INTRODUCCIÓN A LOS SISTEMAS COMPLEJOS, MODELOS BASADOS EN AGENTES Y LOS PROCESOS DE INNOVACIÓN E INVESTIGACIÓN

INTRODUCCIÓN A LOS SISTEMAS COMPLEJOS, MODELOS BASADOS EN AGENTES Y LOS PROCESOS DE INNOVACIÓN E INVESTIGACIÓN

3 módulos presenciales en Lima con 36 horas de clase
Módulo 1: 20 y 21 Setiembre 2019/
Módulo 2: 18 y 19 Octubre, y, 15 y 16 Noviembre 2019 /
Módulo 3: 17, 18 y 20 Enero 2020

Lima-Perú

DESCARGAR – INSTRUCCIÓN DE PAGO

La Universidad Ricardo Palma – URP y el Instituto —-, vienen trabajando desde el 2010 en la promoción del Pensamiento Complejo y las Ciencias de la Complejidad: De esta manera, buscan promover un pensamiento religante, creativo y constructivo, capaz de abordar la complejidad de los fenómenos naturales y sociales que subyacen a nuestra existencia, así como proponer soluciones a los grandes desafíos del país. En este marco, también buscan fortalecer la cultura del buen vivir o vida plena, la reciprocidad y el diálogo intercultural que contribuya a la construcción de sociedades sostenibles.

Los sistemas dinámicos complejos y adaptativos son una amplia clase de sistemas que consisten de múltiples agentes adaptativos que interactúan entre sí. Estos, transversales a un alto rango de disciplinas, son sistemas distribuidos que tienen un gran número de componentes similares que se relacionan y se adaptan. En otras palabras, las interacciones entre los componentes son autoorganizantes y producen un comportamiento colectivo emergente en el sistema como un todo. Además, la necesidad de estas se debe a que las ciencias y sus métodos actuales han demostrado su insuficiencia para abordar la complejidad de estos sistemas. Ahí radica la importancia de su difusión para fortalecer y actualizar la formación académica de docentes y estudiantes en el Perú. Del mismo modo ocurre en la práctica profesional en organizaciones públicas, privadas y no gubernamentales.

Este curso introducirá las definiciones básicas de los sistemas complejos, debatirá sobre los casos y ejemplos de sistemas dinámicos y sus características, e implementará y analizará simulaciones computacionales. Busca familiarizar a los estudiantes con los métodos fundamentales para construir modelos de sistemas sociales, económicos, biológicos y de ingeniería basados en agentes. Además, presentará los métodos para guiar la simulación y el modelado utilizando Big Data y Machine Learning.

OBJETIVOS

  • Promover la transformación de un pensamiento lineal y fragmentado hacia un pensamiento religante, creativo, constructivo, capaz de abordar la complejidad de los fenómenos naturales y sociales, así como las incertidumbres que enfrentamos

  • Formar a la comunidad universitaria, empresas, organizaciones públicas y privadas en el pensamiento complejo, ciencias de la complejidad y transdiciplinariedad

  • Desarrollar habilidades avanzadas de modelado y simulación utilizando el entorno NetLogo, de modo que, al final del curso, el participante sea competente en el uso de NetLogo para modelar dinámicas sociales, de comportamiento y económicas básicas

PRE REQUISITOS

Ninguno.

DIRIGIDO A

Profesionales y estudiantes de todas las áreas del conocimiento: psicología, ciencias sociales, biología, economía, ciencias naturales, ciencias sociales, ingeniería, educación, administración, medicina, o funcionarios de organizaciones públicas, privadas y no gubernamentales. Debido a la naturaleza transdisciplinaria del programa, los participantes podrán mejorar su conocimiento y aplicar lo aprendido en su práctica profesional, vida privada y quehacer en general (docencia, investigación, concepción y ejecución de proyectos, administración de organizaciones, etc.).

DURACIÓN

Curso semipresencial. Tres módulos presenciales en Lima de 36 horas.

LUGAR

 

Campus Universidad Ricardo Palma
Av. Benavides 5440, Santiago de Surco

CRÉDITOS

Curso fundamental que podrá convalidarse en la maestría de Pensamiento Complejo y Ciencias de la Complejidad que convocará el IPCEM.

