Datenwissenschaftler - Meinungen gesuchtWelche Aspekte von JMP/JMP Pro werden/sollten genutzt werden und welche sind die leistungsstärksten von selbsternannten „Data Scientists“?
Re: Data Scientists - Meinungen erbetenZwei weitere Gedanken ... die sich zwar nicht direkt auf JMP-Produkte beziehen, aber ich denke, diese beiden Arten von Fähigkeiten können einen "Datenwissenschaftler" zumindest von einigen seiner Kollegen unterscheiden.
Gedanke 1: IMO-Praxis von datenwissenschaftlichen Techniken (die in JMP-Produkten) ist am effizientesten, wenn der Wissenschaftler fundierte, testbare, rationale Geschäftsfragen oder technische Probleme zu lösen hat, die von seinen Verbrauchern präsentiert werden (ganz zu schweigen von geeigneten Daten zur Beantwortung dieser Fragen). /Themen). Die Situation, in der die „Daten“ über dem Heck des Bootes des Datenwissenschaftlers auftauchen und die Anweisungen auf „Sagen Sie uns, was sie uns sagen“ beschränkt sind, sind ein Rezept für alle möglichen Probleme, verschwendete Mühe, verpasste Signale und weniger als optimale Entscheidungen. Wenn der Datenwissenschaftler also in diese Situation geraten ist, muss er in der Lage sein, die Analysebemühungen zu bremsen und seinen Sponsoren die prüfenden Fragen zu stellen, damit der Analyseteil des Prozesses effizient und effektiv ausgeführt wird.
Zweiter Gedanke: Verbraucher interessieren sich oft nicht für die zahlreichen Analysetools, die verwendet wurden, um die ursprünglichen Fragen zu beantworten oder sie zu informieren. Der Datenwissenschaftler muss also zweisprachig sein ... die Sprache der Analytik sprechen (um seinen Ansatz zu verteidigen oder im Detail zu erklären) und die Sprache seiner Verbraucher. Normalerweise ist diese Sprache Geld oder geschäftliche Auswirkungen ... nicht R ^ 2, F-Tests, Konfidenzintervalle und so weiter. Wenn der Datenwissenschaftler also nur in der Sprache der Analytik kommuniziert, besteht eine gute Chance, dass die übergreifende Botschaft und ihre Auswirkungen auf das Projekt nicht vollständig wirksam sind. Eine Möglichkeit, mit dem zweisprachigen Teil davon zu helfen, besteht darin, die Datenvisualisierungstools von JMP zu verwenden ... nicht die Tabellen mit Dingen, die mit den Plattformen geliefert werden. Der Wissenschaftler wird wahrscheinlich noch einige Dinge erklären müssen ... aber wenn sie einfach und anschaulich gehalten werden ... haben sie eine kämpferische Chance, gehört und verstanden zu werden.
Re: Data Scientists - Meinungen erbeten@dara_hammond Lassen Sie mich versuchen, einige Linien in den Sand zu ziehen ... aber erkennen Sie, dass dies verschnörkelte Linien sind. Python/Matlab, etc. und jetzt in Version 14 Mehrfachdateiimport, HTTP-Anfrage. Aber selbst hier ... könnte etwas wie Query Builder definitiv ins 'Wrangling' geraten. Zum Beispiel mit dem Filtern beginnen, Variablennamen in der Abfrage ändern (eigentlich nur eine andere Form von Recode?) und so weiter und so fort.
Im 'Wrangling'-Bereich ... beginne ich mit der Vermutung, dass sich die Daten jetzt in einer JMP-Datentabelle befinden. Jetzt ist es an der Zeit, neue Variablen umzugestalten, neu zu formatieren, zu transformieren, zu erstellen (wie eine Validierungsspalte oder den Formeleditor zu verwenden) usw. So viele Datentabellentransformationen im Menü „Tabellen“, Erkennung/Imputation fehlender Werte, „Explore Outliers“ für das „How do I mit ihnen umgehen?' Frage. Und die Mutter von allen jetzt in Version 14, Recode.
Re: Data Scientists - Meinungen erbetenWährend ich meine Gedanken zu all den großartigen Kommentaren zusammenstelle, die ich erhalten habe, scheine ich in der Lage zu sein, mehrere Linien in Peters Phase 2 zu ziehen, basierend auf Ihrer Trennung von "Datenzusammenstellung" und "Geplänkel".Können Sie mehr Details darüber mitteilen, was Sie in Bezug auf die Segmentierung wo kategorisieren würden?
