Modern Graph Theory Algorithms with Python

Guía especializada escrita por Colleen M. Farrelly y Franck Kalala Mutombo, publicada por Packt Publishing en 2024, dedicada a la teoría moderna de grafos y la ciencia de redes con Python. Está diseñada para científicos de datos, ingenieros de machine learning, analistas e investigadores de nivel intermedio que ya manejan Python y herramientas analíticas estándar (NumPy, pandas), y quieren incorporar el modelado basado en grafos para descifrar relaciones complejas en grandes volúmenes de información.

El texto instruye detalladamente en la transformación y limpieza de datos estructurados, espaciales, demográficos y temporales para convertirlos en topologías de red funcionales. Hace un uso exhaustivo de bibliotecas del ecosistema de redes de Python como NetworkX y python-igraph, además de pandas, scikit-learn y bases de datos orientadas a grafos como Neo4j. Se estudian métricas de centralidad (grado, intermediación, cercanía, vector propio y PageRank), detección de comunidades (algoritmo de Louvain y modularidad), modelado de redes sociales dinámicas y procesos de difusión, algoritmos de aprendizaje automático sobre grafos (extracción de atributos topológicos, clasificación de nodos, predicción de enlaces), redes neuronales de grafos (GNNs) e incluso una aproximación inicial a algoritmos cuánticos aplicados a redes.

El contenido se estructura a través de casos prácticos y proyectos aplicados a problemáticas del mundo real: simulación de la propagación de desinformación y patógenos en redes sociales, análisis de series temporales de precios de acciones convertidas en redes de correlación para predecir caídas financieras, y minería de trayectorias curriculares para modelar el éxito académico. Su gran valor reside en conectar la teoría de redes con disciplinas industriales tangibles (finanzas, salud pública, lingüística y educación); deja de lado las estructuras de datos tradicionales de ciencias de la computación (árboles binarios, pilas o colas) y requiere familiaridad previa con manipulación de datos y machine learning.