Ciencia de Redes Aplicada con R

Prefacio

Los métodos estadísticos para sistemas en red están presentes en la mayoría de las disciplinas. A pesar de las diferencias de lenguaje entre áreas, muchos métodos desarrollados para estudiar problemas específicos pueden ser útiles fuera de su contexto original; esta es la premisa de este libro. Ciencia de Redes Aplicada con R proporciona ejemplos utilizando el lenguaje de programación R para estudiar sistemas en red. Aunque la mayoría de los casos tratan sobre análisis de redes sociales, los métodos presentados aquí pueden aplicarse a contextos como redes biológicas, redes de transporte y muchos otros.

Todo el libro fue escrito utilizando quarto–un sistema de programación literaria que permite mezclar texto y código–lo que significa que todo el código presentado es 100% ejecutable y, por tanto, reproducible. El código fuente está disponible en GitHub en https://github.com/gvegayon/appliedsnar. Se anima a los lectores a descargar el código y ejecutarlo en sus máquinas utilizando RStudio o VScode.

Además de la programación en R, estaremos utilizando RStudio. Para el manejo de datos, utilizaremos dplyr y data.table. Los paquetes de manejo y visualización de datos de redes que utilizaremos son igraph, netdiffuseR, la suite statnet, y netplot.

Sobre el proyecto

Este proyecto comenzó hace más de seis años como parte de una serie de talleres y tutoriales que impartí en el Centro de Análisis de Redes Aplicadas de USC. Hoy, lo uso para recopilar y estudiar métodos estadísticos para analizar redes, con énfasis en sistemas sociales y biológicos. Además, el libro utilizará métodos de computación estadística como componente central.

Sobre el Autor

Soy Profesor Asistente de Investigación en la División de Epidemiología de la Universidad de Utah, donde trabajo estudiando Sistemas Complejos utilizando Computación Estadística. Nací y crecí en Chile. Tengo más de diez años de experiencia desarrollando software científico con enfoque en computación de alto rendimiento, visualización de datos y análisis de redes sociales. Mi formación es en Políticas Públicas (M.A. UAI, 2011), Economía (M.Sc. Caltech, 2015), y Bioestadística (Ph.D. USC, 2020).

Obtuve mi Ph.D. en Bioestadística bajo la supervisión del Prof. Paul Marjoram y la Prof. Kayla de la Haye, con mi disertación titulada “Essays on Bioinformatics and Social Network Analysis: Statistical and Computational Methods for Complex Systems.”

Si desea aprender más sobre mí, por favor visite mi sitio web en https://ggvy.cl.

Sobre la versión en Español

Esta versión en español del libro fue creada utilizando traducción automática con inteligencia artificial. Aunque se ha hecho un esfuerzo por mantener la precisión técnica y el contexto, algunos términos especializados y conceptos pueden requerir revisión adicional. La versión original en inglés permanece como la referencia autorizada.

Los lectores que encuentren errores de traducción o áreas que requieran clarificación son bienvenidos a contribuir reportando problemas en el repositorio de GitHub del proyecto.

Divulgación sobre IA

A partir de mediados de 2023, he estado utilizando IA para ayudarme a escribir este libro. Principalmente, uso una combinación de GitHub co-pilot, que ayuda con código y texto, y Grammarly, que ayuda con gramática y estilo. El papel de la IA ha sido ayudarme a escribir más rápido, pero no ha estado involucrada en la conceptualización del libro o el desarrollo de los métodos presentados aquí.