數據科學家——徵求意見JMP/JMP Pro 的哪些方面被/應該被任何自稱為“數據科學家”的人利用，並且最強大？
回复：數據科學家 - 徵求意見另外兩個想法……與 JMP 產品沒有直接關係，但我認為這兩種類型的技能至少可以讓“數據科學家”與他們的一些同事區分開來。
想法 1：當科學家有合理的、可測試的、合理的業務問題或技術問題需要解決時，IMO 數據科學相關技術（JMP 產品中的技術）實踐最有效/問題）。 “數據”出現在數據科學家船的橫樑上，說明僅限於“告訴我們它告訴我們什麼”的情況……是導致各種問題、浪費精力、錯過信號等問題的良方比最優決策。 因此，當數據科學家陷入這種情況時，他們需要能夠停止分析工作，並向發起人提出探索性問題，以便高效且有效地執行流程的分析部分。
想法二：消費者通常不關心用於回答原始問題或告知他們的豐富分析工具集。 因此，數據科學家需要會說兩種語言……會說分析語言（以捍衛或詳細解釋他們的方法）和他們的消費者的語言。 通常，語言是金錢或業務影響……而不是 R^2、F 檢驗、置信區間等等。 因此，如果數據科學家僅使用分析語言進行交流，那麼總體信息及其對項目的影響很可能不會完全有效。 幫助解決雙語問題的一種方法是使用 JMP 的數據可視化工具……而不是平台附帶的表格。 科學家可能仍然需要解釋一些事情……但如果保持簡單和直觀……他們就有機會被聽到和理解。
回复：數據科學家 - 徵求意見@dara_hammond讓我試著在沙子上畫一些線……但要認識到這些是波浪線“數據組裝”階段方法，例如手動輸入、JMP 查詢生成器、查詢生成器、Exel/kissing cousin 導入流、與 SAS/R/ 的接口Python/Matlab 等，現在版本 14 多文件導入，http 請求。 但即使在這裡……像 Query Builder 這樣的東西肯定會陷入“爭吵”。 就像開始過濾一樣，更改查詢中的變量名稱（真的只是另一種形式的重新編碼嗎？）等等。
在“爭論”空間中...我將從假定數據現在位於 JMP 數據表中開始。 現在是重塑、重新格式化、轉換、創建新變量（如驗證列或使用公式編輯器）等的時候了。表菜單中有如此多的數據表轉換、缺失值檢測/插補、探索異常值以了解“我如何處理他們？問題。 而它們的母體現在都在第 14 版中，Recode。
回复：數據科學家 - 徵求意見當我圍繞我得到的所有偉大的東西整理我的想法時，我似乎能夠根據你對“數據組裝”和“爭論”的分離在彼得的第 2 階段中畫出幾條線。你能分享更多關於你在細分中對什麼進行分類的細節嗎？
回复：數據科學家 - 徵求意見非常有趣的文章，從工作描述的角度出發，首先使用數據來理解“數據科學”的含義。
它可能會提供有關如何幫助 JMP 客戶實現職業轉型的線索，或者了解自稱數據科學家的新客戶可能正在尋找的線索。
https://medium.com/indeed-data-science/theres-no-such-thing-as-a-data-scientist-8dae923c14e3
舉個例子：“最後，我們看到一些自然科學家可能正在通過數據科學領域的統計學家一端進入數據科學領域。”
回复：數據科學家 - 徵求意見對於那些感興趣的人，我附上了 CRISP-DM 參考文檔。 作為@nascif_jmp提到它已經過時了……而且 SPSS 是貢獻/參與的供應商之一……但我認為作者在保持文檔供應商不可知方面做得很好。 我做了一些挖掘，看起來 2.0 版本從未超過某些草稿審查階段，據我所知，它從未正式發布。 但我認為這份文件經得起時間的考驗。
回复：數據科學家 - 徵求意見回复：分析生命週期，也值得查找 CRISP-DM 模型。 它超越了 SAS，並且已經存在了一段時間。
@russ_wolfinger寫道：
是的，看起來不錯。這與最近關於“分析生命週期”的許多玩笑很吻合——SAS Viya 的消息傳遞的一部分，也是安妮剛剛採訪過的來自 Thotwave/Duke 的 Greg Nelson 的一本書的主題分析的說。
