
Please use this identifier to cite or link to this item:
http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/3826
Title: | Teoría de la información algorítmica una guía práctica |
Authors: | Alejandro, Puga Candelas Manuel de Jesús, Luévano Robledo |
Issue Date: | 12-Apr-2024 |
Publisher: | Universidad Autónoma de Zacatecas “Francisco García Salinas” |
Abstract: | Este libro es más que una guía convencional; es una invitación a la exploración de la Teoría de la Complejidad Algorítmica como una herramienta transformadora para científicos de diversas disciplinas. No es un libro de texto que busque sumergirse en los detalles más profundos de la metodología, sino más bien una brújula práctica para aquellos que desean incorporar esta poderosa perspectiva en su investigación. Para aprovechar al máximo esta obra, se asume un conocimiento básico en teoría de probabilidad clásica, estructuras matemáticas, teoría de grafos y rudimentos de Ciencias de la Computación. Estos fundamentos proporcionan el andamiaje necesario para comprender y aplicar los conceptos que aquí se presentan. Este no es un impedimento, sino más bien un trampolín para científicos de cualquier campo que deseen adentrarse en la causalidad de los sistemas que observan y analizan. El lenguaje Python será nuestro aliado en este viaje. Se espera que los lectores tengan un cono- cimiento básico-intermedio de Python (programación orientada a objetos, manejo de librerías, estructuras de datos, procesamiento y visualización de datos), ya que nos apoyaremos en la librería PyBDM, una herramienta valiosa que puede simplificar y potenciar la implementación de la Com- plejidad Algorítmica en sus investigaciones. También usaremos otras librerías tales, como Numpy, Matplotlib y Networkx. |
Description: | This book is more than a conventional guide; it is an invitation to explore Algorithmic Complexity Theory as a transformative tool for scientists from diverse disciplines. It is not a textbook that seeks to dive into the deepest details of the methodology, but rather a practical compass for those who wish to incorporate this powerful perspective into their research. To fully benefit from this work, a basic understanding of classical probability theory, mathematical structures, graph theory, and the basics of computer science is assumed. These foundations provide the necessary scaffolding to understand and apply the concepts presented here. This is not an impediment, but rather a springboard for scientists from any field who wish to delve into the causality of the systems they observe and analyze. The Python language will be our ally on this journey. Readers are expected to have a basic-intermediate knowledge of Python (object-oriented programming, library management, data structures, data processing, and visualization), as we will rely on the PyBDM library, a valuable tool that can simplify and enhance the implementation of Algorithmic Complexity in your research. We will also use other libraries such as Numpy, Matplotlib, and Networkx. |
URI: | http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/3826 |
ISBN: | 978-607-555-187-6 |
Other Identifiers: | info:eu-repo/semantics/publishedVersion |
Appears in Collections: | *Documentos Académicos*-- UA Física |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
0547.pdf | 656,83 kB | Adobe PDF | View/Open | |
Libro_Guía_práctica.pdf | Una guía para la aplicación de la teoría de la Información Algorítmica | 1,62 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License