BIENVENIDOS

Este evento reúne a expertos nacionales e internacionales, fortaleciendo la comunidad científica en biología matemática representando una oportunidad única para el aprendizaje, la innovación y la integración de herramientas matemáticas en la comprensión de sistemas biológicos, contribuyendo al desarrollo científico y tecnológico del país. Los temas abordados incluyen epidemiología matemática, sistemas dinámicos en ecología y evolución, ecología y biología marina, bioestadística, bioinformática y ciencia de datos.

Actividades

Lugar

Precursos en línea del 22 al 26 de septiembre del 2025.
Cursos presenciales y ponencias del 6 al 10 de octubre del 2025
Fecha límite de registro: 15 -8- de agosto.
Registro de estudiantes Registro de ponentes
Ponencias híbridas por ZOOM

Descargas

Horario Poster Programa

Contacto

Click para copiar

Este evento en modalidad híbrida contempla dos actividades: la XXVI Escuela de Otoño de Biología Matemática y el XX Encuentro de Biología Matemática. Dentro de la escuela de otoño, se enmarca una primera etapa de precursos en línea para estudiantes que se inscriban de todo el país o el extranjero e interesados en los temas de la escuela; se realizará del 22 al 26 de septiembre de 2025 y en la segunda etapa son cursos presenciales que se realizarán del 6 al 10 de octubre de 2025. Para el encuentro, se llevará a cabo de igual forma del 6 al 10 de octubre y se proponen 10 ponencias plenarias, pláticas por solicitud y sesiones de carteles, todos estos eventos de forma presencial. Las ponencias por solicitud serán impartidas tanto por estudiantes como por investigadores, dando la oportunidad de que los estudiantes tengan contacto directo con científicos del área para fomentar la creación de nuevos proyectos de investigación.

HORARIOS

El enlace para precursos será enviado a cada participante. Ponencias híbridas por ZOOM

Horario de Precursos

Fecha LUNES 22
DE SEPTIEMBRE
MARTES 23
DE SEPTIEMBRE
MIÉRCOLES 24
DE SEPTIEMBRE
JUEVES 25
DE SEPTIEMBRE
VIERNES 26
DE SEPTIEMBRE
9:00-10:00
Sistemas Dinámicos

Sistemas dinámicos.
Cesar Alberto Rosales Alcantar

Objetivos Generales:

  1. Presentar los conceptos fundamentales de los sistemas dinámicos, tanto continuos como discretos.
  2. Introducir aplicaciones relevantes en biología, física e ingeniería (poblaciones, circuitos, modelos epidemiológicos, entre otros).
  3. Desarrollar la capacidad de analizar estabilidad, bifurcaciones y comportamientos cualitativos de los sistemas.
  4. Familiarizar al estudiante con herramientas computacionales (principalmente en Python) para la simulación y el estudio de sistemas dinámicos.
Sistemas Dinámicos

Sistemas dinámicos.
Cesar Alberto Rosales Alcantar

Objetivos Generales:

  1. Presentar los conceptos fundamentales de los sistemas dinámicos, tanto continuos como discretos.
  2. Introducir aplicaciones relevantes en biología, física e ingeniería (poblaciones, circuitos, modelos epidemiológicos, entre otros).
  3. Desarrollar la capacidad de analizar estabilidad, bifurcaciones y comportamientos cualitativos de los sistemas.
  4. Familiarizar al estudiante con herramientas computacionales (principalmente en Python) para la simulación y el estudio de sistemas dinámicos.
Sistemas Dinámicos

Sistemas dinámicos.
Cesar Alberto Rosales Alcantar

Objetivos Generales:

  1. Presentar los conceptos fundamentales de los sistemas dinámicos, tanto continuos como discretos.
  2. Introducir aplicaciones relevantes en biología, física e ingeniería (poblaciones, circuitos, modelos epidemiológicos, entre otros).
  3. Desarrollar la capacidad de analizar estabilidad, bifurcaciones y comportamientos cualitativos de los sistemas.
  4. Familiarizar al estudiante con herramientas computacionales (principalmente en Python) para la simulación y el estudio de sistemas dinámicos.
Sistemas Dinámicos

Sistemas dinámicos.
Cesar Alberto Rosales Alcantar

Objetivos Generales:

  1. Presentar los conceptos fundamentales de los sistemas dinámicos, tanto continuos como discretos.
  2. Introducir aplicaciones relevantes en biología, física e ingeniería (poblaciones, circuitos, modelos epidemiológicos, entre otros).
  3. Desarrollar la capacidad de analizar estabilidad, bifurcaciones y comportamientos cualitativos de los sistemas.
  4. Familiarizar al estudiante con herramientas computacionales (principalmente en Python) para la simulación y el estudio de sistemas dinámicos.
Sistemas Dinámicos