CERTIFICACIÓN

A nombre del IPCEM de la Universidad Ricardo Palma y RCE Lima-Callao/Universidad de las Naciones Unidas.

INVERSIÓN

U$$ 900; corporativo U$S 800 (URP, descuento por planilla)

Vacantes limitadas.

PROGRAMA

El curso consta de 3 módulos presenciales en Lima, con un total de 36 horas. Los tópicos son los siguientes:

Unidad

Tópicos cubiertos

1

¿Qué es la Ciencias de la Complejidad? ¿Qué es la modelación basadas en agentes y porqué debería usarse?

2

Introducción sobre el cómo realizar investigaciones publicables: bosquejo de investigación, método científico, publicación.

2

Construyendo un modelo simple

3

Explorando y extendiendo los modelos

4

Creando modelos basados en agentes

5

Los componentes de un modelo basado en agentes

6

Analizando los modelos basados en agentes

7

Verificación, validación y replicación

8

Usando Big Data para alimentar modelos

9

Usando Machine Learning para mejorar los modelos

10

Modelos epidemiológicos

11

Modelos sociales y económicos

11

¿Qué se entiende por innovación desde la complejidad?

Complexity as Algorithmic

Effective Complexity

12

Presentación de proyectos finales

13

Presentaciones del proyecto final

 

EXPOSITOR: Dr. Iván Garibay

El Dr. Garibai es experto en modelos de computación en los campos de computación evolutiva, vida artificial, inteligencia artificial, Machine Learning, auto-organización y su aplicación a los fenómenos sociales y económicos con enfoque en el impacto económico de innovación de ecosistemas en economías regionales. En 2003 recibió el premio Hillman Award por excelencia en la investigación en el programa de PhD de la Universidad de Florida Central (University Of Central Florida – UCF), Orlando; USA. Ha organizado cuatro talleres internacionales parte del congreso GECCO: “complejidad a través de representaciones de desarrollo y de auto-organización” (2006) y “auto-organización en representaciones por algoritmos evolutivos” (2005, 2004).

Ha sido co-director y anfitrión en la UCF del Congreso Internacional de la Foundation of Algorithms FOGA (2009) y anfitrión de Swarmfest 2013 (una de las comunidades más antiguas de modelación basada en agentes). El Dr. Garibay tiene más de 15 años de experiencia en consultoría en computación y sistemas informáticos para educación superior con varios sistemas de software con copyright desarrollados para la investigación en administración. Es miembro del International Symposium of Innovation and Technology desde 2010.

Es miembro del AAAI, AAAS, IEEE, ACM y SIGEVO. Ha sido revisor de los journals IEEE Transactions on Evolutionary Computation (IEEE Press), IEEE Transactions on Parallel and Distributed Systems (IEEE Press), y Neural Networks Journal (Elsevier) y el Fundamental Research on Matter (FOM), organización de estudios en Física.

El Dr. Iván Garibay es Director del Laboratorio de Sistemas Complejos Adaptativos del Instituto para Simulación y Entrenamiento de la UCF y Director de la Maestría en Análisis de datos (Data Analytics) de la Facultad de Ingeniería y Ciencias de la Computación de la UCF. Tiene un doctorado en Ciencias de la Computación en la UCF y una Maestría en Ciencias de la Computación también de la UCF, donde es Profesor Adjunto en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación. En 1994 y con el más alto honor se graduó como Ingeniero Electrónico en la Universidad Ricardo Palma.

INFORMES E INSCRIPCIONES

Para obtener mayor información, descargue el formato de inscripción del sitio web de IPCEM (www.urp.edu.pe/ipcem). Asimismo, la inscripción se realiza con un pago en cualquier agencia del banco Scotiabank. El voucher de la operación sebe ser escaneado para realizar su inscripción vía correo electrónico o ser presentado en el primer día de clases. Como respuesta a su mensaje de correo electrónico, el participante recibirá la confirmación de su inscripción y los materiales de lectura del curso. Estos últimos, además, se repartirán en formato electrónico.

 

ipcem@urp.edu.pe
www.urp.edu.pe/ipcem
Centro Cultural Ccori Wasi
Av. Arequipa N° 5198, Miraflores

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *