2.13. Matemáticas Computacionales para Dominios Específicos (CDM)

2.13. Matemáticas Computacionales para Dominios Específicos (CDM)

Esta área aplica métodos de matemáticas computacionales a dominios de aplicación específicos, demostrando cómo el modelado matemático, la simulación y las técnicas de análisis de datos se utilizan para resolver problemas del mundo real en varios campos científicos y de ingeniería. Cubre biología computacional, finanzas cuantitativas, física computacional, ciencia de materiales y modelado climático, proporcionando a los estudiantes conocimiento específico del dominio y habilidades interdisciplinarias de resolución de problemas.

Tabla 2.13: Lista de KUs del área de Matemáticas Computacionales para Dominios Específicos.

2.13.1. CDM/Bioinformática y Biología Computacional  (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba

Temas:
Core

  • Alineamiento y análisis de secuencias
  • Análisis de datos genómicos
  • Predicción de estructura de proteínas
  • Biología de sistemas y análisis de redes
  • Construcción de árboles filogenéticos

Aprendizaje esperado (Learning Outcomes):
Core:

  1. Implementar algoritmos de alineamiento de secuencias [Usar]
  2. Analizar conjuntos de datos genómicos usando métodos estadísticos [Usar]
  3. Modelar estructuras de proteínas usando métodos computacionales [Usar]
  4. Aplicar enfoques de biología de sistemas [Usar]

2.13.2. CDM/Finanzas Computacionales y Ciencia del Riesgo  (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba

Temas:
Core

  • Modelos de valoración de opciones
  • Optimización de portafolios
  • Gestión de riesgos y valor en riesgo
  • Cálculo estocástico en finanzas
  • Estrategias de trading algorítmico

Aprendizaje esperado (Learning Outcomes):
Core:

  1. Valorar opciones usando métodos numéricos [Usar]
  2. Optimizar portafolios de inversión [Usar]
  3. Calcular medidas de riesgo y valor en riesgo [Usar]
  4. Aplicar cálculo estocástico al modelado financiero [Usar]

2.13.3. CDM/Física Computacional y Química Cuántica  (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba

Temas:
Core

  • Simulación de dinámica molecular
  • Cálculos de química cuántica
  • Métodos Monte Carlo en física
  • Simulación de mecánica de medios continuos
  • Cálculo de campos electromagnéticos

Aprendizaje esperado (Learning Outcomes):
Core:

  1. Simular dinámica molecular [Usar]
  2. Implementar algoritmos de química cuántica [Usar]
  3. Aplicar métodos Monte Carlo a sistemas físicos [Usar]
  4. Modelar problemas de mecánica de medios continuos [Usar]

2.13.4. CDM/Ciencia de Materiales Computacional  (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba

Temas:
Core

  • Predicción de estructura cristalina
  • Modelado de campo de fase
  • Cálculos de Teoría del Funcional de la Densidad (DFT)
  • Modelado multiescala de materiales
  • Informática de materiales y aprendizaje automático

Aprendizaje esperado (Learning Outcomes):
Core:

  1. Predecir estructuras cristalinas usando métodos computacionales [Usar]
  2. Aplicar modelos de campo de fase para evolución de materiales [Usar]
  3. Implementar cálculos DFT para estructura electrónica [Usar]
  4. Usar enfoques de modelado multiescala [Usar]

2.13.5. CDM/Modelado Climático y Sistemas Complejos  (Core Tier1: 1 hr, Core Tier2: 1 hr) ↑ Volver arriba

Temas:
Core

  • Modelado del sistema climático
  • Dinámica de fluidos y modelos atmosféricos
  • Sistemas complejos y teoría de redes
  • Modelado de ecosistemas
  • Cuantificación de incertidumbre en modelos climáticos

Aprendizaje esperado (Learning Outcomes):
Core:

  1. Modelar sistemas climáticos usando ecuaciones diferenciales [Usar]
  2. Simular dinámica de fluidos para modelado atmosférico [Usar]
  3. Analizar sistemas complejos usando teoría de redes [Evaluar]
  4. Cuantificar incertidumbre en modelos ambientales [Usar]

¿Encontraste una errata, un curso desactualizado, un enlace roto, o tienes una sugerencia? Cuéntanos.

Escanea para abrir en tu teléfono