可以在第一階段添加模擬，我更喜歡將第二階段分成兩部分，比如數據組裝和數據整理。
另外，請留意我下週演講中的“數據科學五角星”。
回复：數據科學家 - 徵求意見是的，看起來不錯。這與最近關於“分析生命週期”的許多玩笑很吻合——SAS Viya 的消息傳遞的一部分，也是安妮剛剛採訪過的來自 Thotwave/Duke 的 Greg Nelson 的一本書的主題分析的說。
可以在第一階段添加模擬，我更喜歡將第二階段分成兩部分，比如數據組裝和數據整理。
另外，請留意我下週演講中的“數據科學五角星”。
回复：數據科學家 - 徵求意見任何幫助他們解決手頭實際問題的能力。 所以我認為這個問題實際上是在考慮任何給定問題的工作流程。 我看到使用 JMP/JMP Pro/JMP Clinical/JMP Genomics 的 4 個潛在階段......因為我相信數據科學家，根據問題，可能會發現這些工具箱中的任何一個是最佳的......同樣取決於問題. 我並不完全欣賞 JMP Clinical 和 Genomics 中的工具，因此我在以下階段中的列表肯定忽略了這兩個產品中的關鍵任務功能。
第一階段：在不存在數據時創建數據。 在這裡，我主要討論 DOE 作為創建手頭問題所需數據的方法。
第二階段：獲取數據。 現在“數據”存在於其他地方，有必要將數據導入 JMP 生態系統。 因此查詢生成器、直接文件導入、以某種形式從網絡上抓取，甚至手動輸入數據都可能發揮作用。 我將在此階段包括所有數據準備和審查步驟。 因此，重新編碼、探索異常值、缺失數據、用於創建派生變量的轉換/公式編輯器、驗證策略等。
第三階段：分析數據。 天哪……考慮到手頭的問題，這可能是整個分析和圖形主菜單欄。
第四階段：與他人分享您的發現。 在這裡，我認為考慮“生產者”和“消費者”的概念很重要。 生產者創建分析、結論和建議，以及對原始問題的回答。 消費者需要了解情況、做出決定或以某種方式實際使用結果。 對於需要通知的消費者來說，複製/粘貼到 MS Word/pdf 等靜態內容可能就足夠了。 那些需要做出決定的人可能需要交互式儀表板、日誌或 HTML5 內容。 並且不要忘記用於將模型發佈到某些目標生產應用程序的 Formula Depot。
回复：數據科學家 - 徵求意見數據科學正在爆炸式增長，我的感覺是 JMP 作為“第一眼”工具具有非常強大和獨特的作用，尤其是對於表格數據，文本和圖像數據也越來越如此。有數據表嗎？首先在 JMP 中打開它們，以快速高效地確定您擁有的內容、發現問題（幾乎每個原始數據集都存在問題）、爭論以及為預測建模設計特徵。順便說一句，您還可以設計最佳實驗以更好地理解和驗證您的系統並使用最佳統計模型分析結果。雖然 JMP 的預測建模平台不是最先進的，但它的交互式探索功能以及圖形和分析的深度集成是最先進的。首先是鼠標與鍵盤。
在 Dan V、Geoff 和其他人的善意推動下，我將圍繞在 Kaggle 競賽中吸取的教訓進行一次演講，並將在 3 月 22 日的 JMP 開發會議上發表演講。JMP 一直是我的秘密武器。達拉，感謝完美的預告片問題；檢查是在郵件中...
回复：數據科學家 - 徵求意見通常，數據科學家負責將模型投入生產，或者與負有該職責的數據工程師/軟件工程師進行交互。
在這種情況下，JMP Pro 以生產語言（如 SAS、SQL、Python、C 和 JavaScript）生成評分代碼的能力會非常有用。
回复：數據科學家 - 徵求意見雖然“數據科學家”的定義不如“職業摔跤手”那麼明確，但在我的腦海中：
對於“數據整理”組件——
HTTP 請求
查詢生成器
Python、R、Matlab + SAS 集成
Recode +（如果是 Pro）它部署到 Formula Depot 的能力
表操作（堆棧/拆分等）
對於非爭吵組件：一旦數據到位，我會說通常的嫌疑人...... Graph Builder、Text Explorer、JMP Pro 分析片段（尤其是 GenReg）以及在 R 或 Python 中不容易訪問的交互功能。
