.avif){kind=icon}
Complejidad, computabilidad & compresión en Ciencia de Datos
Le damos la bienvenida a nuestro curso Complejidad, computabilidad y compresión en Ciencia de Datos.
En esta sección encontrará el material semanal que incluye las grabaciones, las notas del curso y las presentaciones. También podrá descargar desde aquí las evaluaciones del curso.
A lo largo del programa exploraremos:
- Modelos de computación, desde las Máquinas de Turing hasta los Autómatas celulares, junto con los conceptos de universalidad, irreducibilidad y computabilidad.
- Medidas de complejidad, desde la compresión y Shannon hasta Kolmogorov y la profundidad lógica.
- Correlación y causalidad, sus limitaciones, vicios y alternativas.
- Redes complejas, desde grafos hasta redes de regulación genética.
- Medicina computacional, relojes biológicos y salud de precisión.
¡Le deseamos mucho éxito en su aprendizaje!
.png)
Semana
Hector Zeníl
Héctor Zenil es un científico reconocido por sus aportes en computación, biología matemática y teoría de la información algorítmica. Estudió en instituciones de prestigio internacional, obteniendo un MPhil en Lógica en París y dos doctorados: en Ciencias de la Computación (Lille) y en Filosofía, Lógica y Epistemología (Sorbona).
Actualmente es Associate Professor en King’s College London, donde lidera investigaciones en biomedicina computacional e inteligencia artificial, además de colaborar con el Francis Crick Institute. Ha ocupado cargos en Cambridge, Oxford, The Alan Turing Institute y el Karolinska Institute, donde fundó el Algorithmic Dynamics Lab.
Zenil es pionero de la Algorithmic Information Dynamics, un marco teórico que aplica la información algorítmica al estudio de la causalidad en sistemas complejos, con aplicaciones en ciencia de datos y medicina. También fundó la empresa Oxford Immune Algorithmics, spin-out de Oxford y Cambridge dedicada a IA en biomedicina.
Ha publicado más de 130 artículos en revistas como Nature y la Royal Society, así como ocho libros con editoriales como World Scientific, Springer y Cambridge University Press, uno de ellos con prólogo de Sir Roger Penrose. Su trabajo ha tenido gran proyección pública, con entrevistas en BBC, Bloomberg y el Parlamento británico, además de participar en un AMA de Reddit y PLOS entre los más populares de 2018.
Su trayectoria combina rigor teórico, innovación aplicada y un enfoque interdisciplinario que lo posiciona como referente en el estudio de la complejidad y la inteligencia artificial.