GONZALO RUZ Director Académico Objetivos del programa: Bienvenidos: Sistema complejo: conjunto de agentes cuya interacción origina fenómenos que no pueden explicarse a partir de las propiedades de los agentes aislados. Desarrollar la capacidad de realizar investigación original de excelencia referida a la ingeniería de sistemas complejos. Diseñar soluciones innovadoras a problemas complejos de ingeniería integrando conocimientos y enfoques provenientes de diversas disciplinas científicas. Desarrollar la capacidad de realizar proyectos de I+D y transferencia tecnológica, teniendo en cuenta las diversas implicancias en el entorno. Formar investigadores innovadores que puedan desempeñarse con éxito en n la academia, industria y centros de investigación. Por qué un master en ingeniería de sistemas complejos? Porque el fin de la ingeniería es resolver problemas de la sociedad. Porque los problemas actuales más críticos involucran sistemas complejos, donde interactúan agentes físicos, humanos y biológicos. Porque esos problemas no se pueden analizar desde una sola disciplina. Porque la revolución informática ha acrecentado la complejidad de los sistemas, pero también ha potenciado la capacidad de comprender, modelar, predecir y diseñar. ALEJANDRO JADRESIC Decano Facultad de Ingeniería y Ciencias 2 3
antecedentes del programa Innovador programa de Master que integra la ingeniería, la biología, las ciencias sociales y la computación en similar forma a los centros de investigación de mayor reputación mundial en sistemas complejos. Objetivos específicos Desarrollar la capacidad de realizar investigación original de excelencia referida a la ingeniería de sistemas complejos. Diseñar soluciones innovadoras a problemas complejos de ingeniería integrando conocimientos y enfoques provenientes de diversas disciplinas científicas. El Programa cuenta con un convenio de colaboración con el Instituto de Sistemas Complejos de Valparaíso destinado a realizar actividades conjuntas y a facilitar la participación de los alumnos del Master en los seminarios, talleres y proyectos de investigación del Instituto. El programa responde a la necesidad de desarrollar soluciones innovadoras para hacer frente a los nuevos desafíos que la sociedad impone a la ingeniería. Estos desafíos involucran temas tan diversos como el cambio climático, la biotecnología, el caos, el mercado financiero, las redes sociales, el crecimiento de las ciudades, la nanotecnología, el desarrollo de la web, el conflicto social, el aprendizaje de máquinas, la gestión de instituciones complejas o la innovación empresarial. Tales temas involucran sistemas complejos, cuyo funcionamiento depende no sólo de las propiedades de los elementos constituyentes, sino también de nuevas propiedades e información que emergen de la interacción entre las partes. Su análisis exige modelar y predecir el comportamiento de sistemas que usualmente son adaptativos, son no lineales y están en desequilibrio, sobre la base de métodos cuantitativos avanzados. El programa incluye el desarrollo de habilidades prácticas para el diseño de soluciones de ingeniería y el manejo y análisis de datos generados por sistemas complejos, combinando técnicas de matemáticas, estadística y aprendizaje automático, con el poder de la computación moderna para la extracción de conocimiento desde datos a gran escala (big data). Desarrollar la capacidad de realizar proyectos de I+D y transferencia tecnológica, teniendo en cuenta las diversas implicancias en el entorno. Formar investigadores innovadores que puedan desempeñarse con éxito en la academia, industria y centros de investigación. Disciplinas básicas El programa otorga a los egresados la capacidad de investigar y resolver problemas de ingeniería de sistemas complejos a partir de conceptos y enfoques relacionados con las siguientes disciplinas: Física y matemáticas de la complejidad Sistemas biológicos Métodos estadísticos y computacionales Teoría de decisiones Los egresados deberán tener un dominio básico de estas disciplinas y completar su tesis de master de investigación con un enfoque metodológico que las involucre. 4 MASTER EN INGENIERÍA DE SISTEMAS COMPLEJOS 5
