Ciencia Computacional Intermedia

ASIGNATURA: Ciencia Computacional Intermedia
SEMESTRE: IV
ÁREA TEMÁTICA: Matematicas Computacionales
TIPO ASIGNATURA: Obligatoria
PRERREQUISITO: Ninguna
No. CRÉDITOS: 3
INTENSIDAD HORARIA: 4 horas a la semana
CÓDIGO SAP: PCIA5004
1 JUSTIFICACIÓN
Para el científico de la computación es indispensable manipular herramientas que le permitan tomar

decisiones en situaciones de incertidumbre, estas herramientas se ven reflejadas en la estadística
inferencial apoyadas por el cálculo de probabilidades. Así mismo es fundamental conocer la teoría de
computabilidad y analiza la complejidad de un problema.
2 OBJETIVO
El objetivo del curso de ciencia computacional intermedia tiene por objetivo brindar las bases de
razonamiento probabilístico así como aspectos fundamentales de teoría de autómatas y computabilidad.
3 COMPETENCIAS A DESARROLLAR Y RESULTADOS DE APRENDIZAJE
COMPETENCIA RESULTADO DE APRENDIZAJE

CCI-C01. Entiende conceptos de probabilidad, R1. Resuelve problemas en teoría de probabilidad
espacio de muestreo
CCI-C02. Entiende conceptos de aleatoriedad, R2. Diseña y escribe programas de modelaje
variables aleatorias, dependencia e estadístico y probabilístico usando bibliotecas
independencia entre variables aleatorias y numéricas y aleatorias para resolver problemas
distribuciones prácticos
CCI-C03. Hace análisis bayesianos simples
CCI-C04. Maneja conceptos de estadística R3. Programa simulaciones de Monte Carlo para
descriptiva y toma de decisiones obtener medidas estadísticas o probabilísticas en
problemas prácticos
CCI-C05. Entiende conceptos de simulación de R4. Realiza simulaciones de experimentos aleatorios
sistemas probabilísticos para estimar probabilidades
4 COMPETENCIAS PRERREQUISITO
COMPETENCIA
CCB-C01. Explica la lógica proposicional como un sistema formal que está constituido por un lenguaje
(sintaxis+semántica) y un aparato deductivo.
CCB-C02. Construye argumentos lógicos y es capaz de evaluar su validez o refutarla a través de
diferentes estrategias de pruebas.
CCB-C03. Comprende la lógica proposicional como un lenguaje formal que permite la representación
de argumentos.
CCB-C04. Da ejemplos de todas las estructuras algebraicas estudiadas
CCB-C05. Ilustra diferentes relaciones de equivalencia y las particiones inducidas
CBB-C06. Entiende la relación entre estructuras algebraicas y estructuras computacionales
CBB-C07. Aplica la técnica de demostración por inducción para demostrar propiedades sobre el
conjunto de números naturales.
CBB-C08. Aplica las técnicas de resolución de problemas en Teoría de Conjuntos, Relaciones y
Matemáticas Discretas a la resolución de problemas cotidianos que pueden requerir el uso de un
computador.
CBB-C09. Analiza estrategias para generar razonamientos deductivos a partir de un conjunto de
premisas existentes y empleando reglas de inferencia y /o sustitución
CBB-C10. Identifica diferentes estrategias para demostrar la validez de razonamientos y de
expresiones matemáticas
CBB-C11. Identifica un problema, y se van aplicando diferentes herramientas y estrategias para
resolver o demostrar la solución del problema
5 CONTENIDO
ACTIVIDADES DE APRENDIZAJE
· ACOMPAÑAMIENTO DEL DOCENTE. HORAS SEMANALES: 4
o CLASE MAGISTRAL. HORAS SEMANALES: 2
o SESIONES PRÁCTICAS. HORAS SEMANALES: 2
· TRABAJO INDEPENDIENTE DEL ESTUDIANTE. HORAS SEMANALES: 8
SEMANA TEMA LABORATORIO/TALLERES/EXÁMENES
Introducción al curso
Concepto de probabilidad
1 Espacios de probabilidad Laplacianos
Definición de eventos y espacio Muestral
Cálculo de probabilidades Taller. Introducción a la probabilidad
2 Probabilidad geométrica
Simulación de experimentos aleatorios
Probabilidad condicional
Eventos independientes
3 Teorema de probabilidad total
Teorema de Bayes
Variables aleatorias Taller. Probabilidad.
Función de densidad de probabilidad
4 Variables aleatorias discretas
Variables aleatorias continuas
Funciones de distribución de probabilidad
5 Variables aleatorias mixtas
Valor esperado Taller. Variables aleatorias
Varianza
6 -7 Momentos de una variable aleatoria
Función generadora de momentos
8–9 Distribuciones de probabilidad Discretas
Distribución de Bernoulli
Distribución Binomial
Distribución Geométrica Binomial negativa
Distribución de Poisson
Distribución Hipergeométrica
10 – 11 Distribuciones de probabilidad Continuas Taller. Aplicaciones distribuciones de
Distribución Uniforme probabilidad
Distribución Exponencial
Distribución Gamma
12 Distribución Normal
Teorema del límite central
Ley de los grandes números
13 - 14 Vectores aleatorios Taller. Estadística descriptiva
Distribuciones conjuntas de variables aleatorias
Valor esperado y varianza de un vector
aleatorio
Distribución normal multivariada
15 - 16 Estadística descriptiva
Manipulación de datos categóricos
Muestreo aleatorio, estratificado, por
conglomerados
media, mediana y moda muéstrales
Visualización de datos
6 ESTRATEGIAS METODOLÓGICAS
Exposición: Mediante la cual el profesor presenta de manera organizada los conceptos básicos de la
lógica de programación y algoritmia permitiendo la interacción de los alumnos mediante el desarrollo
de habilidades del profesor que permitan interesar y motivar al grupo.
Texto paralelo: Los estudiantes deberán complementar los conceptos vistos en clase mediante la lectura
independiente de los temas recomendados por el docente y utilizando la bibliografía propuesta para el
curso o el acceso a links de Internet.
Solución de problemas: El profesor genera en los alumnos la disposición para trabajar en grupos
pequeños, retroalimentando constantemente su participación en la solución del problema, resuelve sus
inquietudes, los alumnos juzgan y miden sus necesidades de aprendizaje, investigan y trabajan individual
y grupalmente en la solución de problema, permitiendo aplicar los conocimientos, desarrollar las
destrezas y habilidades para resolverlo mediante la utilización de las diferentes estructuras de
programación y la implementación de algoritmos en los cuales se apliquen las técnicas modernas de la
Ingeniería de Software, favoreciendo de esta forma el desarrollo de habilidades para el análisis, síntesis
de información, y habilidades cognitivas y de socialización.
7 SOPORTE BIBLIOGRÁFICO
7.1 TEXTO GUIA

