científicos de datos: se buscan opiniones¿Qué aspectos de JMP/JMP Pro son/deberían ser utilizados y más potentes por los autoproclamados "científicos de datos"?
Re: científicos de datos: se buscan opinionesOtros dos pensamientos... ninguno directamente relacionado con los productos JMP, pero creo que estos dos tipos de habilidades pueden diferenciar a un 'científico de datos' de al menos algunos de sus colegas.
Pensamiento 1: la práctica de la OMI de las técnicas relacionadas con la ciencia de datos (aquellas en los productos JMP) es más eficiente cuando el científico tiene preguntas comerciales sólidas, comprobables y racionales o problemas técnicos para resolver tal como los presentan sus consumidores (sin mencionar los datos apropiados para responder estas preguntas /asuntos). La situación en la que los 'datos' aparecen sobre el espejo de popa del barco del científico de datos, con las instrucciones limitadas a 'Díganos lo que nos dice'... son una receta para todo tipo de problemas, esfuerzo desperdiciado, señales perdidas y menos. que las decisiones óptimas. Entonces, cuando el científico de datos está inmerso en esta situación, debe poder frenar el esfuerzo analítico y hacer a sus patrocinadores las preguntas de sondeo para que la parte analítica del proceso se ejecute de manera eficiente y efectiva.
Pensamiento dos: a los consumidores a menudo no les importa el amplio conjunto de herramientas de análisis que se utilizaron para responder las preguntas originales o informarlas. Entonces, el científico de datos debe ser bilingüe... hablar el idioma de la analítica (para defender o explicar en detalle su enfoque) y el idioma de sus consumidores. Por lo general, ese lenguaje es dinero o impacto comercial... no R^2, pruebas F, intervalos de confianza, etc. Entonces, si el científico de datos solo se comunica en el lenguaje analítico, es muy probable que el mensaje general y su impacto en el proyecto no sean completamente efectivos. Una forma de ayudar con la parte bilingüe de esto es usar las herramientas de visualización de datos de JMP... no las tablas de cosas que vienen con las plataformas. Es probable que el científico todavía tenga que explicar algunas cosas... pero si se mantienen simples y visuales... tienen una gran oportunidad de ser escuchados y entendidos.
Re: científicos de datos: se buscan opiniones@dara_hammond Permítanme intentar dibujar algunas líneas en la arena... pero reconozca que estas son líneas onduladas Métodos de fase de "Ensamblaje de datos" como entrada manual, JMP Query Builder, Query Builder, flujos de importación de Exel/kissing primo, interfaz con SAS/R/ Python/Matlab, etc. y ahora en la versión 14, importación de archivos múltiples, solicitud http. Pero incluso aquí... algo como Query Builder definitivamente podría entrar en 'Wrangling'. Como comenzar a filtrar, cambiar los nombres de las variables en la consulta (¿otra forma de recodificar realmente?) y así sucesivamente.
En el espacio de 'Disputas'... Comenzaré con la suposición de que los datos ahora están en una tabla de datos JMP. Ahora es el momento de remodelar, reformatear, transformar, crear nuevas variables (como una columna de Validación o usar el editor de fórmulas), etc. Tantas transformaciones de tablas de datos en el menú Tablas, detección/imputación de valores faltantes, Explorar valores atípicos para el '¿cómo puedo manejarlos?' pregunta. Y la madre de todos ellos ahora en la versión 14, Recode.
Re: científicos de datos: se buscan opinionesA medida que compilo mis pensamientos sobre todos los excelentes comentarios que he recibido, parece que puedo dibujar varias líneas en la Fase 2 de Peter en función de su separación de "Ensamblaje de datos" y "Disputas".¿Puede compartir más detalles sobre lo que categorizaría en el lugar de la segmentación?
Re: científicos de datos: se buscan opinionesArtículo muy interesante sobre el uso de datos para dar sentido a lo que significa "ciencia de datos" en primer lugar, desde el punto de vista de la descripción del trabajo.
Podría proporcionar pistas sobre cómo ayudar a los clientes de JMP a hacer la transición en sus carreras, o para comprender qué nuevos clientes que se identifican a sí mismos como científicos de datos podrían estar buscando.
https://medium.com/de hecho-data-science/there-no-such-thing-as-a-data-scientist-8dae923c14e3
Caso en punto: " Finalmente, vemos que algunos científicos naturales tal vez estén ingresando a la ciencia de datos a través del extremo estadístico del espectro de la ciencia de datos".
Re: científicos de datos: se buscan opinionesPara aquellos que estén interesados, adjunto el documento de referencia CRISP-DM. Como @nascif_jmp menciona que está fechado... y SPSS fue uno de los proveedores contribuyentes/participantes... pero creo que los autores hicieron un buen trabajo manteniendo al proveedor del documento agnóstico. Investigué un poco y parece que la versión 2.0 nunca superó algunas etapas de revisión del borrador, por lo que, por lo que pude ver, nunca se publicó oficialmente. Pero creo que este documento resiste la prueba del tiempo.
Re: científicos de datos: se buscan opinionesRe: ciclo de vida analítico, también vale la pena buscar el modelo CRISP-DM. Va más allá de SAS y ha existido por un tiempo.
@russ_wolfinger escribió:
Sí, se ve bien.Encaja bien con muchas bromas en estos días sobre el "ciclo de vida analítico", parte del mensaje de SAS Viya y también el tema de un libro de Greg Nelson de Thotwave/Duke a quien Anne acaba de entrevistar en Analíticamente Hablando.