Profesores del Programa 6 Héctor Allende Dr. Rer. Nat. Computational Statistics, TU Dortmund University, Germany. Estadística Computacional, Máquinas de Aprendizaje. Tito Homem de Mello Ph.D. In Industrial and Systems Engineering, Georgia Institute of Technology, Atlanta. Optimización estocástica, simulación. Bernardo Pagnoncelli Doctor en Matemática Aplicada, PUC de Río de Janeiro. Optimización con incertidumbre, Dinámica discreta en economía. TOMÁS BAS Ph.D. in Techology Management and Marketing of Innovation, University of Quebec. Biotecnología, clusters tecnológicos y recursos naturales. Carlos Hurtado Ph.D. In Computer Sciences, University of Toronto. Bases de datos, inteligencia de negocios. Rely Pellicer Doctor en Ciencias Exactas, mención matemáticas, Pontificia Universidad Católica de Chile. Econofísica, Estadísticas. Enrique Canessa Ph.D. In Business Administration, mención Management Information Systems, U. of Michigan. Simulación basada en agentes, sistemas complejos adaptativos. Marco Antonio Lardies Doctor en Ciencias Biológicas, mención Ecología, Pontificia Universidad Católica de Chile. Ecología y evolución, Análisis de impacto sobre invertebrados. María Josefina Poupin Doctor en Ciencias Biológicas, mención Genética molecular y microbiología, Pontificia Universidad Católica de Chile. Biología molecular, Fisiología vegetal. Sergio Chaigneau Ph.D. in Cognitive Psychology, Emory University. Conocimiento semántico, teoría de la mente. Eduardo Moreno Doctor en Ciencias de la Ingeniería, Doctor en Informática, Université de Marne La Vallée. Optimización, Tecnologías de la Información. Gonzalo Ruz Ph.D. en Machine Learning, Cardiff University. Máquinas de aprendizaje, Redes bayesianas. Jacques Dumais Ph.D. en Biología, Stanford University, EE.UU. M.Sc. en Biología, University of British Columbia, Canadá. B.Sc. en Biología y Ecología, Université de Sherbrooke, Canadá. Sergio Rica Doctor en Física, Université de NiceSophia Antipolis. Física no lineal, Ecuaciones en derivadas parciales. Karol Suchan Ph.D. in Computer Science, Université d Orléans. TICs, Modelamiento matemático. Eric Goles Doctor en Ingeniería y Doctor de Estado de Matemáticas, Universidad de Grenoble. Matemáticas discretas, Informática Teórica. María Vargas Vera Doctor en Inteligencia Artificial, Universidad de Edimburgo, Escocia, UK. Sistemas basados en Conocimiento y Web Semántica. Samuel Varas Ph.D. Information Technology, George Mason University. Gestión de TICs. Bernardo González Doctor en Ciencias Biológicas, Pontificia Universidad Católica de Chile. Microbiología ambiental, Genética bacteriana. MARCELO VILLENA Ph.D. en Economía, University of Cambridge. Econofísica y teoría de juegos. Marcos Goycoolea Ph.D. In Operations Research, Georgia Institute of Technology, Atlanta. Investigación y Gestión de Operaciones. Sistemas de Optimización Computacional. Thomas Ledger Doctor en Ciencias Biológicas, Pontificia Universidad Católica de Chile. Microbiología ambiental, Genética bacteriana. MASTER EN ING ENIERÍA DE SISTEMAS COMPLEJOS 7