Sistemas dinámicos.
Cesar Alberto Rosales Alcantar

Objetivos Generales:

  1. Presentar los conceptos fundamentales de los sistemas dinámicos, tanto continuos como discretos.
  2. Introducir aplicaciones relevantes en biología, física e ingeniería (poblaciones, circuitos, modelos epidemiológicos, entre otros).
  3. Desarrollar la capacidad de analizar estabilidad, bifurcaciones y comportamientos cualitativos de los sistemas.
  4. Familiarizar al estudiante con herramientas computacionales (principalmente en Python) para la simulación y el estudio de sistemas dinámicos.
10:00-11:00
Python

Python.
Daniel Ornelas Durán

Objetivos generales:

  1. Presentar los fundamentos de programación en Python y sus estructuras básicas.
  2. Familiarizar al estudiante con el entorno de desarrollo y las prácticas recomendadas para escribir código claro y eficiente.
  3. Introducir librerías esenciales para el análisis de datos, simulación y visualización, relevantes en biología, física e ingeniería.
  4. Proporcionar ejemplos y ejercicios prácticos que permitan aplicar Python en proyectos de investigación de verano o académicos.
Python

Python.
Daniel Ornelas Durán

Objetivos generales:

  1. Presentar los fundamentos de programación en Python y sus estructuras básicas.
  2. Familiarizar al estudiante con el entorno de desarrollo y las prácticas recomendadas para escribir código claro y eficiente.
  3. Introducir librerías esenciales para el análisis de datos, simulación y visualización, relevantes en biología, física e ingeniería.
  4. Proporcionar ejemplos y ejercicios prácticos que permitan aplicar Python en proyectos de investigación de verano o académicos.
Python

Python.
Daniel Ornelas Durán

Objetivos generales:

  1. Presentar los fundamentos de programación en Python y sus estructuras básicas.
  2. Familiarizar al estudiante con el entorno de desarrollo y las prácticas recomendadas para escribir código claro y eficiente.
  3. Introducir librerías esenciales para el análisis de datos, simulación y visualización, relevantes en biología, física e ingeniería.
  4. Proporcionar ejemplos y ejercicios prácticos que permitan aplicar Python en proyectos de investigación de verano o académicos.
Python

Python.
Daniel Ornelas Durán

Objetivos generales:

  1. Presentar los fundamentos de programación en Python y sus estructuras básicas.
  2. Familiarizar al estudiante con el entorno de desarrollo y las prácticas recomendadas para escribir código claro y eficiente.
  3. Introducir librerías esenciales para el análisis de datos, simulación y visualización, relevantes en biología, física e ingeniería.
  4. Proporcionar ejemplos y ejercicios prácticos que permitan aplicar Python en proyectos de investigación de verano o académicos.
Python

Python.
Daniel Ornelas Durán

Objetivos generales:

  1. Presentar los fundamentos de programación en Python y sus estructuras básicas.
  2. Familiarizar al estudiante con el entorno de desarrollo y las prácticas recomendadas para escribir código claro y eficiente.
  3. Introducir librerías esenciales para el análisis de datos, simulación y visualización, relevantes en biología, física e ingeniería.
  4. Proporcionar ejemplos y ejercicios prácticos que permitan aplicar Python en proyectos de investigación de verano o académicos.
11:00-12:00 Receso
12:00-1:00
Inteligencia Artificial
y Aprendizaje Profundo

Fundamentos Matemáticos de Redes Neuronales.
Daniel Robles Leong, Fedro Guillén Garza Ramos y Miguel Arturo Ballesteros Montero.

Objetivo general:
Ofrecer una introducción intensiva y rigurosa a los fundamentos matemáticos del aprendizaje profundo. Está orientado a personas con formación matemática que deseen comprender cómo y por qué funcionan los modelos de redes neuronales. Se explorarán resultados teóricos clave, como el teorema de universalidad, así como los métodos computacionales fundamentales para su entrenamiento, como el descenso de gradiente. También se incluirá una introducción práctica en Python.

Inteligencia Artificial
y Aprendizaje Profundo

Fundamentos Matemáticos de Redes Neuronales.
Daniel Robles Leong, Fedro Guillén Garza Ramos y Miguel Arturo Ballesteros Montero.