Puedo agregar simulación a la Fase I, y mi preferencia sería dividir la Fase II en dos, algo así como Ensamblaje de datos y Gestión de datos.
Además, esté atento al "Pentagrama de ciencia de datos" en mi charla de la próxima semana.
Re: científicos de datos: se buscan opinionesSí, se ve bien.Encaja bien con muchas bromas en estos días sobre el "ciclo de vida analítico", parte del mensaje de SAS Viya y también el tema de un libro de Greg Nelson de Thotwave/Duke a quien Anne acaba de entrevistar en Analíticamente Hablando.
Puedo agregar simulación a la Fase I, y mi preferencia sería dividir la Fase II en dos, algo así como Ensamblaje de datos y Gestión de datos.
Además, esté atento al "Pentagrama de ciencia de datos" en mi charla de la próxima semana.
Re: científicos de datos: se buscan opinionesCualquier capacidad que les ayude a resolver el problema práctico en cuestión. Entonces, creo que el problema es realmente pensar en el flujo de trabajo para cualquier problema dado. Veo 4 fases potenciales para el uso de JMP/JMP Pro/JMP Clinical/JMP Genomics... porque creo que un científico de datos, dependiendo del problema, podría encontrar cualquiera de estas cajas de herramientas óptimas... nuevamente dependiendo del problema . No aprecio completamente las herramientas de JMP Clinical and Genomics, por lo que mis listas en las fases a continuación ciertamente omiten las capacidades de misión crítica en esos dos productos.
Fase I: Crear los datos cuando no existen. Aquí me refiero principalmente al DOE como medio para crear los datos necesarios para el problema en cuestión.
Fase II: Adquisición de los datos. Ahora los 'datos' existen en otro lugar y es necesario introducir los datos en el ecosistema JMP. Por lo tanto, Query Builder, la importación directa de archivos, el raspado de la web de alguna forma o incluso el ingreso de datos a mano podrían entrar en juego. Voy a incluir todos los pasos de preparación y verificación de datos en esta fase. Recodificar, explorar valores atípicos, datos faltantes, transformación/editor de fórmulas para crear variables derivadas, tácticas de validación, etc.
Fase III: Análisis de los datos. Dios mío... esta podría ser la totalidad de las barras de menú principal de Analizar y Graficar, de nuevo, dado el problema en cuestión.
Fase IV: Compartir sus descubrimientos con otros. Aquí creo que es importante pensar en el concepto de 'productores' y 'consumidores'. Los productores crean el análisis, las conclusiones, las recomendaciones y las respuestas al problema original. Los consumidores deben estar informados, tomar una decisión o utilizar los resultados de alguna manera. Cosas estáticas como copiar/pegar en MS Word/pdf, etc. pueden ser suficientes para los consumidores que necesitan estar informados. Es posible que se necesiten tableros interactivos, diarios o contenido HTML5 para aquellos que necesitan tomar una decisión. Y no olvide Formula Depot para publicar modelos en alguna aplicación de producción de destino.
Re: científicos de datos: se buscan opinionesLa ciencia de datos está explotando y mi sensación es que JMP tiene un juego muy fuerte y único como una herramienta de "primer vistazo", especialmente para datos tabulares y cada vez más para datos de texto e imágenes.¿Tienes tablas de datos?Ábralos en JMP primero para determinar de manera rápida y eficiente lo que tiene, encontrar problemas (casi todos los conjuntos de datos sin procesar los tienen), discutir e diseñar características para el modelado predictivo.Por cierto, también puede diseñar experimentos óptimos para comprender y validar mejor sus sistemas y analizar los resultados con los mejores modelos estadísticos.Si bien las plataformas de modelado predictivo de JMP no son de última generación, sus capacidades exploratorias interactivas y la integración profunda de gráficos y análisis sí lo son.Ratón versus teclado al principio.
Con amables empujones de Dan V, Geoff y otros, estoy organizando una charla sobre las lecciones aprendidas en los fuegos de las competencias de Kaggle y lo presentaré el 22 de marzo en la reunión de JMP Dev.JMP ha sido mi arma secreta todo el tiempo.Dara, gracias por la pregunta perfecta sobre el tráiler; el cheque esta en el correo...
Re: científicos de datos: se buscan opinionesPor lo general, un científico de datos tiene la responsabilidad de poner los modelos en producción o interactuar con un ingeniero de datos/ingeniero de software que tiene esa responsabilidad.
En ese caso, la capacidad de JMP Pro para generar código de puntuación en lenguajes de producción como SAS, SQL, Python, C y JavaScript puede ser muy útil.
Re: científicos de datos: se buscan opinionesSi bien "científico de datos" no está tan bien definido como, por ejemplo, "luchador de brazos profesional", en mi cabeza:
Para el componente de "disputa de datos"--
Solicitud HTTP
Consultor de construcción
Python, R, Matlab + integración SAS
Recode + (si es Pro) su capacidad para implementarse en Formula Depot
Manipulación de tablas (apilar/dividir, etc.)
Para los componentes que no son conflictivos: una vez que los datos están en su lugar, diría que los sospechosos habituales... Graph Builder, Text Explorer, piezas analíticas de JMP Pro (especialmente GenReg) y las funciones interactivas a las que no se accede fácilmente en R o Python.