malla curricular estándar Formato estándar: 1,5 años con dedicación de jornada completa (3 semestres) Año 1: Conocimientos esenciales en ingeniería de sistemas complejos Carga equivalente a 4 cursos semestrales (posible homologación en base a conocimientos previos, por decisión del comité y/o exigencia de cursos previos de nivelación). Conocimientos avanzados en el tema del proyecto de investigación Carga mínima equivalente a 2 cursos o tutoriales semestrales. Talleres de investigación en ingeniería Carga equivalente a 2 cursos semestrales. Año 2: Tesis de Master, 6 meses. Semestre 1 Semestre 2 Complejidad en física y matemática Sistemas biológicos Métodos estadísticos y computacionales Teoría de decisiones Electivo/tutorial Semestre 3 Trabajo de tesis Electivo/tutorial Taller de investigación en ingeniería Taller de investigación en ingeniería 180 (h) 180 (h) 180 (h) h: horas lectivas equivalentes. 8 MASTER EN ING ENIERÍA DE SISTEMAS COMPLEJOS 8 9
Contenido de cursos esenciales Complejidad en física y matemática Provee herramientas para analizar fenómenos complejos en física y matemática, incluyendo modelos discretos y continuos. Ejemplos de los primeros son autómatas celulares, simulación basada en agentes, redes neuronales, redes génicas, redes de discriminación social, cinética discreta. En los segundos, se aborda la teoría de catástrofe, el caos y los sistemas dinámicos y los modelos extendidos gobernados por ecuaciones en derivadas parciales (fluidos, transporte, cinética). Al final del curso los alumnos serán capaces de simular mediante modelos el comportamiento de un sistema complejo con la ayuda de un computador. Métodos estadísticos y computacionales Sistematiza el análisis estadístico de modelos de sistemas complejos, desarrolla métodos de inferencia de fenómenos cuyas variables interactúan en forma compleja y aborda algoritmos de minería de datos, clasificación, regresión y clustering, que permiten reconocer patrones y adoptar decisiones automáticas inteligentes a partir de datos empíricos sobre dichos sistemas. Se incorpora también el manejo y análisis de datos a gran escala. Al final del curso los alumnos serán capaces de predecir el comportamiento de sistemas complejos y diseñar máquinas de aprendizaje que permitan una adopción automática de decisiones. Sistemas biológicos Se analizan sistemas biológicos complejos, incluidos redes de regulación génica, redes metabólicas, redes ecológicas y redes sociales, la auto-organización y los procesos dinámicos subyacentes. Permite comprender sistemas biológicos relevantes, aplicar herramientas y métodos escalables de ingeniería, determinar parámetros claves de modelos biológicos y comparar principios regulatorios en diferentes reinos de la vida. Al final del curso se espera que los alumnos sepan identificar características comunes de sistemas complejos, sus propiedades emergentes y relacionar estos conocimientos con el desarrollo y mejoramiento de aplicaciones y procesos biotecnológicos. Teoría de decisiones Se estudian modelos de toma de decisiones basados en conceptos de diversas disciplinas, incluyendo la psicología cognitiva, la economía, la teoría de juegos, la inteligencia artificial y la informática. Se aborda la emergencia de procesos decisionales a partir del funcionamiento del sistema cognitivo y se cubren los criterios de decisión (árboles de decisión y dominio determinístico), la teoría de la utilidad (loterías, aversión al riesgo, atributos múltiples, teoría de prospectos), la teoría de juegos (juegos dinámicos, juegos evolutivos) y las opciones financieras (riesgos, incertidumbre e información). Al finalizar el curso se espera que el alumno pueda formular modelos de análisis, predicción y adopción de decisiones aplicables a problemas de gestión e ingeniería de sistemas complejos. Taller de investigación y diseño en ingeniería Se desarrollan las competencias requeridas para realizar proyectos de investigación original y diseñar soluciones a problemas complejos de ingeniería de manera autónoma. Para ello, se realizan experiencias prácticas destinadas a estimular la creatividad y la