Objetivo general:
Ofrecer una introducción intensiva y rigurosa a los fundamentos matemáticos del aprendizaje profundo. Está orientado a personas con formación matemática que deseen comprender cómo y por qué funcionan los modelos de redes neuronales. Se explorarán resultados teóricos clave, como el teorema de universalidad, así como los métodos computacionales fundamentales para su entrenamiento, como el descenso de gradiente. También se incluirá una introducción práctica en Python.

Inteligencia Artificial
y Aprendizaje Profundo

Fundamentos Matemáticos de Redes Neuronales.
Daniel Robles Leong, Fedro Guillén Garza Ramos y Miguel Arturo Ballesteros Montero.

Objetivo general:
Ofrecer una introducción intensiva y rigurosa a los fundamentos matemáticos del aprendizaje profundo. Está orientado a personas con formación matemática que deseen comprender cómo y por qué funcionan los modelos de redes neuronales. Se explorarán resultados teóricos clave, como el teorema de universalidad, así como los métodos computacionales fundamentales para su entrenamiento, como el descenso de gradiente. También se incluirá una introducción práctica en Python.

Inteligencia Artificial
y Aprendizaje Profundo

Fundamentos Matemáticos de Redes Neuronales.
Daniel Robles Leong, Fedro Guillén Garza Ramos y Miguel Arturo Ballesteros Montero.

Objetivo general:
Ofrecer una introducción intensiva y rigurosa a los fundamentos matemáticos del aprendizaje profundo. Está orientado a personas con formación matemática que deseen comprender cómo y por qué funcionan los modelos de redes neuronales. Se explorarán resultados teóricos clave, como el teorema de universalidad, así como los métodos computacionales fundamentales para su entrenamiento, como el descenso de gradiente. También se incluirá una introducción práctica en Python.

Inteligencia Artificial
y Aprendizaje Profundo

Fundamentos Matemáticos de Redes Neuronales.
Daniel Robles Leong, Fedro Guillén Garza Ramos y Miguel Arturo Ballesteros Montero.

Objetivo general:
Ofrecer una introducción intensiva y rigurosa a los fundamentos matemáticos del aprendizaje profundo. Está orientado a personas con formación matemática que deseen comprender cómo y por qué funcionan los modelos de redes neuronales. Se explorarán resultados teóricos clave, como el teorema de universalidad, así como los métodos computacionales fundamentales para su entrenamiento, como el descenso de gradiente. También se incluirá una introducción práctica en Python.

1:00-2:00
Estadística A

Estadística.
Marcos Aurelio Capistrán Ocampo.

Objetivos generales:

  1. Proporcionar una base fundamental de técnicas estadísticas aplicadas en problemas de biología.
  2. Desarrollar la capacidad de formular hipótesis y aplicar pruebas de significancia estadística.
  3. Familiarizar a los estudiantes con las herramientas de Python más utilizadas en el análisis de datos biológicos.
  4. Preparar a los estudiantes para participar en proyectos de la escuela de otoño con aplicaciones de estadística en biología.
Estadística A

Estadística.
Marcos Aurelio Capistrán Ocampo.

Objetivos generales:

  1. Proporcionar una base fundamental de técnicas estadísticas aplicadas en problemas de biología.
  2. Desarrollar la capacidad de formular hipótesis y aplicar pruebas de significancia estadística.
  3. Familiarizar a los estudiantes con las herramientas de Python más utilizadas en el análisis de datos biológicos.
  4. Preparar a los estudiantes para participar en proyectos de la escuela de otoño con aplicaciones de estadística en biología.
Estadística A

Estadística.
Marcos Aurelio Capistrán Ocampo.

Objetivos generales:

  1. Proporcionar una base fundamental de técnicas estadísticas aplicadas en problemas de biología.
  2. Desarrollar la capacidad de formular hipótesis y aplicar pruebas de significancia estadística.
  3. Familiarizar a los estudiantes con las herramientas de Python más utilizadas en el análisis de datos biológicos.
  4. Preparar a los estudiantes para participar en proyectos de la escuela de otoño con aplicaciones de estadística en biología.
Estadística A

Estadística.
Marcos Aurelio Capistrán Ocampo.

Objetivos generales:

  1. Proporcionar una base fundamental de técnicas estadísticas aplicadas en problemas de biología.
  2. Desarrollar la capacidad de formular hipótesis y aplicar pruebas de significancia estadística.
  3. Familiarizar a los estudiantes con las herramientas de Python más utilizadas en el análisis de datos biológicos.
  4. Preparar a los estudiantes para participar en proyectos de la escuela de otoño con aplicaciones de estadística en biología.
Estadística A

Estadística.
Marcos Aurelio Capistrán Ocampo.

