Graph embeddings y diversificación de firmas
Las firmas rara vez diversifican al azar. Sus nuevas actividades dependen de capacidades, proximidad de mercado, oportunidades institucionales y del historial de lo que ya saben hacer.
El nuevo capítulo sobre diversificación de firmas usa datos de compras públicas y embeddings de grafos para representar empresas y actividades en un espacio relacional. Esa representación permite que los modelos de machine learning capturen proximidades que pueden reflejar capacidades y oportunidades.
Para complejidad económica, esto importa porque hace la diversificación más medible y potencialmente más accionable.
Cristian Candia
Profesor Asociado, Instituto de Data Science, Facultad de Ingeniería, Universidad del Desarrollo, Chile. Director de CRiSS-LAB.
Cristian Candia estudia cómo las sociedades transforman información en relevancia colectiva a través de la atención, la memoria, las preferencias y la coordinación. Su trabajo combina ciencia social computacional, ciencia de redes, IA y datos conductuales a gran escala para entender cómo grupos, instituciones y sociedades deciden qué importa.