Hay muchos! Utilizo herramientas de una rama del aprendizaje automático llamada análisis de datos topológicos (TDA), que se desarrolló a partir de la topología algebraica (ver aquí: https://www.slideshare.net/Colle…). También utilicé la topología para extender los métodos estadísticos, particularmente centrados en datos pequeños que rompen muchos supuestos estadísticos (https://www.slideshare.net/Colle…). Algoritmos como la regresión Morse-Smale, Mapper y la homología persistente proporcionan una amplia variedad de herramientas flexibles para el aprendizaje supervisado y no supervisado, así como pruebas estadísticas (consulte algunos de mis otros PPT para obtener ejemplos de estos y documentos de referencia).
También hay algunas aplicaciones recientes dentro de la teoría de grafos, donde los gráficos se consideran esqueletos 1 de complejos simpliciales de dimensiones superiores (particularmente en la investigación de la neurociencia y la conectomía). Estos proporcionan herramientas de análisis de red más ricas, y me aventuraría a ver que saldrán más de estas aplicaciones en los próximos años.
Con respecto a la vida, cada vez que come una rosquilla sumergida en una taza de café, sumerge su toro en otro toro.
- Cómo ingresar a la producción musical si no tengo experiencia en el campo de la música y no puedo dejar mi trabajo porque necesito dinero para sobrevivir
- ¿Qué tan difíciles son las preguntas OMO (Olimpiada matemática en línea) y cómo puedo prepararme para ellas?
- ¿Qué campo de la neurociencia usa más matemáticas?
- ¿Por qué es que [math] \ frac {dy} {dx} \ neq \ frac {\ Delta y} {\ Delta x} [/ math] pero por diferenciales se definen como [math] dy = \ Delta y [/ math ] y [matemáticas] dx = \ Delta x [/ matemáticas]?
- ¿Cuál es el significado de la transformación de dispersión inversa?