La forma de los datos: aprendizaje automático basado en geometría y análisis de datos en R

Este avanzado libro de aprendizaje automático destaca muchos algoritmos desde una perspectiva geométrica e introduce herramientas en ciencia de redes, geometría métrica y análisis de datos topológicos a través de aplicaciones prácticas.

Ya sea usted un matemático, un científico de datos experimentado o un profesional del marketing, encontrará en The Shape of Data la introducción perfecta a la interacción crítica entre la geometría de las estructuras de datos y el aprendizaje automático.

La extensa colección de estudios de caso de este libro (extraídos de la medicina, la educación, la sociología, la lingüística y más) y las explicaciones sencillas de las matemáticas detrás de docenas de algoritmos proporcionan una visión completa pero accesible de cómo la geometría da forma a los algoritmos que impulsan el análisis de datos.

Además de obtener una comprensión más profunda de cómo implementar algoritmos basados en la geometría con código, explorará:

• Algoritmos de aprendizaje supervisado y no supervisado y su aplicación al análisis de datos de red
• La forma en que las métricas de distancia y la reducción de dimensionalidad impactan el aprendizaje automático
• Cómo visualizar, incrustar y analizar datos de encuestas y texto con algoritmos basados en topología
• Nuevos enfoques para soluciones computacionales, incluidos algoritmos distribuidos y cuánticos

Autor: Colleen M. Farrelly, Yaé Ulrich Gaba
Editorial: No Starch Press
Publicado: 09/12/2023
Páginas: 264
Tipo de encuadernación: Tapa blanda
Peso: 1.10 libras
Tamaño: 9.13h x 7.01w x 0.47d
ISBN13: 9781718503083
ISBN10: 1718503083
Categorías BISAC:
- Informática | Ciencia de Datos | Aprendizaje Automático
- Informática | Software Matemático y Estadístico
- Matemáticas | Topología | General

Sobre los autores
Colleen M. Farrelly es una científica de datos sénior cuya investigación académica e industrial se ha centrado en el análisis de datos topológicos, el aprendizaje automático cuántico, el aprendizaje automático basado en la geometría, la ciencia de redes, el modelado jerárquico y el procesamiento del lenguaje natural. Desde que se graduó de la Universidad de Miami con una maestría en Bioestadística, Colleen ha trabajado como científica de datos en una variedad de industrias, incluyendo atención médica, bienes de consumo empaquetados, biotecnología, ingeniería nuclear, marketing y educación. Colleen a menudo da conferencias en eventos tecnológicos, incluyendo PyData, SAS Global, WiDS, Data Science Africa y DataScience SALON. Cuando no está trabajando, se puede encontrar a Colleen escribiendo haibun/haiga o practicando cualquier tipo de deporte acuático.

Yaé Ulrich Gaba completó sus estudios de doctorado en la Universidad de Ciudad del Cabo (UCT, Sudáfrica) con especialización en Topología y actualmente es asociado de investigación en Quantum Leap Africa (QLA, Ruanda). Sus intereses de investigación son la geometría computacional, la topología algebraica aplicada (análisis de datos topológicos) y el aprendizaje automático geométrico (aprendizaje de representación de gráficos y nubes de puntos). Su enfoque actual radica en los métodos geométricos en el análisis de datos, y su trabajo busca desarrollar algoritmos efectivos y teóricamente justificados para el análisis de datos/formas utilizando ideas y métodos geométricos y topológicos.