Objetivos generales:

  1. Proporcionar una base fundamental de técnicas estadísticas aplicadas en problemas de biología.
  2. Desarrollar la capacidad de formular hipótesis y aplicar pruebas de significancia estadística.
  3. Familiarizar a los estudiantes con las herramientas de Python más utilizadas en el análisis de datos biológicos.
  4. Preparar a los estudiantes para participar en proyectos de la escuela de otoño con aplicaciones de estadística en biología.
2:00-4:00 Comida
4:00-5:00
Estadística B

Dashboard con Shiny en R: Herramienta para la investigación y divulgación.
Mayra Rosalia Tocto Erazo

Objetivo general:
Capacitar en la conceptualización, diseño y desarrollo de Dashboards interactivos con R, como una herramienta para la investigación y divulgación en proyectos en ciencias. Dotar de competencias necesarias para realizar visualizaciones interactivas que faciliten el análisis de datos, la comprensión de modelos, resultados de investigación y simulaciones, promoviendo el uso de tableros para la comunicación en proyectos en ciencias a estudiantes, investigadores y público en general.

Estadística B

Dashboard con Shiny en R: Herramienta para la investigación y divulgación.
Mayra Rosalia Tocto Erazo

Objetivo general:
Capacitar en la conceptualización, diseño y desarrollo de Dashboards interactivos con R, como una herramienta para la investigación y divulgación en proyectos en ciencias. Dotar de competencias necesarias para realizar visualizaciones interactivas que faciliten el análisis de datos, la comprensión de modelos, resultados de investigación y simulaciones, promoviendo el uso de tableros para la comunicación en proyectos en ciencias a estudiantes, investigadores y público en general.

Estadística B

Dashboard con Shiny en R: Herramienta para la investigación y divulgación.
Mayra Rosalia Tocto Erazo

Objetivo general:
Capacitar en la conceptualización, diseño y desarrollo de Dashboards interactivos con R, como una herramienta para la investigación y divulgación en proyectos en ciencias. Dotar de competencias necesarias para realizar visualizaciones interactivas que faciliten el análisis de datos, la comprensión de modelos, resultados de investigación y simulaciones, promoviendo el uso de tableros para la comunicación en proyectos en ciencias a estudiantes, investigadores y público en general.

Estadística B

Dashboard con Shiny en R: Herramienta para la investigación y divulgación.
Mayra Rosalia Tocto Erazo

Objetivo general:
Capacitar en la conceptualización, diseño y desarrollo de Dashboards interactivos con R, como una herramienta para la investigación y divulgación en proyectos en ciencias. Dotar de competencias necesarias para realizar visualizaciones interactivas que faciliten el análisis de datos, la comprensión de modelos, resultados de investigación y simulaciones, promoviendo el uso de tableros para la comunicación en proyectos en ciencias a estudiantes, investigadores y público en general.

Estadística B

Dashboard con Shiny en R: Herramienta para la investigación y divulgación.
Mayra Rosalia Tocto Erazo

Objetivo general:
Capacitar en la conceptualización, diseño y desarrollo de Dashboards interactivos con R, como una herramienta para la investigación y divulgación en proyectos en ciencias. Dotar de competencias necesarias para realizar visualizaciones interactivas que faciliten el análisis de datos, la comprensión de modelos, resultados de investigación y simulaciones, promoviendo el uso de tableros para la comunicación en proyectos en ciencias a estudiantes, investigadores y público en general.

5:00-6:00
Estadística C

Fundamentos de Estadística, Modelado, Simulaciones, Inferencias y más.
Luis Alfonso Caraveo Balderas.

Objetivo general:
Promover el desarrollo de habilidades estadísticas en estudiantes de posgrado de Matemáticas o áreas afines, interesados en Matemática Aplicada. Se usarán problemas dentro del ámbito ecológico, epidemiológico y de riesgo para ilustrar un proceso constituido por el modelado del fenómeno aleatorio bajo estudio, simulaciones de datos, inferencia estadística y sus fundamentos, y la presentación, análisis y discusión de resultados.

Estadística C

Fundamentos de Estadística, Modelado, Simulaciones, Inferencias y más.
Luis Alfonso Caraveo Balderas.

Objetivo general:
Promover el desarrollo de habilidades estadísticas en estudiantes de posgrado de Matemáticas o áreas afines, interesados en Matemática Aplicada. Se usarán problemas dentro del ámbito ecológico, epidemiológico y de riesgo para ilustrar un proceso constituido por el modelado del fenómeno aleatorio bajo estudio, simulaciones de datos, inferencia estadística y sus fundamentos, y la presentación, análisis y discusión de resultados.

