RESUMENES

Network analysis
Ery Arias-Castro, UCSD, EU

This short course will focus on the analysis of networks without labels at the nodes. It covers descriptive statistics for graphs, random graphs models, and graph partitioning, including somewhat recent advances in spectral and semidefinite methods. (Some lecture notes will be made available to the participants).

Parametric machine learning in Keras
Oscar Dalmau, CIMAT, Guanajuato

Machine learning can be seen as the learning process of a function that assigns input variables to output variables. The learning process is typically done through an optimization algorithm. In this way, the algorithm learns the function from training dataset. In order to simplify the learning process, we can restrict the problem to parametric functions (parametric automatic learning). In this mini-course we are going to give an introduction to Keras for parametric automatic learning. This mini-course will be divided into three sessions. In session 1, we will work with regression problems, in the second session with multilayer perceptron (neural network) and in session 3 with convolution neural networks for image classification.

Representaciones útiles de datos complejos y su aplicación en métodos de Machine Learning
Víctor Muñiz, CIMAT, Monterrey

Matemáticas y Ciencia de Datos
Rogelio Ramos, CIMAT, Guanajuato

Distribuciones tipo fase en genética de poblaciones
Arno Siri-Jégousse, IIMAS, UNAM

En este curso, daré un recorrido de la teoría de las distribuciones tipo fase, las cuales se pueden ver como una generalización de mezclas o sumas de variables exponenciales. Después veremos cómo esas distribuciones son candidatos muy naturales en modelos de genética de poblaciones. Usaremos resultados de la teoría de las distribuciones tipo fase para obtener estimadores de parámetros de la evolución. Esos resultados se derivan explícitamente de matrices de transición cuyo tamaño, en ciertos casos (desafortunadamente los casos más interesantes), tiende a explotar. Haremos un primer intento de resolución de esos problemas computacionales con datos genéticos.