Ciencia de datos - Complejidad temporal, incertidumbre inferencial y análisis espacial

Opiniones de los lectores

El libro ofrece una exploración compleja pero intrigante de la intersección de las matemáticas, la física, la estadística y la inteligencia artificial, centrándose específicamente en la ampliación de las dimensiones temporales en la ciencia de datos para procesos longitudinales. Destaca la importancia del «kime» o tiempo complejo en la modelización de estos procesos, con aplicaciones prácticas demostradas en biomedicina y economía.

El libro ofrece una sólida base matemática para la ciencia de datos, introduce conceptos innovadores como el tiempo complejo (kime), incluye demostraciones prácticas en un sitio web de apoyo y muestra aplicaciones interesantes en diversos campos.

Su lectura supone un reto y requiere una sólida formación en matemáticas, física, estadística computacional y ciencia de datos para captar plenamente los detalles técnicos. Los capítulos intermedios se consideran concisos, lo que puede dificultar su comprensión.

(basado en 2 opiniones de lectores)

Título original:

Data Science - Time Complexity, Inferential Uncertainty, and Spacekime Analytics

Contenido del libro:

La cantidad de información nueva aumenta constantemente, más rápido que nuestra capacidad de interpretarla y utilizarla plenamente para mejorar las experiencias humanas. Abordar esta asimetría requiere métodos científicos novedosos y revolucionarios e interfaces eficaces de inteligencia humana y artificial. Al elevar el concepto de tiempo de un número real positivo a un tiempo complejo 2D (kime), este libro descubre una conexión entre la inteligencia artificial (IA), la ciencia de datos y la mecánica cuántica. Propone un nuevo fundamento matemático para la ciencia de datos basado en elevar el espaciotiempo 4D a una dimensión superior en la que los datos longitudinales (por ejemplo, series temporales) se representan como variedades (por ejemplo, superficies kime). Este nuevo marco permite el desarrollo de métodos analíticos innovadores de ciencia de datos para la inferencia científica basada o no en modelos, la fenotipificación computacional derivada y la predicción estadística. El libro proporciona un puente transdisciplinar y un mecanismo pragmático para traducir los principios de la mecánica cuántica, como las partículas y las funciones de onda, en conceptos de la ciencia de datos, como los datos y las funciones de inferencia. Incluye muchos problemas matemáticos abiertos que aún deben resolverse, retos tecnológicos que deben abordarse y algoritmos de estadística computacional que deben desarrollarse y validarse plenamente.

La analítica del kime espacial proporciona mecanismos para manejar, procesar e interpretar eficazmente información digital de gran tamaño, heterogénea y de seguimiento continuo procedente de múltiples fuentes. Los autores proponen métodos computacionales, técnicas basadas en modelos probabilísticos y estrategias analíticas para estimar, aproximar o simular las fases temporales complejas (direcciones kime). Esto permite transformar datos variables en el tiempo, como las observaciones de series temporales, en colectores de dimensiones superiores que representan superficies de valores complejos e indexadas por kime (kime-surfaces). El libro incluye muchas ilustraciones de técnicas analíticas spacekime basadas en modelos y sin modelos aplicadas a la previsión económica, la identificación de la activación funcional del cerebro y el fenotipado de cohortes de alta dimensión. Los ejemplos de estudios de casos específicos incluyen la agrupación no supervisada utilizando el Índice de Sentimiento del Consumidor de Michigan (MCSI), la inferencia basada en modelos utilizando datos de resonancia magnética funcional (fMRI) y la inferencia sin modelos utilizando el archivo de datos del Biobanco del Reino Unido. El material incluye temas matemáticos, inferenciales, computacionales y filosóficos como el principio de incertidumbre de Heisenberg y enfoques alternativos a la teoría de grandes muestras, en la que unas pocas observaciones espaciotemporales pueden amplificarse mediante una serie de kime-fases derivadas, estimadas o simuladas.

Los autores extienden el cálculo de integración y diferenciación de Newton-Leibniz a la variedad espaciotemporal y analizan posibles soluciones a algunos de los "problemas del tiempo". También incluyen formulaciones espaciotemporales en 5D de las ecuaciones matemáticas espaciotemporales clásicas en 4D que describen las leyes naturales de la física, así como la articulación estadística de la analítica espaciotemporal en un marco de inferencia bayesiana. El aumento constante del volumen y la complejidad de la información digital observada y registrada impulsa la necesidad urgente de desarrollar nuevas estrategias de análisis de datos. La analítica del spacekime representa un nuevo enfoque analítico de datos, que proporciona un mecanismo para comprender fenómenos compuestos que se observan como procesos longitudinales multiplexados y se rastrean computacionalmente mediante medidas indirectas. Este libro puede interesar a académicos, estudiantes de posgrado, becarios de posdoctorado, ingenieros de inteligencia artificial y aprendizaje automático, bioestadísticos, econometristas y analistas de datos. También puede ser de interés para filósofos, futurólogos, astrofísicos, técnicos de la industria espacial, investigadores biomédicos, profesionales de la salud y el público en general.