# Modelos gráficos probabilísticos

**Verano 2026** · Bienvenid@ 👋

---

En ciencia de datos e inteligencia artificial constantemente tomamos decisiones con información incompleta. Los **modelos gráficos probabilísticos** nos dan un marco formal y visual para hacerlo: combinan *teoría de grafos* y *probabilidad* para representar sistemas complejos, razonar bajo *incertidumbre* e inferir conocimiento a partir de datos.

Este curso te lleva desde los fundamentos hasta las aplicaciones, con una perspectiva práctica y computacional.

![](../source/images/mgp001.png)

---

::::{grid} 3
:::{grid-item-card} 🔸 Representación
Construirás grafos que codifican dependencias entre variables de forma modular, transparente e independiente del algoritmo.
:::
:::{grid-item-card} 🔸 Inferencia
Usarás algoritmos para responder preguntas concretas sobre el modelo sin necesidad de calcular distribuciones conjuntas completas.
:::
:::{grid-item-card} 🔸 Aprendizaje
Estimarás parámetros y estructura directamente desde datos, combinando conocimiento experto con evidencia empírica.
:::
::::

```{admonition} ¿A quién va dirigido?
:class: tip
A estudiantes de posgrado con bases en **probabilidad**, **estadística** y **programación en Python** que busquen profundizar en razonamiento bajo incertidumbre aplicado a ciencia de datos e IA.
```

```{toctree}
:hidden:
:maxdepth: 1
:caption: Módulos y recursos

acuerdos-de-clase
herramientas
introduccion

modulo1/index
modulo2/index
modulo3/index

recursos-bibliograficos
```