François Chung, Ph.D.

Tag: simulación por computadora

Modelado de procesos y decisiones de negocio

Modelado de procesos y decisiones de negocio

Formación HPI, MOOC (2021). Esta formación en línea presenta conceptos de modelado de procesos de negocio utilizando el estándar BPMN (Business Process Model and Notation). Basado en un conocimiento profundo de BPMN, la última parte de la formación cubre los modelos de decisión que utilizan DMN (Decision Model and Notation). Los modelos de decisión complementan los modelos de proceso mediante la representación de decisiones operativas concretas, tanto con su estructura como con sus lógicas de decisión.

Semana 1: Introducción a la gestión de procesos de negocio

Temas principales:

  • Definición de procesos de negocio;
  • Modelos de procesos de negocio;
  • Procesos de negocio interactivos;
  • Modelos e instancias;
  • Ciclo de vida del proceso de negocio.

Semana 2: Modelado básico de procesos de negocio

Temas principales:

  • Actividades de proceso;
  • Pasarelas exclusivas y paralelas;
  • Pasarelas inclusivas y bucles;
  • Eventos de inicio, intermedios y de fin;
  • Simultaneidad.

Semana 3: Análisis del comportamiento de los modelos de procesos

Temas principales:

  • Comportamiento del proceso;
  • Solidez estructural;
  • Simulación de procesos de negocio;
  • Redes de Petri y análisis de procesos;
  • Comprobación de solidez.

Semana 4: Modelado avanzado de procesos de negocio

Temas principales:

  • Subprocesos y eventos de frontera;
  • Modificadores de actividad;
  • Pasarela basada en eventos;
  • Modelado de las organizaciones;
  • Patrones de asignación de recursos.

Semana 5: Datos en los modelos de procesos de negocio

Temas principales:

  • Organización de modelos de procesos;
  • Datos y flujo de datos;
  • Semántica de ejecución de datos;
  • Datos estructurados y subprocesos;
  • Conformidad con el ciclo de vida del objeto.

Semana 6: Modelado de las decisiones de negocio

Temas principales:

  • Implementación de decisiones;
  • Diagramas de requisitos de decisión;
  • Semántica de tablas de decisión;
  • Análisis de tablas de decisión;
  • Coherencia de procesos y decisiones.

Referencias

Artículos relacionados

ArchiMate 3 en la práctica (formación Orsys)
Diagramas de clases UML (formación edX)

Más información

BPMN - Business Process Model and Notation
DMN - Decision Model and Notation
openHPI - Hasso Plattner Institute

Computación y física cuántica

Computación y física cuántica

Formación Udemy, MOOC (2020). Esta formación en línea presenta la computación cuántica como la próxima ola de la industria informática. Los computadores cuánticos son exponencialmente más rápidos que los computadores clásicos de hoy. Los problemas que se consideraban demasiado difíciles de resolver, como descifrar el cifrado RSA, ahora son posibles a través de los computadores cuánticos. La formación se centra en el análisis del comportamiento de los circuitos cuánticos.

Sección 1: Introducción

Temas principales:

  • ¿Por qué aprender sobre computación cuántica?
  • ¿En qué se diferencia la computación cuántica?

Sección 2: Criptografía cuántica

Temas principales:

  • Experimentos con polarización de fotones;
  • Teorema de no clonación;
  • Cifrado XOR;
  • Cifrado con secreto compartido de un solo uso;
  • Codificación de datos en polarización de fotones.

Sección 3: Fundamentos

Temas principales:

  • Probabilidad;
  • Números complejos;
  • Álgebra de matrices;
  • Multiplicación de matrices;
  • Circuitos lógicos.

Sección 4: Modelo matemático para la física cuántica

Temas principales:

  • Modelado de física con matemáticas;
  • Probabilidades sustractivas mediante números complejos;
  • Modelado de superposición mediante matrices.

Sección 5: Física cuántica de los estados de espín

Temas principales:

  • Representación matricial del estado cuántico;
  • Vector de estado;
  • Experimentos con espín.

Sección 6: Modelo matemático de los estados de espín

Temas principales:

  • Análisis de experimentos;
  • Notación Dirac bra-ket;
  • Comportamiento aleatorio.

Sección 7: Transformaciones de estado reversibles e irreversibles

Temas principales:

  • Medición de transformaciones irreversibles;
  • Transformaciones de estado reversibles.

Sección 8: Sistemas multi-qubit

Tema principal:

  • Sistemas multi-qubit.

Sección 9: Entrelazamiento cuántico

Tema principal:

  • Entrelazamiento cuántico.

Sección 10: Modelo de computación cuántica

Temas principales:

  • Circuitos cuánticos;
  • Puertas reversibles;
  • Puertas CNOT y CCNOT;
  • Puertas Fredkin y universal;
  • Superposición y entrelazamiento en puertas cuánticas.

