Geométrica-MX (Diseño de Métrica)
Este proyecto desarrolla la métrica de similitud municipal que cuantifica “qué tanto se parecen” dos municipios. Parte del dataset maestro y define el espacio de representación (transformaciones, estandarización, posibles ponderaciones) y la forma de distancia (p. ej., ponderada, embebida o inspirada en TDA). Se estudia la estabilidad temporal, la sensibilidad a pesos y variables, y se proponen criterios de validez (consistencia espacial, interpretabilidad). El resultado es una especificación formal y un módulo metricas.py con una API clara (fit, transform, dist) listo para producción. Se entregan benchmarks iniciales frente a alternativas simples (baseline) y guías para elegir configuraciones por objetivo. Impacto: proveer un instrumento matemático robusto y transparente que el equipo de cómputo par-a-par escalará al universo completo, y que el equipo de evaluación podrá contrastar con indicadores de coherencia y utilidad práctica.
Simil-Crop Metric (Métrica orientada a cultivo)
· Definir espacio de representación (escalas, pesos, ventanas climáticas) y proponer métrica (p. ej., distancia ponderada/embedding/TDA-inspirada).
· Calibrar pesos vía validación cruzada con el ranking; evaluar coherencia espacial y temporal.
· Entregables: metricas.py (API fit/transform/dist), especificación formal, benchmarks vs. baselines.
· Criterios de éxito: estabilidad, interpretabilidad y mejora significativa frente a Euclídea z-score.
36
Jonathan Montalvo Urquizo
jmontalvo@tec.mx
ciencia de datos
data analysis
ML
Topología
TDA
