Embeddings de Nodos para Comunidades en Red Académica en Bogotá
Visión general
De qué trata este proyecto.
Recibirás 10 años de publicaciones (~28.000 papers) de la universidad y un dump de coautorías. Construye el grafo de coautoría (nodos: investigadores, aristas ponderadas por número de papers compartidos). Calcula embeddings con node2vec (variando p,q) y con métodos espectrales (eigenvectores del Laplaciano). Aplica clustering (HDBSCAN o KMeans con k justificado). Compara comunidades obtenidas contra los departamentos formales y discute solapamientos. Entrega visualización interactiva (UMAP+Plotly), notebook reproducible y dossier de 4 páginas para vicerrectorado.
El Briefing
Lo que harás y lo que demostrarás.
Identifica comunidades de coautoría con embeddings de nodos y compara contra estructura departamental para informar reorganización de grupos.
Earning criteria — what you'll demonstrate
- Calcular embeddings de nodos con node2vec y métodos espectrales
- Aplicar clustering sobre embeddings con métricas justificadas
- Interpretar comunidades en lenguaje de stakeholders no técnicos
- Comunicar limitaciones y caveats sobre los datos académicos
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosCientífico de Datos
Embeddings de nodos + clustering + comunicación a stakeholders es trabajo del Data Scientist en academia, sector público y consultoría.
Este proyecto afina
- node-embeddings
- community-detection
- graph-analytics
Ingeniero de Datos
Procesar 10 años de papers en grafos reproducibles es trabajo del Data Engineer en analítica académica.
Este proyecto afina
- graph-analytics
- node2vec
- networkx