• Explicar conceptos de redes complejas necesarios para entender su importancia en la modelización de sistemas biológicos y sociales, entre otros.
• Identificar los principales problemas de aprendizaje que hay sobre redes complejas.
• Conocer algoritmos y técnicas del estado del arte, con sus respectivos fundamentos, para clasificar y predecir propiedades de nodos y enlaces en redes complejas.
• Aplicar los algoritmos y técnicas sobre conjuntos de datos reales usando el lenguaje de programación Python (y algunas de sus librerías).

Ingenieros de sistemas, electrónica, multimedia o afines; Matemáticos, físicos o biólogos; o profesionales que quieran explorar temas de redes complejas y machine learning con aplicaciones en biología y redes sociales.

El curso de verano se realiza con una metodología práctica donde se privilegia la exposición teórica esencial complementaria a los materiales y referencias que se entregan, aplicaciones de conceptos a casos de estudio y laboratorios prácticos para la réplica del material presentado.

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 génica y predicción de funciones de genes

• Definición del problema de clasificación de nodos.
• Tree ensembles, random forests.
• Clasificación jerárquica multi-etiqueta (hierarchical multi-label classification).
• Redes de co-expresión génica y Gene Ontology.
• Predicción de funciones de genes.

Módulo 3: Respuesta a estrés salino en arroz y co-expresión de comunidades de genes

• 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.

• Camilo Rocha Profesor Asociado del Departamento de Electrónica y Ciencias de la Computación de la Pontificia Universidad Javeriana, Cali. Es profesor universitario desde 2002 y usualmente imparte cursos de fundamentos de computación, métodos formales, algoritmos, grafos y lógica. Es Doctor en Ciencias de la Computación y Magíster en Matemáticas de la Universidad de Illinois, e Ingeniero y Magíster en Ingeniería de Sistemas y Computación de la Universidad de los Andes. Actualmente es el Decano de la Facultad de Ingeniería y Ciencias de la Javeriana, Cali. En su labor como investigador ha participado de un total de 8 proyectos de investigación en convocatorias nacionales e internacionales. Como resultado de su actividad investigadora, cuenta con más de 45 publicaciones arbitradas, entre revistas indexadas y capítulos en libros con ISBN. Actualmente es co-PI del proyecto In-Silico dentro del programa de investigación Optimización Multiescala In-silico de Cultivos Agrícolas Sostenibles (ÓMICAS; https://www.omicas.co), ganador de la segunda convocatoria de Colombia Científica en el foco de Alimentos. In-Silico desarrolla y prueba modelos computacionales para mejoramiento in silico de variedades, utilizando información de genes y circuitos génicos asociados con la productividad y tolerancia a condiciones de estrés en plantas, basados en teoría de grafos, algoritmos de análisis sobre grandes volúmenes de datos y herramientas de visualización. Actualmente está dirigiendo 4 tesis doctorales y es revisor de diversas revistas internacionales en el campo de las ciencias de la computación. Asimismo, ha colaborado en la organización y actividad docente de cursos de formación para investigadores y profesionales del sector, y ha participado como profesor invitado en diversos cursos en universidades e instituciones de investigación, tanto nacionales como internacionales.

• Miguel Romero Estudiante de último año del Doctorado en Ingeniería y Ciencias Aplicadas de la Pontificia Universidad Javeriana, Cali. Tiene experiencia como profesor universitario en cursos de algoritmos, grafos y cálculo diferencial. Es Economista e Ingeniero de Sistemas de la Escuela Colombiana de Ingeniería Julio Garavito, Bogotá. Ha trabajado en lógica de reescritura, análisis de redes, aprendizaje automático, algoritmos y programación competitiva. En su labor como estudiante e investigador ha sido beneficiario de convocatorias nacionales como Jóvenes Investigadores Colciencias (2017 y 2018) y del programa de investigación Optimización Multiescala In-silico de Cultivos Agrícolas Sostenibles (ÓMICAS; https://www.omicas.co), específicamente del proyecto In-Silico.