MA2007B: Use of Geometry and Topology for Data Science

Sesión 01: Intro a Topología para Data Science

La forma de los datos y el análisis cualitativo


Prof. Alejandro Ucan-Puc

Tecnológico de Monterrey • Departamento de Matemáticas

Objetivos de la Sesión

  • Comprender la diferencia entre el análisis geométrico y topológico.
  • \n\t\t\t\t\t\t
  • Visualizar cómo los datos de alta dimensión tienen 'formas' intrínsecas.
  • \n\t\t\t\t\t\t
  • Introducir la idea de homología persistente a través de nubes de puntos.

¿Por qué Topología?

El análisis de datos tradicional mide distancias y correlaciones. Pero a veces, la estructura global cualitativa es más importante:

  • ¿Tiene la nube de puntos un "agujero" central (un bucle)?
  • ¿Se divide el espacio en componentes separadas?
  • ¿Es la forma de la estructura equivalente a otra conocida?

Geometría vs Topología

La geometría se preocupa por las distancias exactas, ángulos y áreas. La topología estudia las propiedades de proximidad y conectividad que no cambian bajo deformaciones continuas (estirar, doblar, sin romper ni pegar).

"Para un topólogo, una taza de café y una dona son lo mismo."

Nubes de Puntos y Formas

Los conjuntos de datos suelen representarse como nubes de puntos en $\mathbb{R}^n$.

El reto del TDA: Recuperar la topología del espacio continuo subyacente a partir de una muestra finita y ruidosa de puntos.

Si engrosamos los puntos con bolas de radio $\epsilon$, podemos construir formas complejas (complejos simpliciales).

Aplicaciones de TDA

  • Biología: Estructura de proteínas y filogenia.
  • Series de Tiempo: Detección de anomalías en señales financieras o médicas.
  • Procesamiento de Imágenes: Segmentación y clasificación de texturas.
  • Cosmología: Estructura de filamentos cósmicos a gran escala.

Fin de la Sesión

Hemos explorado los fundamentos de Intro a Topología para Data Science.

Continúa con los laboratorios correspondientes en la carpeta notebooks/.