Experiencias de estudiantes / Ingeniería Física

Tiempo estimado de lectura: 3'

Esta sesión de la Pizarra Moshinsky estuvo enfocada en la geometría que tienen los datos. La sesión comenzó con la idea de que la Tierra es localmente plana, simplificando así diferentes análisis que podríamos hacer; sin embargo, la Tierra no es globalmente plana, por lo tanto, tendríamos que considerar su curvatura para poder analizar diferentes fenómenos. Lo mismo sucede con los datos: se asume que el espacio donde viven es plano; por lo tanto, hay ciertas herramientas de Machine Learning que se aprovechan de esta falta de curvatura, pero ¿y si esas herramientas estuvieran mal aprovechadas, pues el espacio de datos no es plano? 

La plática moderada por Henry trató de retratar un nuevo algoritmo creado por él, donde se asume que la curvatura de este espacio de datos no es plana; en cambio, es variable y la curvatura puede tener un significado, ya sea en economía, detección de anomalías, etc.  Esta plática estuvo llena de momentos amenos donde se empezó a cuestionar en verdad lo que asumimos de los datos y cómo la geometría es una propiedad que llevan consigo. Asimismo, se platicó acerca de cómo trabajar en un espacio discreto, cuando las propiedades de curvatura son algo asociadas a espacios continuos. Se entendió que, si bien hay un error asociado, el error es menor al 5%, dándonos a entender la eficiencia y aplicaciones que tiene el denominado RHEM (Riemannian-Henry-Embedding-Method). Esta plática estuvo llena de consideraciones sobre lo que consideramos en nuestra vida cotidiana y si de verdad es esto verdad o solo una simplificación de la realidad, pues el entorno en el que vivimos es local.