Estadística C

Fundamentos de Estadística, Modelado, Simulaciones, Inferencias y más.
Luis Alfonso Caraveo Balderas.

Objetivo general:
Promover el desarrollo de habilidades estadísticas en estudiantes de posgrado de Matemáticas o áreas afines, interesados en Matemática Aplicada. Se usarán problemas dentro del ámbito ecológico, epidemiológico y de riesgo para ilustrar un proceso constituido por el modelado del fenómeno aleatorio bajo estudio, simulaciones de datos, inferencia estadística y sus fundamentos, y la presentación, análisis y discusión de resultados.

Estadística C

Fundamentos de Estadística, Modelado, Simulaciones, Inferencias y más.
Luis Alfonso Caraveo Balderas.

Objetivo general:
Promover el desarrollo de habilidades estadísticas en estudiantes de posgrado de Matemáticas o áreas afines, interesados en Matemática Aplicada. Se usarán problemas dentro del ámbito ecológico, epidemiológico y de riesgo para ilustrar un proceso constituido por el modelado del fenómeno aleatorio bajo estudio, simulaciones de datos, inferencia estadística y sus fundamentos, y la presentación, análisis y discusión de resultados.

Estadística C

Fundamentos de Estadística, Modelado, Simulaciones, Inferencias y más.
Luis Alfonso Caraveo Balderas.

Objetivo general:
Promover el desarrollo de habilidades estadísticas en estudiantes de posgrado de Matemáticas o áreas afines, interesados en Matemática Aplicada. Se usarán problemas dentro del ámbito ecológico, epidemiológico y de riesgo para ilustrar un proceso constituido por el modelado del fenómeno aleatorio bajo estudio, simulaciones de datos, inferencia estadística y sus fundamentos, y la presentación, análisis y discusión de resultados.

6:00-7:00
Biología y Ecología

Ecología Marina en la costa de Oaxaca.
Juan Francisco Meraz Hernando.

Objetivo general:
Que el alumno conozca los elementos básicos de la ecología, particularmente en ambientes marinos, reconociendo las características particulares de la costa de Oaxaca, sus problemáticas y algunos métodos de estudio empleados.

Biología y Ecología

Ecología Marina en la costa de Oaxaca.
Juan Francisco Meraz Hernando.

Objetivo general:
Que el alumno conozca los elementos básicos de la ecología, particularmente en ambientes marinos, reconociendo las características particulares de la costa de Oaxaca, sus problemáticas y algunos métodos de estudio empleados.

Biología y Ecología

Ecología Marina en la costa de Oaxaca.
Juan Francisco Meraz Hernando.

Objetivo general:
Que el alumno conozca los elementos básicos de la ecología, particularmente en ambientes marinos, reconociendo las características particulares de la costa de Oaxaca, sus problemáticas y algunos métodos de estudio empleados.

Biología y Ecología

Ecología Marina en la costa de Oaxaca.
Juan Francisco Meraz Hernando.

Objetivo general:
Que el alumno conozca los elementos básicos de la ecología, particularmente en ambientes marinos, reconociendo las características particulares de la costa de Oaxaca, sus problemáticas y algunos métodos de estudio empleados.

Biología y Ecología

Ecología Marina en la costa de Oaxaca.
Juan Francisco Meraz Hernando.

Objetivo general:
Que el alumno conozca los elementos básicos de la ecología, particularmente en ambientes marinos, reconociendo las características particulares de la costa de Oaxaca, sus problemáticas y algunos métodos de estudio empleados.

Horario de Cursos

Fecha LUNES 6
DE OCTUBRE
MARTES 7
DE OCTUBRE
MIÉRCOLES 8
DE OCTUBRE
JUEVES 9
DE OCTUBRE
VIERNES 10
DE OCTUBRE
9:00-9:30 Bienvenida Plática Plática Plática Plática
9:30-10:30
Plenaria 1

Una nueva mirada a la selva: Un modelo para la distribución de especies inspirado en la física cuántica

Miguel Ballesteros

Plenaria 3

Modelos matemáticos que describen el flujo sanguíneo en arterias.

Cesar Alberto Rosales Alcantar

Plenaria 5

Modelado multivariante de cinéticas de biosorción usando redes neuronales Bi-LSTM

Alma Rosa Netzahuatl Muñoz

Plenaria 7

Pendiente

Enrique Martinez Meyer

Plenaria 9

Modelación matemática de la dinámica viral dentro de un individuo hospedero

Roberto A. Saenz

10:30-11:30
Curso-Taller 1/
Curso-Taller 2

Curso-Taller 1
Las matemáticas ayudando al biólogo
Juan Francisco Meraz Hernando

En este taller se mostrarán dos tipos de análisis en Ecologia, basados en principios matemáticos, el primero con álgebra de matrices y el segundo con modelos generales linealizados, finalmente se implementará la programación para su desarrollo.