capacidad innovadora de los alumnos y a conocer y aplicar instrumentos digitales avanzados de diseño de modelos y productos en ingeniería. También se desarrollan habilidades básicas requeridas para gestionar proyectos de I+D, obtener financiamiento y proteger la propiedad intelectual asociada a la investigación académica. Taller de manejo y análisis de datos Se desarrollan habilidades prácticas requeridas para el manejo y análisis de datos generados por sistemas complejos, combinando técnicas matemáticas, estadísticas y de aprendizaje automático con el poder de la computación avanzada para la extracción de conocimientos de datos de gran escala ( big data ). Se espera que los alumnos aprendan técnicas y lenguajes de bases de datos, herramientas de visualización y programas que permitan hacer cálculos, análisis estadísticos o simulaciones. Al finalizar los dos talleres se espera que el alumno esté en condiciones de realizar su proyecto de investigación conducente al grado de master. relaciones internacionales Los académicos del programa mantienen una activa colaboración con destacados centros internacionales especializados en investigación sobre sistemas complejos, incluyendo los siguientes: Santa Fe Complex System Institute, EE.UU. Institut National de Recherche en Informatique et en automatique (INRIA), Francia. European Centre for Soft Computing, España. Programa de Biología de Sistemas, Centro Nacional de Biotecnología, CSIC, España. Institut Non Linéaire de Nice, Francia. L École des Hautef Études en Sciences Sociales, París, Francia. Instituto Mediterráneo de Estudios Avanzados, Islas Baleares, España. Laboratoires D Alembert, Université de París, Francia. Max Planck Institute, Dresden, Alemania. Waizmann Institute, Rehovot, Israel. The James Franck Insitute at University of Chicago, EE.UU. University of Turku, Finlandia. Center for the Study of Complex Systems, University of Michigan, EE.UU. Instituto de Sistemas Complejos de Valparaíso, ISCV, Chile. Tesis de grado La Tesis de Master contiene los resultados del proyecto de investigación desarrollado por el alumno en el programa. Debe constituir una contribución original en el ámbito de la ingeniería de sistemas complejos. 10 MASTER EN INGENIERÍA DE SISTEMAS COMPLEJOS 11
publicaciones isi 2013-2012 2013 Aceña, A., Anabalón, A., & Astefanesei, D. (2013). Exact hairy black brane solutions in 5D anti de Sitter space and holographic renormalization group flows. Phys. Rev. D, 87, 124033. Álvarez Viveros, M. F., Inostroza-Blancheteau, C., Timmermann, T., González, M., & Arce-Johnson, P. (2013). Overexpression of GlyI and GlyII genes in transgenic tomato (Solanum lycopersicum Mill.) plants confers salt tolerance by decreasing oxidative stress. Mol. Biol. Rep., 40(4), 3281 3290. Aracena, J., Demongeot, J., Fanchon, E., & Montalva, M. (2013). On the number of different dynamics in Boolean networks with deterministic update schedules. Math. Biosci., 242(2), 188 194. Aracena, J., Demongeot, J., Fanchon, E., & Montalva, M. (2013). On the number of update digraphs and its relation with the feedback arc sets and tournaments. Discret Appl. Math., 161(10-11), 1345 1355. Bandi, M. M., Concha, A., Wood, R., & Mahadevan, L. (2013). A pendulum in a flowing soap film. Phys. Fluids, 25, 041702. Brems, A., Cáceres, G., Dewil, R., Baeyens, J., & Pitié, F. (2013). Heat transfer to the riser-wall of a circulating fluidised bed (CFB). Energy, 50(1), 493 500. Chuaqui, M., & Hernández, R. (2013). The order of a linearly invariant family in C-n. J. Math. Anal. Appl., 398(1), 372 379. Cortes, C. E., Jara-Moroni, P., Moreno, E., & Pineda, C. (2013). Stochastic transit equilibrium. Transp. Res. Pt. B-Methodol., 51, 29 44. Dumais, J. (2013). Beyond the sine law of plant gravitropism. Proc. Natl. Acad. Sci. U. S. A., 