2026-1
Laboratorios
8 laboratorios prácticos en Python. Cada uno combina teoría aplicada con ejercicios sobre datos reales. Diseñados para ejecutarse en Google Colab sin instalación local.
8 labs
Python · NetworkX
Google Colab
Lab
Cómo usar los notebooks
Haz clic en Colab para ejecutar el notebook en tu navegador, o en NBViewer para leerlo sin ejecutar.
Los labs marcados con recurso web tienen una herramienta interactiva complementaria.
01
Creación y manipulación de grafos con NetworkX. Visualización básica,
carga desde archivos de texto y primeras métricas de red (grado, conectividad, self-loops).
02
Construcción de grafos bipartitos, proyecciones 1-mode y cuantificación de sesgos.
Aplicación en datos de compras públicas (empresa–organismo).
Recurso interactivo
Abrir
03
Grado, betweenness, closeness, eigenvector. Construcción de un feature store
de nodos para modelos downstream. Análisis de sensibilidad frente a pesos y umbrales.
04
Erdős-Rényi, Watts-Strogatz y Barabási-Albert como baselines estadísticos.
Comparación de clustering, distancias y distribuciones de grado contra la red real.
05
Leiden, Louvain con análisis de estabilidad, k-core y core-periphery.
Aplicación en redes de compras públicas (segmentos de proveedores y dependencias).
Recurso interactivo
Abrir
06
SIR/SIS: simulación y comparación de intervenciones (random, por grado, por k-core).
Umbrales de percolación y rol de la estructura en la velocidad de propagación.
Recurso interactivo
Abrir
07
Rewiring y permutation tests sobre modularidad. Evaluación sin leakage en grafos.
Checklist ético para análisis de redes sociales y privacidad.
08
Node embeddings vs. GNN. Casos industriales: fraude, recomendación y bioinformática.
Cuándo NO usar GNN y cómo evitar leakage en modelos de grafos.