<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />David Meintrup, PhD, professeur de mathématiques, de statistique et de recherche opérationnelle, Université des sciences appliquées d'Ingolstadt, Allemagne
La complexité des données, due par exemple au volume, à la dimensionnalité, au bruit ou aux relations non linéaires, peut conduire à l'échec des techniques d'exploration de données traditionnelles. L'analyse topologique des données (TDA) est un domaine moderne et en pleine expansion, où les méthodes de la topologie algébrique, à l'origine une branche abstraite des mathématiques pures, sont appliquées à des ensembles de données pour découvrir des formes cachées dans des données complexes. Bien que les méthodes mathématiques soient avancées, les résultats des calculs peuvent facilement être résumés sous forme de graphiques, par exemple dans ce que l'on appelle des codes à barres. Dans cet exposé, je présenterai les idées de base derrière TDA et j'utiliserai JMP pour montrer comment générer des codes-barres d'ensembles de données du monde réel. Je ne suppose aucune familiarité avec les mathématiques ou la topologie. Nous bénéficierons de deux fonctionnalités clés de JMP : Premièrement, l'intégration de R nous permet via JSL d'effectuer les calculs requis pour les codes à barres avec un package R récemment publié ; d'autre part, le caractère graphique et interactif de JMP est parfaitement adapté pour afficher les codes-barres et poursuivre l'exploration des données.
