Introduction to Riemannian Geometry and Geometric Statistics: From Basic Theory to Implementation with Geomstats
Mivel az alkalmazásokban az adatok jelentik a legfontosabb erőforrást, a Riemann-geometria természetes keretet nyújt a komplex nemlineáris adatforrások modellezésére és egységesítésére. A Riemann-geometria alapelméletéből számítási eszközök kifejlesztése azonban fáradságos.
Ebben a monográfiában a szerzők a Riemann-geometria alapfogalmainak önálló bemutatását nyújtják számítási szempontból, minden lépésnél illusztrációkkal és példákkal ellátva. A továbbiakban bemutatják, hogyan valósulnak meg ezek a fogalmak a Geomstats nyílt forráskódú projektben, magyarázatot adva a meghozott döntésekre és a választott konvenciókra. Az olvasó így egyetlen önálló kötetben ismerkedik meg a Riemann-geometria és a geometriai statisztika elméletével, valamint ezek megvalósításával a sokaságokon végzett statisztika és gépi tanulás elvégzésére.
A számos gyakorlati Python példát tartalmazó monográfia értékes forrás mind a matematikusok, mind az alkalmazott tudósok számára, hogy megtanulják a Riemann-geometria elméletét és a Geomstats csomaggal megvalósított gyakorlati alkalmazását, ahol a legtöbb nehézség a magas szintű függvények mögött rejtőzik.