Repositorio Dspace

Teoría de la información algorítmica una guía práctica

Mostrar el registro sencillo del ítem

dc.contributor 331292 en_US
dc.contributor 490583 en_US
dc.contributor.other 0000-0003-1545-4315 en_US
dc.contributor.other 0009-0001-5335-9047 en_US
dc.coverage.spatial global en_US
dc.creator Alejandro, Puga Candelas
dc.creator Manuel de Jesús, Luévano Robledo
dc.date.accessioned 2025-03-15T00:40:11Z
dc.date.available 2025-03-15T00:40:11Z
dc.date.issued 2024-04-12
dc.identifier info:eu-repo/semantics/publishedVersion en_US
dc.identifier.isbn 978-607-555-187-6 en_US
dc.identifier.uri http://ricaxcan.uaz.edu.mx/jspui/handle/20.500.11845/3826
dc.identifier.uri https://doi.org/10.48779/6ex9-jj51
dc.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. en_US
dc.description.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. en_US
dc.language.iso spa en_US
dc.publisher Universidad Autónoma de Zacatecas “Francisco García Salinas” en_US
dc.relation.uri generalPublic en_US
dc.rights Atribución-NoComercial-CompartirIgual 3.0 Estados Unidos de América *
dc.rights Attribution-NonCommercial-ShareAlike 3.0 United States *
dc.rights.uri http://creativecommons.org/licenses/by-nc-sa/3.0/us/ *
dc.subject.classification CIENCIAS FISICO MATEMATICAS Y CIENCIAS DE LA TIERRA [1] en_US
dc.subject.other Compejidad Algorítmica en_US
dc.title Teoría de la información algorítmica una guía práctica en_US
dc.type info:eu-repo/semantics/book en_US


Ficheros en el ítem

El ítem tiene asociados los siguientes ficheros de licencia:

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-CompartirIgual 3.0 Estados Unidos de América Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-CompartirIgual 3.0 Estados Unidos de América

Buscar en DSpace


Búsqueda avanzada

Listar

Mi cuenta

Estadísticas