USP seleciona alunos para curso gratuito, totalmente online, em Introdução às Redes Complexas, com aplicações, utilizando Python e IA/LLM
A Escola de Artes, Ciências e Humanidades, da Universidade de São Paulo (USP), abriu mil vagas no curso gratuito, totalmente online, em Introdução às Redes Complexas, com aplicações, utilizando Python e IA/LLM, que será ofertado de 26/01/2026 até 29/01/2026.
Há 1000 vagas disponíveis, que podem ser ocupadas por pessoas de todo o Brasil. As inscrições já estão abertas e serão finalizadas em 16/01/2026. Para mais informações e inscrições, clique aqui.
Programação
- Dia 1: Introdução aos Sistemas Complexos
Primeira Sessão (60 minutos):
Apresentação do Curso e Objetivos
Visão geral do conteúdo e metodologia.
Expectativas e objetivos de aprendizagem.
Conceitos Fundamentais de Sistemas Complexos
Definição e características de sistemas complexos.
Propriedades emergentes e comportamento coletivo.
Exemplos de sistemas complexos em diversas áreas (biologia, economia, sociologia).
Intervalo (20 minutos)
Segunda Sessão (60 minutos):
Introdução aos grafos
Conceitos básicos: nós, arestas, grafos, distribuição de grau.
Importância das redes complexas no estudo de sistemas interconectados.
Exemplo Prático em Python:
Objetivo: Criar e visualizar uma rede simples.
Atividades:
Introdução ao Python e à biblioteca NetworkX.
Implementação de um grafo básico.
Visualização da rede usando Matplotlib.
Utilização de um modelo de IA (LLM) para auxiliar na codificação e
esclarecimento de dúvidas.
- Dia 2: Redes Homogêneas
Primeira Sessão (60 minutos):
Redes Aleatórias Homogêneas
Modelo de Erdős-Rényi e suas propriedades.
Modelo de Watts-Strogatz e suas propriedades.
Conceito de redes homogêneas.
Propriedades Estatísticas
Caminho mínimo médio.
Coeficiente de aglomeração médio.
Intervalo (20 minutos)
Segunda Sessão (60 minutos):
Exemplo Prático em Python:
Objetivo: Construir e analisar uma rede de Erdős-Rényi.
Atividades:
Geração de uma rede aleatória usando NetworkX.
Cálculo de propriedades estatísticas (grau médio, clusterização).
Visualização da distribuição de grau.
Interação com um modelo de IA (LLM) para otimizar o código e interpretar
resultados.
- Dia 3: Redes Heterogêneas
Primeira Sessão (60 minutos):
Redes Aleatórias Heterogêneas
Modelo de Barabási-Albert e crescimento preferencial.
Redes livres de escala (“scale-free”)
Importância dos hubs e impacto na robustez da rede.
Distribuição de Grau em Redes Heterogêneas
Lei de potência e suas implicações.
Comparação com redes homogêneas.
Intervalo (20 minutos)
Segunda Sessão (60 minutos):
Exemplo Prático em Python:
Objetivo: Implementar o modelo de Barabási-Albert.
Atividades:
Criação de uma rede scale-free.
Análise da distribuição de grau e identificação de hubs.
Discussão sobre robustez e vulnerabilidade a falhas.
Uso de um modelo de IA (LLM) para ajustar parâmetros e explorar variações do
modelo.
- Dia 4 do curso gratuito, totalmente online, em Introdução às Redes Complexas, com aplicações, utilizando Python e IA/LLM: Aplicações de Redes Complexas
Primeira Sessão (60 minutos):
Redes em Contextos Reais
Redes Sociais:
Análise de conexões e influência.
Fenômenos de viralização.
Redes Biológicas:
Interações proteína-proteína.
Metabolismo e redes genéticas.
Redes Tecnológicas:
Estrutura da internet.
Redes elétricas e de transporte.
Discussão de Estudos de Caso
Exemplos reais de aplicações bem-sucedidas de redes complexas.
Desafios e oportunidades na análise de redes.
Intervalo (20 minutos)
Segunda Sessão (60 minutos):
Exemplo Prático em Python:
Objetivo: Simular a propagação de informação em uma rede social.
Atividades:
Implementação de modelos de propagação (e.g., modelo SIR).
Configuração de cenários de difusão e análise de resultados.
Visualização dinâmica da propagação na rede.
Auxílio de um modelo de IA (LLM) para refinar a simulação e interpretar
fenômenos observados.
Encerramento do curso gratuito, totalmente online, em Introdução às Redes Complexas, com aplicações, utilizando Python e IA/LLM
LEIA TAMBÉM: Inscrições abertas para curso gratuito online em Atuação na Educação a Distância
