Teoría de grafos: análisis de datos y sus aplicaciones

Curso

Teoría de grafos: análisis de datos y sus aplicaciones

Facultad de Ciencias
Inicio / Programas / Teoría de grafos: análisis de datos y sus aplicaciones

Teoría de grafos: análisis de datos y sus aplicaciones

Este curso corresponde a una introducción a la teoría de grafos con aplicaciones e implementación en el programa GEPHI. Está dirigido a personas con conocimientos muy básicos en grafos o que desconozcan del tema y desean aplicarlo a su uso diario en la industria. Los grafos son objetos matemáticos que pueden representar relaciones entre cosas o personas. Por ejemplo, los amigos que tienes en Facebook, Twitter, e incluso LinkedIn pueden representarse por un grafo, y por medio de este grafo se puede analizar la distancia entre dos personas y sugerir si un par de personas deberían o no conocerse o mostrar un interés mutuo. 

En este curso se repasan conceptos a nivel de introducción a la teoría de grafos, su uso en la interpretación de situaciones, sus propiedades, resultados y aplicaciones de la teoría. También se muestra el uso del programa GEPHI, su manejo, la visualización de grafos y el análisis de estos usando las distintas herramientas que este nos ofrece.

Gephi es un software libre, basado en Java que funciona en Windows, Linux y MacOS. Permite importar datos desde un documento CSV, visualizarlos y exportarlos en alta calidad para su posterior uso. Este curso logra dos cosas, introducir el estudiante a la teoría de grafos e introducir el software Gephi. Con este conocimiento el estudiante será capaz de utilizarlo para analizar datos en distintos sectores, así como tendrá las bases para posteriormente ampliar su conocimiento y uso en el área.

Dirigido a

Empleados del sector empresarial que manejan grandes volúmenes de datos para su posterior análisis. Empresas que requieran en sus empleados conocimientos de ciencia de datos para la extracción de datos, segmentación de público, toma de decisiones, etc.

Objetivos

Al final del curso el estudiante será capaz de:

  • Entender el concepto de grafo y sus aplicaciones.
  • Comprender las distintas características de los grafos (dirigido, no dirigido, cargado, etc.)
  • Crear grafos a partir de datos obtenidos previamente.
  • Analizar los grafos para extraer información y concluir a partid de ellos.
  • Extraer características de los grafos usando software para tal fin.
  • Representar información usando grafos para su fácil visualización.


Metodología

El curso se divide en sesiones teóricas en las cuales se exponen y revisan conceptos básicos de la teoría de grafos y sesiones de laboratorio en las cuales se implementa el uso de la teoría en el programa GEPHI. Las sesiones tienen una duración de 3 horas y cuentan con una guía preparada por el profesor la cual contiene los temas a tratar, ejemplos y los ejercicios para el completo entendimiento del tema.

Contenido

  • Introducción a la teoría de grafos. Definición y ejemplos, representación y propiedades
  • Introducción a GEPHI. Instalación, interfaz y uso básico del software.
  • Resultados acerca de grafos. Grafos isomorfos, subgrafos, conexidad, planaridad, etc.
  • Representación de grafos en el programa GEPHI. Uso de GEPHI para:
    • Importar datos desde CSV.
    • Modificar datos en Gephi.
    • Exportar grafos desde GEPHI.
    • Exportar imágenes para su posterior uso en reportes.
  • Análisis de grafos. Métodos en grafos para analizar los datos y concluir a partir de ellos.
  • Análisis de grafos en GEPHI. Aplicar filtros y métodos para obtener conclusiones acerca de los datos. Importación de datos directamente de Twitter. Grafos dinámicos. Estadísticas dinámicas. Interpretación de estadísticas.
  • Algoritmos y grafos. Leer, entender y aplicar algoritmos a grafos. ¿Qué es Jython?, sintaxis básica, importación de paquetes y métodos.
  • Clase práctica de Jython. Instalación del plugin Jython, acceder a los datos del grafo desde la consola. Programar algoritmos y correrlos en GEPHI usando Jython.


Profesores

Otaivin Martínez Mármol

Profesor de cátedra del Departamento de Matemáticas de la Universidad de los Andes con conocimientos en aplicaciones de las matemáticas a la industria, así como el uso de machine learning e inteligencia artificial para el análisis de datos.

 

Eventualmente la Universidad puede verse obligada, por causas de fuerza mayor a cambiar los profesores presentados en este documento.