Re: Data Scientists - Meinungen erbetenSehr interessanter Artikel über die Verwendung von Daten, um zu verstehen, was "Data Science" aus Sicht der Stellenbeschreibung überhaupt bedeutet.
Es könnte Hinweise darauf geben, wie man JMP-Kunden beim Übergang in ihre Karriere helfen kann, oder um zu verstehen, nach welchen neuen Kunden, die sich selbst als Datenwissenschaftler bezeichnen, möglicherweise suchen.
https://medium.com/indeed-data-science/theres-no-such-thing-as-a-data-scientist-8dae923c14e3
Fallbeispiel: „ Schließlich sehen wir, dass einige Naturwissenschaftler vielleicht über das Statistiker-Ende des Data-Science-Spektrums in die Datenwissenschaft einsteigen."
Re: Data Scientists - Meinungen erbetenFür diejenigen, die daran interessiert sind, habe ich das CRISP-DM-Referenzdokument beigefügt. Als @nascif_jmp erwähnt, dass es veraltet ist ... und SPSS war einer der beitragenden / teilnehmenden Anbieter ... aber ich denke, die Autoren haben ziemlich gute Arbeit geleistet, indem sie den Dokumentenanbieter agnostisch gehalten haben. Ich habe ein bisschen nachgeforscht und es sieht so aus, als ob die Version 2.0 nie über einige Entwurfsprüfungsphasen hinausgekommen ist und daher, soweit ich das beurteilen konnte, nie offiziell veröffentlicht wurde. Aber ich denke, dass dieses Dokument den Test der Zeit besteht.
Re: Data Scientists - Meinungen erbetenRe: Analytics-Lebenszyklus, es lohnt sich auch, das CRISP-DM-Modell nachzuschlagen. Es geht über SAS hinaus und gibt es schon eine Weile.
@russ_wolfinger schrieb:
Ja, sieht gut aus.Passt gut zu den vielen Geplänkel dieser Tage über den „Analytics-Lebenszyklus“ – Teil der Botschaft von SAS Viya und auch das Thema eines Buches von Greg Nelson von Thotwave/Duke, über das Anne gerade ein Interview geführt hat Analytisch gesprochen.
Kann Simulation zu Phase I hinzufügen, und ich bevorzuge es, Phase II in zwei Teile aufzuteilen, so etwas wie Data Assembly und Data Wrangling.
Achten Sie auch auf das „Data Science Pentagram“ in meinem Vortrag nächste Woche.
Re: Data Scientists - Meinungen erbetenJa, sieht gut aus.Passt gut zu den vielen Geplänkel dieser Tage über den „Analytics-Lebenszyklus“ – Teil der Botschaft von SAS Viya und auch das Thema eines Buches von Greg Nelson von Thotwave/Duke, über das Anne gerade ein Interview geführt hat Analytisch gesprochen.
Kann Simulation zu Phase I hinzufügen, und ich bevorzuge es, Phase II in zwei Teile aufzuteilen, so etwas wie Data Assembly und Data Wrangling.
Achten Sie auch auf das „Data Science Pentagram“ in meinem Vortrag nächste Woche.
Re: Data Scientists - Meinungen erbetenJede Fähigkeit, die ihnen hilft, das praktische Problem zu lösen. Ich denke also, das Problem besteht wirklich darin, über den Workflow für ein bestimmtes Problem nachzudenken. Ich sehe 4 potenzielle Phasen für die Verwendung von JMP/JMP Pro/JMP Clinical/JMP Genomics ... weil ich glaube, dass ein Datenwissenschaftler je nach Problem jede dieser Toolboxen optimal finden könnte ... wiederum je nach Problem . Ich weiß die Tools in JMP Clinical and Genomics nicht ganz zu schätzen, daher lassen meine Listen in den folgenden Phasen sicherlich unternehmenskritische Funktionen in diesen beiden Produkten aus.
Phase I: Erstellen der Daten, wenn keine vorhanden sind. Hier spreche ich in erster Linie von DOE als Mittel, um die für das vorliegende Problem erforderlichen Daten zu erstellen.
