Avis des lecteurs
Résumé:Ce livre propose une exploration complexe mais intrigante de l'intersection des mathématiques, de la physique, des statistiques et de l'intelligence artificielle, en se concentrant spécifiquement sur l'extension des dimensions temporelles dans la science des données pour les processus longitudinaux. Il met l'accent sur l'importance du « kime » ou temps complexe dans la modélisation de ces processus, avec des applications pratiques démontrées en biomédecine et en économie.
Avantages:Le livre offre une base mathématique solide pour la science des données, introduit des concepts innovants tels que le temps complexe (kime), inclut des démonstrations pratiques sur un site web d'appui, et présente des applications intéressantes dans divers domaines.
Inconvénients:Il est difficile à lire et nécessite de solides connaissances en mathématiques, en physique, en statistiques informatiques et en science des données pour bien saisir les détails techniques. Les chapitres intermédiaires sont jugés laconiques, ce qui peut nuire à la compréhension.
(basé sur 2 avis de lecteurs)
Titre original :
Data Science - Time Complexity, Inferential Uncertainty, and Spacekime Analytics
Contenu du livre :
La quantité d'informations nouvelles augmente constamment, plus rapidement que notre capacité à les interpréter et à les utiliser pour améliorer l'expérience humaine. Pour remédier à cette asymétrie, il faut des méthodes scientifiques nouvelles et révolutionnaires et des interfaces efficaces entre l'homme et l'intelligence artificielle. En faisant passer le concept de temps d'un nombre réel positif à un temps complexe 2D (kime), ce livre met en évidence un lien entre l'intelligence artificielle (IA), la science des données et la mécanique quantique. Il propose une nouvelle base mathématique pour la science des données basée sur l'élévation de l'espace-temps 4D à une dimension supérieure où les données longitudinales (par exemple, les séries temporelles) sont représentées sous forme de manifolds (par exemple, les surfaces de kime). Ce nouveau cadre permet le développement de méthodes analytiques innovantes en science des données pour l'inférence scientifique basée sur un modèle ou sans modèle, le phénotypage calculé dérivé et les prévisions statistiques. Le livre fournit un pont transdisciplinaire et un mécanisme pragmatique pour traduire les principes de la mécanique quantique, tels que les particules et les fonctions d'onde, en concepts de science des données, tels que les données et les fonctions d'inférence. Il comprend de nombreux problèmes mathématiques ouverts qui doivent encore être résolus, des défis technologiques qui doivent être relevés et des algorithmes statistiques computationnels qui doivent être entièrement développés et validés.
L'analyse de l'espace et du temps fournit des mécanismes permettant de gérer, de traiter et d'interpréter efficacement des informations numériques volumineuses, hétérogènes et suivies en continu, provenant de sources multiples. Les auteurs proposent des méthodes informatiques, des techniques basées sur des modèles de probabilité et des stratégies analytiques pour estimer, approximer ou simuler les phases temporelles complexes (directions de kime). Cela permet de transformer des données variables dans le temps, telles que des observations de séries temporelles, en manifolds de dimensions supérieures représentant des surfaces à valeurs complexes et indexées par la kime (kime-surfaces). Le livre comprend de nombreuses illustrations de techniques analytiques de spacekime basées sur des modèles et sans modèle, appliquées aux prévisions économiques, à l'identification de l'activation fonctionnelle du cerveau et au phénotypage de cohortes à haute dimension. Parmi les études de cas spécifiques, citons le regroupement non supervisé utilisant l'indice de sentiment des consommateurs du Michigan (MCSI), l'inférence basée sur un modèle utilisant des données d'imagerie par résonance magnétique fonctionnelle (IRMf), et l'inférence sans modèle utilisant les archives de données de la biobanque britannique. Le matériel comprend des sujets mathématiques, inférentiels, informatiques et philosophiques tels que le principe d'incertitude d'Heisenberg et des approches alternatives à la théorie des grands échantillons, où quelques observations spatio-temporelles peuvent être amplifiées par une série de kiméphases dérivées, estimées ou simulées.
Les auteurs étendent le calcul d'intégration et de différenciation de Newton-Leibniz au manifeste de l'espace-temps et discutent des solutions possibles à certains des "problèmes du temps". La couverture comprend également des formulations de l'espace-temps 5D des équations mathématiques classiques de l'espace-temps 4D décrivant les lois naturelles de la physique, ainsi qu'une articulation statistique de l'analyse de l'espace-temps dans un cadre d'inférence bayésienne. L'augmentation constante du volume et de la complexité des informations numériques observées et enregistrées entraîne le besoin urgent de développer de nouvelles stratégies d'analyse des données. L'analyse Spacekime représente une nouvelle approche analytique des données, qui fournit un mécanisme pour comprendre les phénomènes composés qui sont observés en tant que processus longitudinaux multiplex et suivis de manière computationnelle par des mesures de substitution. Ce livre peut intéresser les universitaires, les étudiants diplômés, les post-doctorants, les ingénieurs en intelligence artificielle et en apprentissage automatique, les biostatisticiens, les économètres et les analystes de données. Certains éléments peuvent également intéresser les philosophes, les futurologues, les astrophysiciens, les techniciens de l'industrie spatiale, les chercheurs biomédicaux, les praticiens de la santé et le grand public.
Autres informations sur le livre :
| ISBN : | 9783110697803 |
| Auteur : | |
| Éditeur : | |
| Sous-titre : | Time Complexity, Inferential Uncertainty, and Spacekime Analytics |
| Reliure : | Relié |
| Année de publication : | 2021 |
| Nombre de pages : | 489 |
Achat:
Actuellement disponible, en stock.