110(2), 391 392. Espinoza, D., Goycoolea, M., Moreno, E., & Newman, A. (2013). MineLib: A Library of Open Pit Mining Problems. Ann. Oper. Res., 206(1), 93 114. Girard, A., Muneer, T., & Cáceres, G. (2013). A validated design simulation tool for passive solar space heating: Results from a monitored house in West Lothian, Scotland. Indoor Built Environ., to appear, 2013. Goles, E., Montalva, M., & Ruz, G. A. (2013). Deconstruction and dynamical robustness of regulatory networks: application to the yeast cell cycle networks. Bull. Math. Biol., 75(6), 939 966. Goles, E., Montealegre-Barba, P., & Todinca, I. (2013). The complexity of the bootstraping percolation and other problems. Theor. Comput. Sci., to appear. Hernández, R., & Martín, M. J. (2013). Pre-Schwarzian and Schwarzian Derivatives of Harmonic Mappings. J. Geom. Anal., to appear, 1 28. 12 MASTER EN ING ENIERÍA DE SISTEMAS COMPLEJOS 12 13
Hojman, S. A., & Asenjo, F. A. (2013). Can gravitation accelerate neutrinos? Class. Quantum Gravity, 30(2), 10 pp. Humbert, T., Cadot, O., During, G., Josserand, C., Rica, S., & Touze, C. (2013). Wave turbulence in vibrating plates: The effect of damping. Epl, 102(3), 6 pp. Kowalik, L., Pilipczuk, M., & Suchan, K. (2013). Towards optimal kernel for connected vertex cover in planar graphs. Discret Appl. Math., 161(7-8), 1154 1161. Kraiser, T., Stuardo, M., Manzano, M., Ledger, T., & González, B. (2013). Simultaneous assessment of the effects of an herbicide on the triad: rhizobacterial community, an herbicide degrading soil bacterium and their plant host. Plant Soil, 366(1-2), 377 388. Manríquez, P. H., Jara, M. E., Mardones, M. L., Navarro, J. M., Torres, R., Lardies, M. A., et al. (2013). Ocean Acidification Disrupts Prey Responses to Predator Cues but Not Net Prey Shell Growth in Concholepas concholepas (loco). PLoS ONE, 8(7). Navarro, J. M., Torres, R., Acuna, K., Duarte, C., Manríquez, P. H., Lardies, M., et al. (2013). Impact of mediumterm exposure to elevated pco(2) levels on the physiological energetics of the mussel Mytilus chilensis. Chemosphere, 90(3), 1242 1248. Ruz, G. A., & Goles, E. (2013). Learning gene regulatory networks using the bees algorithm. Neural Comput. Appl., 22(1), 63 70. Ruz, G. A., Varas, S., & Villena, M. (2013). Policy making for broadband adoption and usage in Chile through machine learning. Expert Syst. Appl., 40(17), 6728 6734. Villalón, J., & Calvo, R. A. (2013). A Decoupled Architecture for Scalability in Text Mining Applications. J. Univers. Comput. Sci., 19(3), 406 427. Viveros, M. F. A., Inostroza-Blancheteau, C., Timmermann, T., González, M., & Arce-Johnson, P. (2013). Overexpression of GlyI and GlyII genes in transgenic tomato (Solanum lycopersicum Mill.) plants confers salt tolerance by decreasing oxidative stress. Mol. Biol. Rep., 40(4), 3281 3290. Zhang, H. L., Baeyens, J., Degreve, J., & Cáceres, G. (2013). Concentrated solar power plants: Review and design methodology. Renew. Sust. Energ. Rev., 22, 466 481. Zuniga, A., Poupin, M. J., Donoso, R., Ledger, T., Guiliani, N., Gutiérrez, R. A., et al. (2013). Quorum Sensing and Indole- 3-Acetic Acid Degradation Play a Role in Colonization and Plant Growth Promotion of Arabidopsis thaliana by Burkholderia phytofirmans PsJN. Mol. Plant-Microbe Interact., 26(5), 546 553. 