Redes y Sistemas Complejos

CRiSS-LAB · Curso

Redes y Sistemas Complejos

Un curso sobre el análisis y modelamiento de redes complejas: desde fundamentos de teoría de grafos hasta aprendizaje de máquina sobre grafos, pasando por modelos generativos, mesoestructura y procesos dinámicos.

curso Redes y Sistemas Complejos Python · NetworkX · igraph Curso CRiSS-LAB

Corridas disponibles

1 activa
2026-1 Activa
2026 · Semestre 1
Edición para el curso Redes y Sistemas Complejos. Incluye 8 laboratorios, 3 notebooks complementarios, 4 clases en PDF, 4 clases en notebook y la monografía del curso.
Curso de redes complejas

Aprender ciencia de redes con teoría, datos y Python

Redes y Sistemas Complejos es un curso aplicado para estudiar sistemas relacionales: personas, organizaciones, documentos, productos, eventos, contagios e infraestructuras conectadas. La ruta combina teoría de grafos, ciencia de redes, modelamiento de datos, análisis estadístico e implementación en Python.

El curso está diseñado para ir desde decisiones básicas de representación hasta problemas avanzados: redes bipartitas y proyecciones, centralidades, modelos generativos, modelos nulos, comunidades, difusión en redes, inferencia responsable y machine learning sobre grafos. Cada unidad conecta la intuición conceptual con notebooks ejecutables, lecturas y recursos interactivos.

Acerca del curso

8 unidades · enlaces a la corrida 2026-1
U1
Fundamentos y modelamiento
Representar sistemas relacionales como grafos: nodos, aristas, pesos, atributos y QA básico de datos.
Ver unidad
U2
Redes bipartitas
Modelar sistemas de afiliación, proyectar con criterio y controlar sesgos por actividad.
Ver unidad
U3
Features y segmentación
Convertir centralidades, caminos y conectividad en features interpretables para análisis operativo.
Ver unidad
U4
Modelos generativos y nulos
Usar ER, Watts-Strogatz, Barabási-Albert y modelos nulos como baselines para redes reales.
Ver unidad
U5
Mesoestructura
Detectar comunidades, modularidad, core-periphery, k-core y roles estructurales.
Ver unidad
U6
Procesos en redes
Simular difusión, contagio, modelos SIR/SIS, umbrales e intervenciones sobre redes.
Ver unidad
U7
Inferencia, evaluación y ética
Validar redes no-iid, evitar leakage, diseñar splits robustos y discutir privacidad.
Ver unidad
U8
Industria y Graph ML
Conectar embeddings, GNN, link prediction y casos industriales con evaluación responsable.
Ver unidad
Guía conceptual
Conceptos clave de ciencia de redes
Un glosario navegable conecta definiciones con clases, laboratorios, recursos interactivos y lecturas.
Ver glosario