Scienza dei dati - Complessità temporale, incertezza inferenziale e analisi spaziale

Recensioni dei lettori

Il libro offre un'esplorazione complessa ma intrigante dell'intersezione tra matematica, fisica, statistica e intelligenza artificiale, concentrandosi in particolare sull'estensione delle dimensioni temporali nella scienza dei dati per i processi longitudinali. Sottolinea l'importanza del “kime” o tempo complesso nella modellazione di questi processi, con applicazioni pratiche dimostrate in biomedicina e in economia.

Il libro offre una solida base matematica per la scienza dei dati, introduce concetti innovativi come il tempo complesso (kime), include dimostrazioni pratiche su un sito web di supporto e mostra interessanti applicazioni in vari campi.

La lettura è impegnativa e richiede un solido background in matematica, fisica, statistica computazionale e scienza dei dati per cogliere appieno i dettagli tecnici. I capitoli intermedi sono stati segnalati come tersi, il che può ostacolare la comprensione.

(basato su 2 recensioni dei lettori)

Titolo originale:

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

Contenuto del libro:

La quantità di nuove informazioni è in costante aumento, più velocemente della nostra capacità di interpretarle e utilizzarle pienamente per migliorare le esperienze umane. Affrontare questa asimmetria richiede metodi scientifici nuovi e rivoluzionari e interfacce efficaci per l'intelligenza umana e artificiale. Trasformando il concetto di tempo da un numero reale positivo a un tempo complesso 2D (kime), questo libro scopre una connessione tra intelligenza artificiale (AI), scienza dei dati e meccanica quantistica. Propone un nuovo fondamento matematico per la scienza dei dati basato sull'innalzamento dello spaziotempo 4D a una dimensione superiore in cui i dati longitudinali (ad esempio, le serie temporali) sono rappresentati come collettori (ad esempio, superfici kime). Questo nuovo quadro consente di sviluppare metodi analitici innovativi di scienza dei dati per l'inferenza scientifica basata su modelli e senza modelli, la fenotipizzazione calcolata derivata e la previsione statistica. Il libro fornisce un ponte transdisciplinare e un meccanismo pragmatico per tradurre i principi della meccanica quantistica, come le particelle e le funzioni d'onda, in concetti di scienza dei dati, come i dati e le funzioni di inferenza. Include molti problemi matematici aperti che devono ancora essere risolti, sfide tecnologiche che devono essere affrontate e algoritmi di statistica computazionale che devono essere completamente sviluppati e validati.

L'analisi spacekime fornisce meccanismi per gestire, elaborare e interpretare efficacemente informazioni digitali di grandi dimensioni, eterogenee e continuamente tracciate da più fonti. Gli autori propongono metodi computazionali, tecniche basate su modelli di probabilità e strategie analitiche per stimare, approssimare o simulare le fasi temporali complesse (direzioni kime). Ciò consente di trasformare i dati variabili nel tempo, come le osservazioni delle serie temporali, in manifold più dimensionali che rappresentano superfici complesse e indicizzate di kime (kime-surfaces). Il libro include molte illustrazioni di tecniche analitiche spacekime basate su modelli e senza modelli, applicate alla previsione economica, all'identificazione dell'attivazione funzionale del cervello e alla fenotipizzazione di coorti ad alta dimensione. Esempi specifici di casi-studio includono il clustering non supervisionato utilizzando il Michigan Consumer Sentiment Index (MCSI), l'inferenza basata su modelli utilizzando dati di risonanza magnetica funzionale (fMRI) e l'inferenza senza modelli utilizzando l'archivio dati della UK Biobank. Il materiale comprende argomenti matematici, inferenziali, computazionali e filosofici come il principio di indeterminazione di Heisenberg e approcci alternativi alla teoria dei grandi campioni, in cui poche osservazioni spaziali possono essere amplificate da una serie di kime-fasi derivate, stimate o simulate.

Gli autori estendono il calcolo di integrazione e differenziazione di Newton-Leibniz al manifold spacekime e discutono le possibili soluzioni ad alcuni dei "problemi del tempo". La trattazione include anche formulazioni spacekime 5D delle equazioni matematiche classiche dello spaziotempo 4D che descrivono le leggi naturali della fisica, nonché l'articolazione statistica dell'analisi spacekime in un quadro di inferenza bayesiana. Il costante aumento del volume e della complessità delle informazioni digitali osservate e registrate rende urgente la necessità di sviluppare nuove strategie di analisi dei dati. L'analisi spacekime rappresenta un nuovo approccio analitico dei dati, che fornisce un meccanismo per comprendere fenomeni composti osservati come processi longitudinali multipli e tracciati computazionalmente da misure proxy. Questo libro può interessare studiosi accademici, studenti laureati, borsisti post-dottorato, ingegneri di intelligenza artificiale e apprendimento automatico, biostatistici, econometrici e analisti di dati. Parte del materiale può anche interessare filosofi, futuristi, astrofisici, tecnici dell'industria spaziale, ricercatori biomedici, operatori sanitari e il pubblico in generale.