2012 Anabalón, A. (2012). Exact black holes and universality in the backreaction of non-linear sigma models with a potential in (A)dS(4). J. High Energy Phys., (6), 18 pp. Anabalón, A., & Cisterna, A. (2012). Asymptotically (anti-) de Sitter black holes and wormholes with a selfinteracting scalar field in four dimensions. Phys. Rev. D, 85(8), 6 pp. Anabalón, A., & Oliva, J. (2012). Exact hairy black holes and their modification to the universal law of gravitation. Phys. Rev. D, 86(10), 5 pp. Anabalón, A., Canfora, F., Giacomini, A., & Oliva, J. (2012). Black holes with primary hair in gauged N=8 supergravity. J. High Energy Phys., (6), 12 pp. Barra, F., Lund, F., Mujica, N., & Rica, S. (2012). Shear modulus of an elastic solid under external pressure as a function of temperature: The case of helium. Phys. Rev. B, 85(6), 6 pp. Besaury, L., Ouddane, B., Pavissich, J. P., Dubrulle-Brunaud, C., González, B., & Quillet, L. (2012). Impact of copper on the abundance and diversity of sulfate-reducing prokaryotes in two chilean marine sediments. Mar. Pollut. Bull., 64(10), 2135 2145. Campas, O., Rojas, E., Dumais, J., & Mahadevan, L. (2012). Strategies For Cell Shape Control In Tip-Growing Cells. Am. J. Bot., 99(9), 1577 1582. Canessa, E., Droop, C., & Allende, H. (2012). An improved genetic algorithm for robust design in multivariate systems. Qual. Quant., 46(2), 665 678. Canessa, E., Vera, S., & Allende, H. (2012). A new method for estimating missing values for a genetic algorithm used in robust design. Eng. Optimiz., 44(7), 787 800. Caniupan, M., Bravo, L., & Hurtado, C. A. (2012). Repairing inconsistent dimensions in data warehouses. Data Knowl. Eng., 79-80, 17 39. Chaigneau, S. E., Canessa, E., & Gaete, J. (2012). Conceptual agreement theory. New Ideas Psychol., 30(2), 179 189. Chicoisne, R., Espinoza, D., Goycoolea, M., Moreno, E., & Rubio, E. (2012). A New Algorithm for the Open-Pit Mine Production Scheduling Problem. Oper. Res., 60(3), 517 528. Corral, N., Anrique, N., Fernándes, D., Parrado, C., & Caceres, G. (2012). Power, placement and LEC evaluation to install CSP plants in northern Chile. Renew. Sust. Energ. Rev., 16(9), 6678 6685. De la Iglesia, R., Valenzuela-Heredia, D., Andrade, S., Correa, J., & González, B. (2012). Composition dynamics of epilithic intertidal bacterial communities exposed to high copper levels. FEMS Microbiol. Ecol., 79(3), 720 727. Fernándes, D., Pitie, F., Caceres, G., & Baeyens, J. (2012). Thermal energy storage: How previous findings determine current research priorities. Energy, 39(1), 246 257. Fernández, C., Valle, C., Saravia, F., & Allende, H. (2012). Behavior analysis of neural network ensemble algorithm on a virtual machine cluster. Neural Comput. Appl., 21(3), 535 542. Formenti, E., Goles, E., & Martin, B. (2012). Computational Complexity of Avalanches in the Kadanoff Sandpile Model. Fundam. Inform., 115(1), 107 124. Freire, A. S., Moreno, E., & Vielma, J. P. (2012). An integer linear programming approach for bilinear integer programming. Oper. Res. Lett., 40(2), 74 77. Goles, E., & Moreira, A. (2012). Number-Conserving Cellular Automata and Communication Complexity: A Numerical Exploration Beyond Elementary CAs. J. Cell. Autom., 7(2), 151 165. Goles, E., & Noual, M. (2012). Disjunctive networks and update schedules. Adv. Appl. Math., 48(5), 646 662. González, E., Epstein, L. D., & Godoy, V. (2012). Optimal number of bypasses: minimizing cost of calls to wireless phones under Calling Party Pays. Ann. Oper. Res., 199(1), 179 191. Hojman, S. A., Gamboa, J., & Mendez, F. (2012). Dynamics Determines Geometry. Mod. Phys. Lett. A, 27(33), 14 pp. Holguin-Veras, J., Reilly, J., Aros-Vera, F., Yushimito, W., & Isa, J. (2012). Park-and-Ride Facilities in New York City Economic Analyses of Alternative Locations. Transp. Res. Record, (2276), 123 130. Holguin-Veras, J., Yushimito, W. F., Aros-Vera, F., & Reilly, J. (2012). User rationality and optimal park-and-ride location under potential demand maximization. Transp. Res. Pt. B-Methodol., 46(8), 949 970. Ledger, T., Zuniga, A., Kraiser, T., Dasencich, P., Donoso, R., Perez-Pantoja, D., et al. (2012). Aromatic compounds degradation plays a role in colonization of Arabidopsis thaliana and Acacia caven by Cupriavidus