• Stanley H. Chan. Introduction to Probability for Data Science. Michingan Publishing. 2021.
https://probability4datascience.com/
• Liliana Blanco Castañeda. Probabilidad. 2 ed. Universidad Nacional de Colombia. 2010.
• Walpole Ronald, Myers Raymond, Myers Sharon y Ye Keying, Probabilidad y estadística para
ingeniería y ciencias. Octava edición, Pearson 2007.
• Devore, Jay.Probabilidad y Estadística para ingeniería y ciencias. Cuarta edición, Thomson 1998
• Probabilidad y estadística. Morales Téllez, Fernando - Islas Salomón, Celia Araceli - Colín Uribe,
María Patricia . Editorial Exodo. 2018. eLibro.
7.2 TROS TEXTOS
• Scheaffer Richard, McClave James. Probabilidad y Estadística para ingeniería, Tercera Edición,
Iberoamérica.1990.)
7.3 LECTURAS ADICIONALES
7.4 TALLERES
Se desarrollarán talleres dirigidos e independientes para cada temática de estudio.
8 RECURSOS
8.1 SOFTWARE
• Python 3 (+IDE), R (studio), Java 8 (+IDE)
8.2 HERRAMIENTAS DE APOYO
9 SISTEMA DE EVALUACIÓN
De acuerdo con el artículo 33 del reglamento estudiantil se realizarán tres evaluaciones dentro de cada
periodo académico que tendrá un peso porcentual de 30% para el primer corte, 30% para el segundo
corte y 40% para el corte final.
En cada corte se debe realizar por lo menos tres evaluaciones distintas y las fechas corresponden al
calendario académico elaborado por la escuela.
10 CONTROL DE CAMBIOS
Versión Fecha Responsable Justificación/Comentarios

V1.0 10/05/2019 Rubén Manrique Syllabus del curso introductorio de Ciencia
Computacional intermedia.
V1.1 18/06/2021 Joaquín Sanchez El tema de Estructuras y Tipos Abstractos de Datos
Juan Pablo Ospina (TAD)
Ricardo Gonzalez Fue eliminado porque se cubren en el curso
ESTRCUTURAS DE DATOS LINEALES semanas 4 a 10
Se agregaron los temas de Distribuciones de
probabilidad discretas, continuas y sus aplicaciones
V1.2 02/02/2022 Juan Pablo Ospina Se incluyeron temas de estadística descriptiva. El
contenido de relacionado con teoría de la
computación fue destinado para el curso de ciencia
computacional avanzada.
Nota: Seguir la nomenclatura de control de versiones para software.

Ciencia Computacional Intermedia

Cargado por

Copyright:

Formatos disponibles

Ciencia Computacional Intermedia

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ciencia Computacional Intermedia

Cargado por

Copyright:

Formatos disponibles

ASIGNATURA: Ciencia Computacional Intermedia

Para el científico de la computación es indispensable manipular herramientas que le permitan tomar

3 COMPETENCIAS A DESARROLLAR Y RESULTADOS DE APRENDIZAJE

COMPETENCIA RESULTADO DE APRENDIZAJE

7.1 TEXTO GUIA

• Liliana Blanco Castañeda. Probabilidad. 2 ed. Universidad Nacional de Colombia. 2010.

7.2 TROS TEXTOS

7.3 LECTURAS ADICIONALES

8.2 HERRAMIENTAS DE APOYO

Versión Fecha Responsable Justificación/Comentarios

También podría gustarte