Phase II: Erfassung der Daten. Jetzt sind die „Daten“ an anderer Stelle vorhanden, und es ist notwendig, die Daten in das JMP-Ökosystem zu bringen. Daher können Query Builder, direkter Dateiimport, Scraping aus dem Web in irgendeiner Form oder sogar die manuelle Eingabe der Daten ins Spiel kommen. Ich werde alle Datenvorbereitungs- und Überprüfungsschritte in diese Phase einbeziehen. Also Rekodieren, Ausreißer untersuchen, fehlende Daten, Transformations-/Formel-Editor zum Erstellen abgeleiteter Variablen, Validierungstaktiken usw.
Phase III: Analyse der Daten. Guter Gott ... angesichts des vorliegenden Problems könnten dies wieder die gesamten Hauptmenüleisten von Analysieren und Graphen sein.
Phase IV: Teilen Sie Ihre Entdeckungen mit anderen. Hier ist es meiner Meinung nach wichtig, über das Konzept von „Produzenten“ und „Konsumenten“ nachzudenken. Die Produzenten erstellen die Analyse, Schlussfolgerungen und Empfehlungen sowie Antworten auf das ursprüngliche Problem. Die Verbraucher müssen entweder informiert werden, eine Entscheidung treffen oder die Ergebnisse tatsächlich auf irgendeine Weise nutzen. Statische Dinge wie Kopieren/Einfügen in MS Word/PDF usw. können für Verbraucher, die informiert werden müssen, ausreichend sein. Interaktive Dashboards, Journale oder HTML5-Inhalte sind möglicherweise für diejenigen erforderlich, die eine Entscheidung treffen müssen. Und vergessen Sie nicht Formula Depot zum Veröffentlichen von Modellen in einer Zielproduktionsanwendung.
Re: Data Scientists - Meinungen erbetenDie Datenwissenschaft explodiert und meines Erachtens hat JMP eine sehr starke und einzigartige Rolle als „First Look“-Tool, insbesondere für tabellarische Daten und zunehmend auch für Text- und Bilddaten.Haben Sie Datentabellen?Öffnen Sie sie zuerst in JMP, um schnell und sehr effizient festzustellen, was Sie haben, Probleme zu finden (fast jeder Rohdatensatz hat sie), zu kämpfen und Funktionen für die Vorhersagemodellierung zu entwickeln.Übrigens können Sie auch optimale Experimente entwerfen, um Ihre Systeme besser zu verstehen und zu validieren und Ergebnisse mit den besten statistischen Modellen zu analysieren.Während die Predictive-Modeling-Plattformen von JMP nicht auf dem neuesten Stand der Technik sind, sind es seine interaktiven Erkundungsfunktionen und die tiefe Integration von Grafiken und Analysen.Zuerst Maus gegen Tastatur.
Mit freundlichen Anstupsern von Dan V, Geoff und anderen stelle ich einen Vortrag über die Lektionen zusammen, die ich bei den Feuern von Kaggle-Wettbewerben gelernt habe, und werde am 22. März auf dem JMP Dev-Meeting präsentieren.JMP war die ganze Zeit meine Geheimwaffe.Dara, danke für die Frage zum perfekten Trailer; Scheck ist in der Post...
Re: Data Scientists - Meinungen erbetenNormalerweise ist ein Data Scientist dafür verantwortlich, Modelle in Produktion zu bringen oder mit einem Data Engineer/Software Engineer zusammenzuarbeiten, der diese Verantwortung trägt.
In diesem Fall kann die Fähigkeit von JMP Pro, Scoring-Code in Produktionssprachen wie SAS, SQL, Python, C und JavaScript zu generieren, sehr nützlich sein.
Re: Data Scientists - Meinungen erbetenWährend "Datenwissenschaftler" nicht so gut definiert ist wie beispielsweise "professioneller Armwrestler", aus dem Kopf heraus:
Für die Komponente "Data Wrangling"--
HTTP-Anfrage
Abfrage Ersteller
Python-, R-, Matlab- und SAS-Integration
Recode + (falls Pro) seine Fähigkeit, in Formula Depot bereitgestellt zu werden
Tabellenmanipulation (Stack/Split usw.)
Für die nicht streitenden Komponenten: Sobald die Daten vorhanden sind, würde ich sagen, die üblichen Verdächtigen ... Graph Builder, Text Explorer, JMP Pro-Analyseelemente (insbesondere GenReg) und die interaktiven Funktionen, auf die in R oder Python nicht einfach zugegriffen werden kann.