Curso-Taller 2
Análisis de sistemas dinámicos con métodos de ciencia de datos
Jorge Velazquez Castro

En este taller se explicará que es una cadena de Markov y para qué sirve. Se explicará el algoritmo específico de Metropolis-Hastings y se desarrollará un ejemplo completo para ajustar datos de un modelo SIR epidemiológico.

Curso-Taller 1/
Curso-Taller 2

Curso-Taller 1
Las matemáticas ayudando al biólogo
Juan Francisco Meraz Hernando

En este taller se mostrarán dos tipos de análisis en Ecologia, basados en principios matemáticos, el primero con álgebra de matrices y el segundo con modelos generales linealizados, finalmente se implementará la programación para su desarrollo.

Curso-Taller 2
Análisis de sistemas dinámicos con métodos de ciencia de datos
Jorge Velazquez Castro

En este taller se explicará que es una cadena de Markov y para qué sirve. Se explicará el algoritmo específico de Metropolis-Hastings y se desarrollará un ejemplo completo para ajustar datos de un modelo SIR epidemiológico.

Curso-Taller 3/
Curso-Taller 4

Curso-Taller 3
Epidemiología Matemática
Andrés Fraguela Collar

Curso-Taller 4
Predicción de Rendimiento de Cultivos en una región mediante Aprendizaje Automático
Tomás Pérez Becerra

En este taller se realizarán predicciones de rendimientos de cultivos mediante redes neuronales, modelos de machine learning y se entrenará un modelo de aprendizaje máquina para detección de frutos.

Curso-Taller 3/
Curso-Taller 4

Curso-Taller 3
Epidemiología matemática.
Andrés Fraguela Collar

Curso-Taller 4
Predicción de Rendimiento de Cultivos en una región mediante Aprendizaje Automático
Tomás Pérez Becerra

En este taller se realizarán predicciones de rendimientos de cultivos mediante redes neuronales, modelos de machine learning y se entrenará un modelo de aprendizaje máquina para detección de frutos.

Curso-Taller 5/
Curso-Taller 6

Curso-Taller 5
Problemas en ecología y biología marina I
Eduardo Ramírez Chávez

En este taller se resolverán diversos problemas ocasionados con el aumento de la temperatura, la búsqueda de nuevas especies de coral y detección de zonas blanqueadas.

Curso-Taller 6
Problemas en ecología y biología marina II
Pedro Cervantes Hernández

En este taller se instruirá a los usuarios en el uso técnicas satelitales para obtener, procesar y generar escenarios de simulación para describir la dispersión de partículas en la superficie del mar, usando el programa GNOME.

11:30-12:00 Receso
12:00-1:00
Curso-Taller 1/
Curso-Taller 2

Curso-Taller 1
Las matemáticas ayudando al biólogo
Juan Francisco Meraz Hernando

En este taller se mostrarán dos tipos de análisis en Ecologia, basados en principios matemáticos, el primero con álgebra de matrices y el segundo con modelos generales linealizados, finalmente se implementará la programación para su desarrollo.

Curso-Taller 2
Análisis de sistemas dinámicos con métodos de ciencia de datos
Jorge Velazquez Castro

En este taller se explicará que es una cadena de Markov y para qué sirve. Se explicará el algoritmo específico de Metropolis-Hastings y se desarrollará un ejemplo completo para ajustar datos de un modelo SIR epidemiológico.

Curso-Taller 1/
Curso-Taller 2

Curso-Taller 1
Las matemáticas ayudando al biólogo
Juan Francisco Meraz Hernando

En este taller se mostrarán dos tipos de análisis en Ecologia, basados en principios matemáticos, el primero con álgebra de matrices y el segundo con modelos generales linealizados, finalmente se implementará la programación para su desarrollo.

Curso-Taller 2
Análisis de sistemas dinámicos con métodos de ciencia de datos
Jorge Velazquez Castro

En este taller se explicará que es una cadena de Markov y para qué sirve. Se explicará el algoritmo específico de Metropolis-Hastings y se desarrollará un ejemplo completo para ajustar datos de un modelo SIR epidemiológico.