pinatubonensis JMP134. Antonie Van Leeuwenhoek, 101(4), 713 723. Mason, P., Josserand, C., & Rica, S. (2012). Activated Nucleation of Vortices in a Dipole-Blockaded Supersolid Condensate. Phys. Rev. Lett., 109(4), 5 pp. Nisse, N., Rapaport, I., & Suchan, K. (2012). Distributed computing of efficient routing schemes in generalized chordal graphs. Theor. Comput. Sci., 444, 17 27. Ortiz, C., & Villanueva, M. (2012). Maximal independent sets in caterpillar graphs. Discret Appl. Math., 160(3), 259 266. Pabón Pereira, C. P., Castanares, G., & van Lier, J. B. (2012). An OxiTop (R) protocol for screening plant material for its biochemical methane potential (BMP). Water Sci. Technol., 66(7), 1416 1423. Perez-Pantoja, D., Donoso, R., Agullo, L., Córdova, M., Seeger, M., Pieper, D. H., et al. (2012). Genomic analysis of the potential for aromatic compounds biodegradation in Burkholderiales. Environ. Microbiol., 14(5), 1091 1117. Picozzi, A., & Rica, S. (2012). Condensation of classical optical waves beyond the cubic nonlinear Schrodinger equation. Opt. Commun., 285(24), 5440 5448. Ruz, G. A., & Pham, D. T. (2012). NBSOM: The naive Bayes self-organizing map. Neural Comput. Appl., 21(6), 1319 1330. Sun, C., Jia, S., Barsi, C., Rica, S., Picozzi, A., & Fleischer, J. W. (2012). Observation of the kinetic condensation of classical waves. Nat. Phys., 8(6), 469 473. Sundram, V., Ng, F. S., Roberts, M. A., Millán, C., Ewer, J., & Jackson, F. R. (2012). Cellular Requirements for LARK in the Drosophila Circadian System. J. Biol. Rhythms, 27(3), 183 195. Towers, S., Vogt Geisse, K., Chia-Chun, T., Han, Q., & Feng, Z. L. (2012). The Impact Of School Closures On Pandemic Influenza: Assessing Potential Repercussions Using A Seasonal Sir Model. Math. Biosci. Eng., 9(2), 413 430. Valle, M. A., Varas, S., & Ruz, G. A. (2012). Job performance prediction in a call center using a naive Bayes classifier. Expert Syst. Appl., 39(11), 9939 9945. Vivanco, F., Rica, S., & Melo, F. (2012). Dynamical arching in a two dimensional granular flow. Granul. Matter, 14(5), 563 576. 14 MASTER EN INGENIERÍA DE SISTEMAS COMPLEJOS 15
Requisitos de postulación Información general Debes postular con tus antecedentes académicos a través del link Postula en línea en donde deberás adjuntar lo siguiente: Currículum (debe aparecer edad o fecha de nacimiento) Antecedentes del registro académico con notas Licenciatura en ciencias de la ingeniería, matemáticas o ciencias afines (física, biología, química u otras). Se requiere dominio de idioma inglés, ya que gran parte del material de estudio es en este idioma. Requisitos de graduación Promedio 5.0 ó superior en el programa. Desarrollar una tesis de grado en que se desarrolle investigación sobre un problema en ingeniería de sistemas complejos. Defender la tesis de grado ante comisión de tres examinadores. Proceso de postulación Las postulaciones se abrirán el 1 de agosto hasta el 31 de enero de 2014, para el año académico que comienza en marzo del 2014. Una vez recibidos todos los antecedentes requeridos a través de nuestra plataforma on line, éstos serán enviados al comité del Master, en donde serán sometidos a evaluación. Fechas y horarios Los dos primeros semestres del Master, el horario es full time de lunes a viernes entre las 8:00 y las 19:30 horas, son 3 horas en promedio diarias. El tercer semestre que sigue (dependiendo de cada caso) serán correcciones esporádicas de tesis, por lo que el horario lo definirá cada alumno con su profesor guía. Inicio de clases: marzo de 2014. Precios Matricula UF 3. Arancel UF 360. Alumnos extranjeros US$12.000. Mayor información postgrados.ingenieria@uai.cl (56-2) 2331 1227 16 17
MASTER EN INGENIERÍA DE SISTEMAS COMPLEJOS Mayor información postgrados.ingenieria@uai.cl (56-2) 2331 1227 www.uai.cl