Sección 11: Programación cuántica con Microsoft Q#

Temas principales:

  • Arquitectura de hardware del simulador Q#;
  • Medición de estados de superposición;
  • Efecto de la superposición en puertas cuánticas;
  • Puerta Toffoli;
  • Programación de ordenadores cuánticos.

Sección 12: Experiencia cuántica de IBM

Tema principal:

  • Experiencia cuántica de IBM.

Sección 13: Conclusión

Tema principal:

  • Speedup revisado.

Referencias

Formación

Artículos relacionados

Digital Annealer (proyecto Fujitsu)
DataNews 2020 (FR) (artículo de revista especializada, versión francesa)
DataNews 2020 (NL) (artículo de revista especializada, versión holandesa)

Más información

Especialización en ciencia de datos

Especialización en ciencia de datos

Formación Coursera, MOOC (2020). Esta especialización cubre los conceptos y herramientas necesarios para la ciencia de datos, desde formular las preguntas correctas hasta hacer inferencias y publicar resultados. Los temas cubiertos incluyen el uso de R para limpiar, analizar y visualizar datos, usar GitHub para administrar proyectos de ciencia de datos y realizar análisis de regresión, mínimos cuadrados e inferencia usando modelos de regresión.

Curso 1: Caja de herramientas del científico de datos

Temas principales:

  • Fundamentos de la ciencia de datos;
  • R y Rstudio;
  • Control de versiones y GitHub;
  • R Markdown, pensamiento científico y big data.

Curso 2: Programación R

Temas principales:

  • Antecedentes y puesta en marcha;
  • Programación con R;
  • Funciones de bucle y depuración;
  • Simulación y análisis de rendimiento de software.

Curso 3: Obtención y limpieza de datos

Temas principales:

  • Encontrar datos y leer diferentes tipos de archivos;
  • Sistemas de almacenamiento de datos;
  • Organizar, fusionar y gestionar datos;
  • Manipulación de texto y datos en R.

Curso 4: Análisis exploratorio de datos

Temas principales:

  • Gráficos analíticos y representación gráfica en R;
  • Lattice y ggplot2;
  • Reducción de dimensionalidad de datos;
  • Técnicas de análisis de conglomerados.

Curso 5: Investigación reproducible

Temas principales:

  • Conceptos, ideas y estructura;
  • Markdown y knitr;
  • Lista de comprobación de la investigación reproducible;
  • Análisis de datos basados en evidencias.

Curso 6: Inferencia estadística

Temas principales:

  • Probabilidad y valores esperados;
  • Variabilidad, distribución y asíntota;
  • Intervalos, pruebas y valor p;
  • Pruebas de potencia, bootstrapping y permutación.

Curso 7: Modelos de regresión

Temas principales:

  • Mínimos cuadrados y regresión lineal;
  • Regresión lineal y multivariante;
  • Residuos y diagnósticos;
  • Regresión logística y de Poisson.

Curso 8: Aprendizaje automático

Temas principales:

  • Predicción, errores y validación cruzada;
  • Paquete caret;
  • Árboles de decisión y bosques aleatorios;
  • Regresión regularizada y predictores combinados.

Curso 9: Desarrollo de productos de datos

Temas principales:

  • Shiny, GoogleVis y Plotly;
  • R Markdown y Leaflet;
  • Paquetes R y Swirl.

Referencias

Artículos relacionados

Conferencia ODSC APAC 2023 (conferencia ODSC)
Fundamentos de Spark (formación Cognitive Class)
Fundamentos de Hadoop (formación Cognitive Class)
AWS: fundamentos y aprendizaje automático (formación AWS)

Más información

DataNews 2020 – Artículo de revista especializada

DataNews 2020 (FR) – Artículo de revista especializada

Publicación

François Chung; Combler le fossé quantique, aujourd’hui; DataNews, 2, p. 5, 2020.

Abstract

L’informatique quantique permettra de solutionner des problèmes complexes, impossibles à résoudre avec les ordinateurs d’aujourd’hui. Le Digital Annealer de Fujitsu offre une alternative à l’informatique quantique encore trop coûteuse et difficile à exécuter.

Referencias

Publicación

Artículos relacionados

Computación y física cuántica (formación Udemy)
DataNews 2020 (NL) (artículo de revista especializada, versión holandesa)
Digital Annealer (proyecto Fujitsu)

Más información

DataNews 2020 – Artículo de revista especializada

DataNews 2020 (NL) – Artículo de revista especializada

Publicación

François Chung; De kwantumkloof dichten, vandaag de dag; DataNews, 2, p. 5, 2020.

Abstract

Kwantuminformatica biedt een oplossing voor complexe problemen, die niet kunnen opgelost worden met de huidige computersystemen. De Digital Annealer van Fujitsu biedt een alternatief voor de kwantuminformatica, die momenteel nog te duur en te moeilijk uit te voeren is.

Referencias

Publicación

Artículos relacionados

Computación y física cuántica (formación Udemy)
DataNews 2020 (FR) (artículo de revista especializada, versión francesa)
Digital Annealer (proyecto Fujitsu)

Más información