Correo Electrónico
DNINFOA-SIA
Bibliotecas
Convocatorias
Tratamiento de Datos
Central de Pagos
STIC
Identidad U.N.
Imagen de la facultad
Directriz de publicación
UNTicket - Certificados
Cupo UNAL
Fechas realización
Mayo 06
a Junio 14
Intensidad
64 horas
Clase sincrónica + trabajo autónomo
Horario clases
Martes 6:00pm a 8:00pm
Plataforma - Acceso 24/7
Tutorías - Sábados por la mañana
Inversión
$ 1.950.000
Aplican descuentos
Actividad en ejecución
Presentación
Información de la actividad
En el curso NSDA se asume la educación como un proceso de interacción dinámica centrada en los participantes, donde el rol del profesor, además de proveer su experiencia profesional y los elementos conceptuales, se concentra en ser un dinamizador de las actividades de aprendizaje que propicien el desarrollo de las competencias propuestas.
Los estudiantes contarán con acceso a un sistema de videoconferencia para las sesiones sincrónicas y acceso a una plataforma de aprendizaje autónomo, dónde encontrarán una gran cantidad de recursos educativos digitales (REDs) que han sido especialmente diseñados para esta actividad, tales como: videos, imágenes, animaciones, lecturas, notebooks de código pre programado, guías de referencia, etc.
Tenga en cuenta:
A lo largo del curso se realizarán entregas parciales del proyecto aplicado. Estas entregas son acumulativas y se irán evaluando de forma continua hasta la entrega final, dando la oportunidad a los estudiantes de ir mejorando su trabajo.
El estudiante que curse esta asignatura debe contar con las siguientes competencias previas:
- Conocimientos de programación de computadores.
- Conocimientos básicos de probabilidad y estadística.
- Disposición para aprender nuevas tecnologías y nuevos paradigmas
Tenga en cuenta:
La actividad NO realiza una prueba de proficiencia, habilidad ni técnicas que limiten su inscripción o participación. Aun así, para propiciar un adecuado abordamiento de los contenidos se recomienda que los participantes tengan las habilidades anteriormente mencionadas.
El curso está dirigido a toda persona que aún no posea mayor conocimiento sobre los principios clave de las ciencias de redes y vea con gran optimismo estas nuevas herramientas y quiera usarlas para entender la estructura y el funcionamiento de sistemas complejos.
Ha sido diseñado para personas con formación en diversas disciplinas: ingeniería de sistemas y computación y otras áreas de la ingeniería, telecomunicaciones, bioinformática, informática, matemáticas, estadística, economía y ciencias sociales, entre otras.
Tenga en cuenta:
Este programa es de especial interés para las personas que pertenezcan a un programa académico de la Universidad Nacional de Colombia (o quienes esperen entrar a uno) ya que al aprobar, permitirá́ realizar homologación de créditos al programa de estudios.
Un estudiante puede recibir dos (2) tipos de certificaciones:
- Certificado de la Secretaría Académica de la Facultad de Ingeniería: Se entrega al culminar un módulo/materia habiendo obtenido el certificado de aprobación. Este certificado será válido para adelantar los trámites de homologación (convalidación) de créditos en caso que el participante sea admitido a algún programa académico de posgrado de la Universidad Nacional de Colombia, correspondiendo a 4 créditos.
Tenga en cuenta:
Para este Programa de formación se entregará exclusivamente certificado de aprobación (no de asistencia). Para ser objeto de certificación, el participante deberá cumplir con las condiciones detalladas a continuación:
Contenido
1. Introducction to Data Science
- Data Science - general overview
- Data everywhere and all the time.
- Data Life Cycle
2. Introduction to Network Science
- Networks in the real world
3. Basic Concepts of Graph Theory
- Graph basic Definitions: directed and undirected graphs, bipartite graphs
- Basic properties of networks
- Paths and distances
- Connectivity
4. Small Worlds
- Local measures in networks
- Degree centrality, closeness centrality, betweenness centrality and eigenvector centrality
5. Hubs
- Global measures in networks
- Degree distribution, clustering, density, diameter and radius in a network, average path lengh
6. Network Models
- Random Networkxs
- Small World Networks
7. Communities
- Homophily
- Assortativity
- Communitiy detection
8. Vulnerability in networks
- Diusion in networks
- Simple diusion
- Complex diusion
- Types of network attacks: random and targeted attacks
- Network resilience
9. Graph Machine Learning
- Introduction to Machine Learning
- Node prediction
- Link Prediction
- Graph Prediction
10. Deep Learning with Graphs
(New Techniques based on Deep Learning)
- Introduction to Deep Learning
- Graph Representaion learning (node embeddings)
- Graph Neural Networks
- Applications
Equipo docente
Tabla de valores
Hasta Mayo 06 de 2025
Vencido
Para pagos efectuados al menos 15 días calendario previo al inicio de la actividad
(El día de inicio de la actividad no se cuenta para este cálculo)
Procedimiento para la asignación de cupo
Registro
Pago
