Modelos basados en Agentes con Python. Introducción. Modelos basados en Agentes. Vínculo micro-macro. Pensar con modelos. Mesa. Modelando el COVID19 - Modelo SIR
Matematica
Introducción al pensamiento lógico. Introducción. ¿Qué es la Lógica?. Lógica inductiva y deductiva. Falacias. Juegos de lógica.
Sistemas dinámicos, Complejidad y Caos con Python. Introducción. ¿Qué es un sistema complejo?. ¿Qué es la teoría del caos?. El efecto mariposa. El mapa logístico. El extraño atractor de Lorenz. El juego del caos de Barnsley.
Fractales. Qué son?. Cómo se construyen?. Propiedades. Ejemplos. Aplicaciones.
Prediciendo los resultados de la copa América con Machine Learning y Python.
Sistema Binario, números binarios, convertir Binario a Decimal, convertir Decimal a Binario, suma de Binarios, Resta de Binarios, multiplicación de Binarios, División de Binarios, números binarios con Python.
Introducción a la Teoría de la información con Python. ¿Qué es la información?. Bits. Entropia. Redundancia. Información e incertidumbre.
Problemas de Optimización con Python. ¿Qué es un problema de optimización?, requisitos, clasificación, programación lineal, optimización convexa, librerías de python, SciPy, CVXopt, PuLP, Pyomo, optimización con restricciones, mínimos cuadrados, el problema de transporte, ejemplos en python.
Simulación de Monte-Carlo con Python. Números aleatorios, cadenas de Markov, algoritmo Metropolis-Hastings, métodos MCMC.
Series de tiempo con python. Qué es una serie de tiempo, series de tiempo estacionarias, aplicaciones, ejemplos en python.