• Introducción a Machine Learning on Graphs URL

      Charla dictada por Federico La Rocca en el marco de las Tech Meetings de Tryolabs. Puede servir como introducción al curso.

    • Temario

      1. Introducción, motivación y desafíos del área [1 clase]. 
      2. Teoría básica de grafos [3 clases aproximadamente]:
        • Preliminares: representación, grafos dirigidos y con pesos, árboles, grados, matriz de adjacencia y lapaciano del grafo. [Capítulo 6 del Newman y 2.1 del Kolaczyk].  
        • Métricas y medidas: centralidad, transitividad y coeficiente de clustering, similaridad. [Capítulo 7 del Newman]. 

    • Material del curso 2022 (pueden existir modificaciones)

      1. Introducción, motivación y desafíos del área [1 clase]. Queda la grabación de la clase aquí. El código que pide es ?1hh2f%+
      2. Teoría básica de grafos [3 clases aproximadamente]:
        • Preliminares: representación, grafos dirigidos y con pesos, árboles, grados, matriz de adjacencia y lapaciano del grafo. [Capítulo 6 del Newman y 2.1 del Kolaczyk].  Queda la grabación de la segunda clase aquí. El código que pide es u5^$&1iT
        • Métricas y medidas: centralidad, transitividad y coeficiente de clustering, similaridad. [Capítulo 7 del Newman]. Queda la grabación del martes 16/08 aquí (el código es ^D=86Yp9) y la del jueves 18/08 aquí

    • Repaso de Inferencia Estadística Archivo
    • Notas PyE - Estimación Puntual Archivo
    • Notas PyE - Test de hipótesis Archivo
◄Información general
►Estructura de grandes redes