Skip to content

githubbior/inferencia-estadistica

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

29 Commits
 
 
 
 
 
 
 
 

Repository files navigation

PhD en Teoría de la Inferencia y Sistemas Complejos

Subtítulo: Un programa en los fundamentos del razonamiento bajo incertidumbre para la ciencia y la ingeniería de sistemas complejos.

Grado Otorgado: Doctor en Filosofía (PhD)

Lema del Programa: "De los Fundamentos a la Implementación: Razonamiento Crítico para Mundos Complejos."


Objetivos Claros y Relevantes

Formar líderes intelectuales capaces de:

  1. Diagnosticar los supuestos ontológicos y epistemológicos en problemas de inferencia de cualquier campo.
  2. Traducir problemas aplicados complejos en marcos formales de incertidumbre (probabilísticos, difusos, etc.).
  3. Diseñar y criticar metodologías de inferencia, aprendizaje y toma de decisiones en sistemas adaptativos.
  4. Implementar soluciones computacionales robustas, conscientes de sus limitaciones filosóficas.

Estructura Lógica y Mejorada: El Ciclo de la Inferencia Crítica

La nueva estructura se organiza en torno a un ciclo iterativo, haciendo explícita la lógica del pensamiento inferencial.


Plan de Estudios Detallado

Año 1: Fundamentos y Paradigmas (Núcleo Crítico)

  • Módulo 1: Los Fundamentos del Razonamiento Incierto
    • INF 801 - Ontología para la Ciencia y la Ingeniería: Tipos de entidades, sistemas emergentes, y los límites de la modelización. Ejemplos: ¿Qué "existe" en un sistema económico? ¿Y en un modelo de red neuronal?
    • INF 802 - Epistemología y Teoría de la Justificación: Límites del conocimiento, escepticismo, fiabilismo, y el papel de la evidencia. Análisis de casos de fracasos epistemológicos en distintos campos.
    • INF 803 - Teoría de la Probabilidad: Interpretación y Aplicación: Un curso unificado que enseña la matemática desde una perspectiva interpretativa, crucial para entender debates en física cuántica (Bayesianismo vs. Frecuentismo).

  • Módulo 2: Los Paradigmas de la Inferencia Moderna
    • INF 811 - Inferencia Frecuentista: Diseño y Crítica: Teoría de muestreo, modelos generativos. Crítica a los valores-p y la reproducibilidad.
    • INF 812 - Inferencia Bayesiana: Creencia y Actualización: Teoría de la decisión, métodos computacionales. Crítica a la elección de priors y su subjetividad.
    • INF 813 - Más Allá de lo Probabilístico: Lógica difusa para la vaguedad, teoría de Dempster-Shafer para la ignorancia, y conjuntos aproximados (rough sets) para datos granulares.

Año 2: Integración y Aplicación (Amplitud y Profundidad)

  • Módulo 3: Integración con Teorías de Sistemas Complejos
    • SYS 721 - Teoría de la Información y Cibernética: Entropía, información mutua, canales con ruido, y retroalimentación. Conexión directa con física, computación y comunicación.
    • SYS 722 - Teoría de la Decisión y Diseño de Mecanismos: Decisiones bajo incertidumbre, teoría de juegos, y el diseño de sistemas cuyos participantes son agentes racionales (o no). Aplicación directa a economía, IA y políticas públicas.
    • SYS 723 - Filosofía de la Mente y Ciencias Cognitivas: Para estudiantes que se orienten a PNL, Psicología e IA. ¿Cómo representan el mundo los agentes cognitivos? Conexión con el marco de la inferencia.

  • Módulo 4: Aplicación y Síntesis (Laboratorios de Pensamiento)
    • LAB 810 - Laboratorio de Inferencia en Física: Análisis de problemas de medición en física de partículas, la interpretación de la función de onda, y el teorema de Bell.
    • LAB 820 - Laboratorio de Inferencia en Ciencia Social y Diseño de Mecanismos: Cómo definir y medir conceptos vagos (bienestar, confianza), y diseñar sistemas de asignación (matching markets) con incentivos.
    • LAB 830 - Laboratorio de Inferencia en Ciencias Cognitivas y Computación: Modelado de procesos lingüísticos (PNL), diseño de experimentos psicológicos y crítica a las métricas de rendimiento en IA.

Seminario Transversal Anual: "Crítica de Sistemas de Inferencia en la Práctica"

  • Un seminario donde se traen problemas reales de la industria y la academia (ej.: un modelo de diagnóstico médico, un algoritmo de recomendación, una política pública) para ser diseccionados en equipo usando el marco completo del doctorado.

Años 3-5: Investigación Doctoral (Profundidad y Relevancia)

  • Tesis Doctoral: Debe ser un trabajo de síntesis radical. Ejemplos de temas mejorados y más relevantes:
    • "Un marco de inferencia imprecisa para el diseño de mecanismos de mercado bajo información incompleta y preferencias vagas".
    • "Una epistemología operacional para experimentos de superación de desigualdades de Bell en física cuántica".
    • "Modelado cibernético de sistemas de recomendación: Un análisis de la retroalimentación entre la inferencia del algoritmo y la construcción de la identidad del usuario".
    • "Crítica y reformulación de los tests de personalidad en psicometría a la luz de la vaguedad ontológica de los constructos psicológicos".

About

PhD en Teoría de la Inferencia y Sistemas Complejos

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors