The Shape of Data: Geometry-Based Machine Learning and Data Analysis in R

În volumul The Shape of Data, autorii Colleen M. Farrelly și Yae Ulrich Gaba propun o analiză tehnică a învățării automate, fundamentată pe principii geometrice. Structura lucrării este una progresivă: pornește de la definirea spațiilor metrice și a structurilor de date, avansând către implementarea algoritmilor complecși în limbajul R. Observăm un accent deosebit pus pe înțelegerea modului în care geometria datelor dictează eficiența modelelor predictive. Pe linia practică a lucrării Data Science Foundations, semnată de Fionn Murtagh, care stabilește bazele teoretice ale domeniului, The Shape of Data se distinge prin focusul pe geometria metrică și analiza datelor topologice (TDA). Suntem de părere că această abordare oferă o claritate superioară în vizualizarea și analizarea seturilor de date complexe, care nu pot fi procesate eficient prin metode tradiționale. Găsim în paginile cărții o explorare detaliată a algoritmilor de învățare supervizată și nesupervizată, cu aplicații specifice în analiza rețelelor. Autorii explică riguros modul în care metricile de distanță și tehnicile de reducere a dimensionalității influențează rezultatele finale. Un element distinctiv îl reprezintă integrarea unor studii de caz din arii precum medicina, sociologia și lingvistica, demonstrând versatilitatea acestor instrumente matematice. În final, sunt introduse perspective noi asupra soluțiilor computaționale, incluzând calculul distribuit și algoritmii cuantici, pregătind cititorul pentru evoluțiile viitoare ale tehnologiei. Editura No Starch Press livrează astfel un manual tehnic esențial pentru cei care doresc să treacă dincolo de simpla aplicare a unor funcții black-box în R.