Curso-Taller 3/
Curso-Taller 4

Curso-Taller 3
Epidemiología matemática.
Andrés Fraguela Collar

Curso-Taller 4
Predicción de Rendimiento de Cultivos en una región mediante Aprendizaje Automático
Tomás Pérez Becerra

En este taller se realizarán predicciones de rendimientos de cultivos mediante redes neuronales, modelos de machine learning y se entrenará un modelo de aprendizaje máquina para detección de frutos.

Curso-Taller 5/
Curso-Taller 6

Curso-Taller 5
Problemas en ecología y biología marina I
Eduardo Ramírez Chávez

En este taller se resolverán diversos problemas ocasionados con el aumento de la temperatura, la búsqueda de nuevas especies de coral y detección de zonas blanqueadas.

Curso-Taller 6
Problemas en ecología y biología marina II
Pedro Cervantes Hernández

En este taller se instruirá a los usuarios en el uso técnicas satelitales para obtener, procesar y generar escenarios de simulación para describir la dispersión de partículas en la superficie del mar, usando el programa GNOME.

Curso-Taller 5/
Curso-Taller 6

Curso-Taller 5
Problemas en ecología y biología marina I
Eduardo Ramírez Chávez

En este taller se resolverán diversos problemas ocasionados con el aumento de la temperatura, la búsqueda de nuevas especies de coral y detección de zonas blanqueadas.

Curso-Taller 6
Problemas en ecología y biología marina II
Pedro Cervantes Hernández

En este taller se instruirá a los usuarios en el uso técnicas satelitales para obtener, procesar y generar escenarios de simulación para describir la dispersión de partículas en la superficie del mar, usando el programa GNOME.

1:00-2:00
Curso-Taller 1/
Curso-Taller 2

Curso-Taller 1
Las matemáticas ayudando al biólogo
Juan Francisco Meraz Hernando

En este taller se mostrarán dos tipos de análisis en Ecologia, basados en principios matemáticos, el primero con álgebra de matrices y el segundo con modelos generales linealizados, finalmente se implementará la programación para su desarrollo.

Curso-Taller 2
Análisis de sistemas dinámicos con métodos de ciencia de datos
Jorge Velazquez Castro

En este taller se explicará que es una cadena de Markov y para qué sirve. Se explicará el algoritmo específico de Metropolis-Hastings y se desarrollará un ejemplo completo para ajustar datos de un modelo SIR epidemiológico.

Curso-Taller 3/
Curso-Taller 4

Curso-Taller 3
Epidemiología matemática.
Andrés Fraguela Collar

Curso-Taller 4
Predicción de Rendimiento de Cultivos en una región mediante Aprendizaje Automático
Tomás Pérez Becerra

En este taller se realizarán predicciones de rendimientos de cultivos mediante redes neuronales, modelos de machine learning y se entrenará un modelo de aprendizaje máquina para detección de frutos.

Curso-Taller 3/
Curso-Taller 4

Curso-Taller 3
Epidemiología matemática.
Andrés Fraguela Collar

Curso-Taller 4
Predicción de Rendimiento de Cultivos en una región mediante Aprendizaje Automático
Tomás Pérez Becerra

En este taller se realizarán predicciones de rendimientos de cultivos mediante redes neuronales, modelos de machine learning y se entrenará un modelo de aprendizaje máquina para detección de frutos.

Curso-Taller 5/
Curso-Taller 6

Curso-Taller 5
Problemas en ecología y biología marina I
Eduardo Ramírez Chávez

En este taller se resolverán diversos problemas ocasionados con el aumento de la temperatura, la búsqueda de nuevas especies de coral y detección de zonas blanqueadas.

Curso-Taller 6
Problemas en ecología y biología marina II
Pedro Cervantes Hernández

En este taller se instruirá a los usuarios en el uso técnicas satelitales para obtener, procesar y generar escenarios de simulación para describir la dispersión de partículas en la superficie del mar, usando el programa GNOME.

Curso-Taller 5/
Curso-Taller 6

Curso-Taller 5
Problemas en ecología y biología marina I
Eduardo Ramírez Chávez

En este taller se resolverán diversos problemas ocasionados con el aumento de la temperatura, la búsqueda de nuevas especies de coral y detección de zonas blanqueadas.

Curso-Taller 6
Problemas en ecología y biología marina II
Pedro Cervantes Hernández

En este taller se instruirá a los usuarios en el uso técnicas satelitales para obtener, procesar y generar escenarios de simulación para describir la dispersión de partículas en la superficie del mar, usando el programa GNOME.

2:00-4:00 Comida
4:00-5:00
Plenaria 2

Descifrando la endemicidad del dengue: métricas transitorias, patrones espectrales y efectos de parámetros clave en modelos vector-hospedero

Marco A. Capistran Ocampo

Plenaria 4

Ecoepidemiología: La fusión entre Ecología y Epidemiología

Virgilio Vázquez

Plenaria 6

Bifurcaciones y un par de rutas al caos de origen biológico.

