Introducción a la teoría dinámica de la información algorítmica
Hoja de materia:
DATOS GENERALES:
| Descripción: | Para evaluar el contenido de un objeto que se puede identificar con un algoritmo generador y un mecanismo causal, necesitamos un criterio preciso para decidir si un objeto es aleatorio o no. La complejidad algorítmica nos permite hacer esta distinción y ofrece un marco matemáticodentro del cual comprender los límites de la teoría clásica de la probabilidad. El curso cubre aspectos clave de teoría de grafos y ciencia de redes, teoría de la información, sistemas dinámicos y complejidad |
| Seriación y Correlación: | Subsecuentes: Programación |
| Consecuentes: Optativas. | |
| Objetivo: | Conocer, entender y aplicar la dinámica de la información algorítmica,AID. AID es un campo nuevo basado en algunas de las teorías más poderosas y matemáticamente maduras en la intersección de la computabilidad, la información algorítmica, los sistemas dinámicos y la teoría de grafos algebraicos para abordar algunos de los desafíos de la causalidad a partir de un modelo. – perspectiva mecanicista impulsada, en particular, en su aplicación a la reprogramación conductual, evolutiva y |
| Objetivos específicos: | Comprender el enfoque computacional de la causalidad.Repasar brevemente la introducción a la teoría de grafos y redesbiológicas.Aprender los elementos de Teoría de la Información y Computabilidad.Estudiar la aleatoriedad y complejidad algorítmica.Dar un repaso a la Introducción a los Sistemas Dinámicos.Aprender la Dinámica de la información algorítmica y reprogramabilidad.Realizar un proyecto sobre aplicaciones a la biología molecular evolutiva y del comportamiento, física y al aprendizaje automático |
| Horas totales del curso: | (90) horas presenciales + (70) horas de autoestudio=160 horastotales |
| Créditos: | 10 |
REVISIONES Y ACTUALIZACIONES:
| Líneas de investigación: | Física Estadística y Complejidad |
| Autores o Revisores: | Dr. Alejandro Puga Candelas |
| Fecha de actualización por academia: | 8 de agosto de 2022 |
| Sinopsis de la revisión y/o actualización: |
PERFIL DESEABLE DEL DOCENTE:
| Disciplina profesional: | Doctorado en Ciencias |
| Experiencia docente: | Experiencia profesional docente mínima de dos años en Complejidad y en programación preferentemente en Mathematica o Pyhton. |
ÍNDICE TEMÁTICO:
| TEMA: | SUBTEMA | |||
| 1 Un enfoque causalidad | computacional | de | la | El desafío de la causalidad¿Qué es un modelo mecanicista? |
| 2 Redes: de la estructura a la dinámica | GráficosSubgrafos y representaciones gráficasConectividadÁrbolesPropiedades de los gráficosEspectros gráficosModelo de redRedes biológicas¿Qué es un sistema dinámico?Modelado de un sistema dinámico.Redes DinámicasRedes booleanas aleatorias. | |||
| 3 Teorías de computabilidad | la información | y | la | Una teoría probabilística fundamentalTeoría de la información clásicaComputabilidadDescripciones mecanicistas, predicción y causalidadIndecidibilidadEl modelo de máquina de TuringEl poder de la máquina de TuringLa indecidibilidad del problema de la detenciónUniversalidad de TuringBusy Beavers y el comportamiento de |
| 4 Teoría de la información algorítmica | Propiedades intuitivas de la aleatoriedadLimitaciones de la probabilidad clásicaFuentes de aleatoriedadPseudo-aleatoriedad |
| 5 El método del teorema de codificación (CTM) | Correlación vs CausalidadRelevancia de la complejidad algorítmica en la práctica de la ciencia |
| 6 El Método de Descomposición en Bloques (BDM) | ¡Siendo codicioso, divide y vencerás!Propiedades de BDMDescomposición de bloques de cadenas superpuestas lLímites absolutos superior e inferior de BDMManejo de límites de objetosBDM recursivoCondiciones de contorno periódicasBDM versus entropía de ShannonEstimaciones de erroresConvergencia en el peor de los casos deBDM hacia la entropía de Shannon |
| 7 Dinámica de la información algorítmica (AID) | Un cálculo de cambio algorítmicoAID y causalidadTransformación de gráficos hacia y lejos de la aleatoriedad.Modelos de secuencia 7.4 Reconstrucción de diagramas espacio- |
BIBLIOGRAFIA
| Principal: | 1. Hector Zenil, Narsis A. Kiani, Jesper Tegnér, Algorithmic Information Dynamics A Computational Approach to Causality with Applications to Living Systems |
