5.4. Estructura modular (Comunidades) en redes.
5.5. Redes Multi-capa .
6. Estado del arte en Redes Complejas y aplicaciones a la física, biología, genómica, epidemiología y redes sociales.
1. M. E. J Newman. Networks: An Introduction. Oxford University Press 2010.
2. A. Barrat, M. Barthélemy, and A. Vespignani. Dynamical Processes on Complex Networks. Cambridge University Press 2008.
3. G. Caldarelli, A. Vespignani. Large Scale Structure and Dynamics of Complex Networks: From Information Technology to Finance and Natural Science (Complex Systems and Interdisciplinary Science). World Scientific Publishing 2007.
4. M. E. J. Newman, A.-L. Barabási, and D. J. Watts. The Structure and Dynamics of Networks. Princeton University Press, 2006.
5. S. N. Dorogovtsev, Lectures on Complex Networks, Oxford University Press, Oxford (2010).
6. Aldana M. Redes Complejas: Estructura, Dinámica y Evolución. 2011
7. Artículos recientes de revisión sobre redes.
https://t.me/+k3oRYjUUa9EwOGJh
https://classroom.google.com/c/NDcwNjI1NzY3Nzgx?cjc=2sp3vt3