Victor Breña Medina

Plenaria 8

Modelando agroecosistemas diversos de México

Mariana Benítez Keinrad

Plenaria 10

Del Sedimento a la Evidencia: Reconstruyendo el Pasado con Inferencia Bayesiana Completa

Marco A. Aquino-López

5:00-5:30
Pláticas
Por Confirmar
Pláticas
Por Confirmar
Pláticas
Por Confirmar
Pláticas
Por Confirmar
Pláticas
Por Confirmar
5:30-6:00 Receso
6:00-6:30
Pláticas
Por Confirmar
Pláticas
Por Confirmar
Posters Posters
Pláticas
Por Confirmar
6:30-7:00
Pláticas
Por Confirmar
Pláticas
Por Confirmar
Posters Posters CLAUSURA

Comité Organizador

  • Tomás Pérez Becerra, UTM.
  • H.C. Rosalía Nalleli Pérez Estrada, UPTx.
  • Julio Cesar Becerra Díaz, UPTx.
  • Raúl Temoltzi Ávila, UAEH.
  • Luis Olivares Quiroz , UACM.
  • Miguel Arturo Ballesteros Montero, IIMAS.
  • Norma Leticia Abrica Jacinto, UMAR.
  • José Arturo Montoya Laos, UNISON.
  • Marcos Aurelio Capistrán Ocampo, CIMAT.
  • Andrés Fraguela Collar, BUAP.
  • Ricardo López Hernández, UATx.
  • Juan Francisco Meraz Hernando, UMAR.
  • Miriam Rodríguez Olivarez, UMAR.
  • Pablo Jorge Hernández Hernández, UMAR.

Comité Organizador Local

  • Alejandro Iván Aguirre Salado, CEMMVyC-UTM.
  • Pedro A. Antonio Soto, CEMMVyC-UTM.
  • Franco Barragán Mendoza, Jefe de Carrera de la Licenciatura en Matemáticas Aplicadas-UTM.
  • Verónica Borja Macías, CEMMVyC-UTM.
  • José del Carmen Jiménez Hernández, CEMMVyC-UTM.
  • Marisol López Cerino, CEMMVyC-UTM.
  • Ana Delia Olvera Cervantes, CEMMVyC-UTM.
  • Sergio Palafox Delgado, CEMMVyC-UTM.
  • Silvia Reyes Mora, Jefa de la División de Estudios de Postgrado-UTM.
  • Hugo David Sánchez Chávez, CEMMVyC-UTM.
  • Salvador Sánchez Perales, CEMMVyC-UTM.
  • Jesús Fernando Tenorio Arvide, Director del IFM-UTM.
  • Álvaro Castañeda Mendoza, Matemáticas Aplicadas-UNISTMO.

Ponentes Plenarios

  • Miguel Arturo Ballesteros Montero, IIMAS, UNAM.
  • Virgilio Vázquez Hipólito, UTM.
  • Alma Rosa Netzahuatl Muñoz, UPTx.
  • Víctor Breña Medina, ITAM.
  • Mariana Benítez Keinrad, Instituto de Ecología, UNAM.
  • Roberto Alonso Sáenz Casas, Universidad de Colima.
  • Marco A. Aquino López, CIMAT.
  • Marcos Aurelio Capistrán Ocampo, CIMAT-Mérida.
  • César Alberto Rosales Alcantar, CIMAT-Mérida.
  • Enrique Martínez Meyer, UNAM.

Instructores de Precursos en Línea

  • Cesar Alberto Rosales Alcantar, CIMAT.
  • Daniel Ornelas Durán, UNAM.
  • Marcos Aurelio Capistrán Ocampo, CIMAT.
  • Mayra Rosalía Tocto Erazo, Universidad de Sonora.
  • Luis Alfonso Caraveo Balderas, Universidad de Sonora.
  • Daniel Robles Leong, Fedro Guillén Garza Ramos y
    Miguel Arturo Ballesteros Montero. UNAM.
  • Juan Francisco Meraz Hernando, UMAR.

Instructores de cursos-talleres presenciales

  • Jorge Velázquez Castro, BUAP.
  • Tomás Pérez Becerra, UTM.
  • Pedro Cervantes Hernández, UMAR.
  • Eduardo Ramírez Chávez, UMAR.
  • Andrés Fraguela Collar, BUAP.
  • Juan Francisco Meraz Hernando, UMAR.