| Enlaces digitales: | h t t p : / / w w w . s c h o l a r p e d i a . o r g / a r t i c l e / Algorithmic_Information_Dynamics#Foundations_and_Motivatio nhttp://complexitycalculator.com |
| Complementaria: | Methods and Applications of Algorithmic Complexity: Beyond Statistical Lossless Compression (Emergence, Complexity and Computation, 44) 1st ed. 2022 Edición de Hector Zenil (Author), Fernando Soler Toscano (Author), Nicolas Gauvrit (Author), Springer |
PLANEACIÓN EDUCACIONAL:
| Competencias generales: | Conocimiento sobre el área de estudio y la profesión.Capacidad de investigación.C a p a c i d a d d e a p r e n d e r y a c t u a l i z a r s e permanentemente.Habilidades para buscar, procesar y analizar información procedente de fuentes diversas.Capacidad para identificar, plantear y resolver problemas.Capacidad de abstracción, análisis y síntesis.Desarrollar habilidades de programación.Adquirir hábitos de trabajo necesarios para el desarrollo de la profesión tales como el rigor científico,el autoaprendizaje y la persistencia. |
| Competencias específicas: | Plantear, analizar, y resolver problemas físicos, tanto teóricos como computacionales, mediante la utilizaciónde métodos numéricos, analíticos.Aplicar el conocimiento teórico de la física a la computación.Demostrar una compresión profunda de los conceptos de la física clásica y computación.Construir y desarrollar argumentaciones validas, identificando hipótesis y conclusiones.Utilizar o elaborar programas o sistemas de computación para el procesamiento de información, cálculo numérico, simulación de procesos físicos o control de experimentos.Demostrar disposición para enfrentar nuevos problemas en otros campos, utilizando sus habilidades específicas.Buscar, interpretar y utilizar literatura científica. |
CONTRIBUCIÓN AL PERFIL DE EGRESO:
| CONOCIMIENTO: | HABILIDADES: | VALORES: |
| Tener una comprensión profunda de los conceptos, métodos y nuevo principios fundamentales de la física- computacional. Conocer y saber aplicar las técnicas novedosas de la probabilidady la computación. Las metodologías básicas para la indagación y el descubrimiento en procesosde investigación. | Construir modelos simplificados que describan una situación compleja, identificando sus elementosesenciales y efectuando las aproximaciones necesarias. Operar, programar códigos para modelar sistemas físicos, biológicos y socialess. Adquirir habilidades sobre los procesos de aprendizajey autorregularlos para desarrollar la capacidad de aprender por sí mismo. | Tener hábitos de trabajo necesarios para el desarrollode la profesión tales como elrigor científico, el autoaprendizaje y la persistencia. Actuar con responsabilidad, honradez y ética profesional,manifestando conciencia social de solidaridad y justicia. Mostrar tolerancia en su entorno social, aceptando ladiversidad cultural, étnica yhumana. Desarrollar un mayor interéspor aquellos problemas cuyasolución sea de beneficio social y el medio ambiente |
ESTRATEGIAS PEDAGÓGICAS:
| Estrategias de enseñanza: | Estrategias de aprendizaje: |
| El docente explicará la teoría y presentará ejemplos en las clases presenciales o virtuales.El docente presentara los procedimientos y métodos típicos para la Física-computacional.Motivará a los estudiantes para trabajar de manera individual y en equipo.Sesiones de trabajo de programación individual o grupalDiscusión de preguntas y problemas en clase. | El alumno asistirá al menos a un 80% de las clases principales o virtuales impartidas.El alumno asistirá al menos a un 80% de las clases prácticas impartidas.El estudiante trabajará en forma individual o por equipo en la comprensión de conceptos y la resolución de problemas.El estudiante desarrollará mapas conceptuales y mentales de los temas revisadosEl estudiante contestará preguntas o resolverá códigos individualmente para exponer en clase y discutir con sus compañeros.Asistirá a asesorías para resolver dudas |
PROPUESTA DE CRITERIOS DE EVALUACIÓN:
| Criterio de evaluación: | Porcentaje: |
| Tareas y trabajos de investigación Exposiciones Participación en clase Proyecto Final | 40% 10% 10% 40% |
Descarga hoja de materia: Introducción a la teoría dinámica de la información algorítmica