¿Cuáles son algunos modelos emergentes emergentes que dependen en gran medida de las matemáticas avanzadas?

Cualquier aplicación CAD depende mucho de las matemáticas, y hay algunos jugadores nuevos en el campo, por ejemplo, OnShape.

Usamos representación de límites para describir objetos 3D:
Observe que en lugar de la malla de teselación que consiste en triángulos, este objeto está hecho de varias superficies que están limitadas por curvas.
Entonces, para hacer una aplicación CAD, debe trabajar con matemáticas que describan superficies y curvas, por ejemplo, NURBS, y las travesuras NURBS son consideradas como cosas matemáticas avanzadas por muchas personas.

Ok, la pregunta no está tomando mejor forma.

Descargo de responsabilidad primero: soy fundador de una startup en el campo del análisis de ventas avanzado. No estamos reinventando las matemáticas, sino aplicando conceptos bastante avanzados de análisis de datos a problemas analíticos de ventas, y lo estamos haciendo principalmente como SaaS.

Una vez dicho esto, me había interesado personalmente las matemáticas desde mi época en ingeniería. Siempre intenté encontrar modelos matemáticos de problemas de negocios y conocí algunos equipos de startups bastante sorprendentes.

Consideraría las matemáticas avanzadas (teóricas y aplicadas) algo parecido a: álgebra no lineal avanzada, modelos más allá de bayesiano, teoría numérica, computadora orgánica, etc. Conozco (además de la mía) toneladas de grandes startups que utilizan tales técnicas. Además, cualquier gran nombre en tecnología, arranque o no, se está moviendo en esa dirección.

Usted preguntó desde un nivel de posgrado sobre modelos de negocio y no técnicas avanzadas.

Cómo crear valor con “matemáticas de posgrado”. Muchas ideas, en tecnología y además. Solo piense en situaciones en las que este conocimiento de “nivel de posgrado” podría ser valioso, ya sea porque su usuario no tiene el conocimiento o no tiene el medio para realizar lo que sabe.

Por ejemplo, un posible modelo de negocio sería enseñar lo que sabes en la web. Pro: fácil de hacer. Con: fácil de hacer, muchos competidores.

Otro posible modelo sería utilizar datos existentes y realizar matemática básica. Los analistas de negocios hacen esto todos los días. Algunos de ellos ganan un buen dinero.

Por último, si está pensando en comenzar lo suyo, piense en las líneas que mencioné. Si quieres unirte a una startup con un interés similar, mira alrededor de tu ciudad y pídeles un café. Espero que haya ayudado.

Cualquier startup que apueste por la personalización tendría una participación matemática avanzada debido a los complejos algoritmos y, por lo tanto, a los doctores / científicos de datos como expertos. Irónicamente, algunas empresas más grandes no cuentan la Personalización como un objetivo clave, pero aún así desean personalizar la experiencia para los compradores / consumidores de una forma u otra, también cumplen con los requisitos.

Sin embargo, el desafío para las startups es que la personalización por sí sola no se puede vender. Debe tener una oferta subyacente y luego la capacidad de adaptarla según las necesidades del usuario. Knewton intentó hacer “personalización como servicio” hasta cierto punto, pero no creo que despegara como lo habían planeado.

También estamos trabajando en el espacio de la educación en la India y esperamos personalizar el viaje de aprendizaje para los estudiantes, independientemente de su ubicación / estado socioeconómico. Estamos creando dos cosas ligeramente separadas: la interfaz para que los usuarios consuman contenido y la personalización . Esta columna vertebral tiene un juego matemático avanzado bastante significativo involucrado. Estamos trabajando con algunos científicos de datos y puedo decirles a medida que avanzamos para mejorar nuestro núcleo, que se vuelve aún más complejo con cada día que pasa.

Lea más sobre nosotros aquí – TotSmart Education

Ayasdi está fuertemente arraigado en la topología algebraica, y Algebraix está fuertemente arraigado en el álgebra abstracta. Muchas compañías de animación dependen en gran medida de la investigación de vanguardia en geometría diferencial. Sugeriría mirar esos primero.

Eche un vistazo a Ayasdi, que surgió de años de investigación en análisis de datos topológicos en el departamento de matemáticas de Stanford.

No conozco los detalles, pero voy a sugerir que muchas startups relacionadas con la criptografía y la criptografía cuántica probablemente se ajusten a los criterios. Esperemos que los expertos puedan abordar esto.

Big Data y AI / machine learning dependen en gran medida de las matemáticas avanzadas. Estas son dos áreas calientes para nuevas empresas en este momento.