데이터 과학자 - 의견 구함자칭 '데이터 과학자'가 JMP/JMP Pro의 어떤 측면을 활용하고/활용해야 하며 가장 강력합니까?
Re: 데이터 과학자 - 의견 구함다른 두 가지 생각... JMP 제품과 직접적으로 관련이 있는 것은 아니지만 이 두 가지 유형의 기술이 '데이터 과학자'를 적어도 일부 동료와 차별화할 수 있다고 생각합니다.
생각 1: 데이터 과학 관련 기술(JMP 제품에 있는 기술)의 IMO 관행은 과학자가 소비자가 제시한 대로 해결해야 할 건전하고 테스트 가능하며 합리적인 비즈니스 질문이나 기술적 문제가 있을 때 가장 효율적입니다(이러한 질문에 답하기 위한 적절한 데이터는 말할 것도 없고). /문제). 데이터 과학자의 보트 트랜섬 위에 '데이터'가 나타나는 상황은 '우리에게 무엇을 말하고 있는지 알려주세요'라는 제한된 지침과 함께...모든 종류의 문제, 노력 낭비, 신호 누락 등의 비결입니다. 최적의 결정보다 따라서 데이터 과학자가 이러한 상황에 몰두할 때 분석 작업에 제동을 걸고 프로세스의 분석 부분이 효율적이고 효과적으로 실행되도록 후원자에게 탐색 질문을 할 수 있어야 합니다.
생각 2: 소비자는 종종 원래 질문에 답하거나 정보를 제공하는 데 사용된 풍부한 분석 도구 세트에 관심이 없습니다. 따라서 데이터 과학자는 이중 언어를 구사해야 합니다. 분석 언어(접근 방식을 옹호하거나 자세히 설명하기 위해)와 소비자의 언어를 구사해야 합니다. 일반적으로 그 언어는 R^2, F-테스트, 신뢰 구간 등이 아니라 돈이나 비즈니스 영향입니다. 따라서 데이터 과학자가 분석 언어로만 의사소통하는 경우 중요한 메시지와 프로젝트에 미치는 영향이 완전히 효과적이지 않을 가능성이 큽니다. 2개 국어 작업에 도움이 되는 한 가지 방법은 플랫폼과 함께 제공되는 테이블이 아니라 JMP의 데이터 시각화 도구를 사용하는 것입니다. 과학자는 아마도 몇 가지를 설명해야 할 것입니다...하지만 단순하고 시각적으로 유지된다면...그들은 듣고 이해하는 데 싸울 기회가 있습니다.
Re: 데이터 과학자 - 의견 구함@dara_hammond 모래에 몇 가지 선을 그려 보겠습니다. 하지만 이것이 손 입력, JMP 쿼리 빌더, 쿼리 빌더, Exel/키스 사촌 가져오기 흐름, SAS/R/과의 인터페이스와 같은 구불구불한 선 "데이터 어셈블리" 단계 방법임을 인식합니다. Python/Matlab 등 그리고 이제 버전 14에서 다중 파일 가져오기, http 요청. 그러나 여기에서도...Query Builder와 같은 것이 확실히 '랭글링'에 들어갈 수 있습니다. 필터링을 시작하는 것과 마찬가지로 쿼리에서 변수 이름을 변경하고(Recode의 또 다른 형태입니까?) 계속해서 변경합니다.
'랭글링' 공간에서...데이터가 이제 JMP 데이터 테이블에 있다는 가정부터 시작하겠습니다. 이제 형태 변경, 재형식 지정, 변환, 새 변수 생성(유효성 검사 열 또는 수식 편집기 사용 등) 등을 수행할 때입니다. 테이블 메뉴의 많은 데이터 테이블 변환, 누락된 값 감지/대체, '어떻게 해야 합니까? 그들을 처리?' 질문. 그리고 그 모든 것의 어머니는 이제 버전 14인 Recode입니다.
Re: 데이터 과학자 - 의견 구함내가 얻은 모든 훌륭한 점에 대한 내 생각을 정리하면서 "데이터 조립"과 "랭글링"의 분리를 기반으로 Peter의 2단계에서 몇 가지 선을 그릴 수 있는 것 같습니다.세분화된 항목에 대해 더 자세히 알려줄 수 있습니까?
Re: 데이터 과학자 - 의견 구함데이터를 사용하여 작업 설명 관점에서 "데이터 과학"이 무엇을 의미하는지에 대한 매우 흥미로운 기사입니다.
JMP 고객이 경력을 전환하는 데 도움이 되는 방법에 대한 단서를 제공하거나 데이터 과학자라고 자칭하는 새로운 고객이 무엇을 찾고 있는지 이해할 수 있습니다.
https://medium.com/indeed-data-science/theres-no-such-thing-as-a-data-scientist-8dae923c14e3
지목 사항: " 마지막으로, 우리는 일부 자연과학자들이 아마도 데이터 과학 스펙트럼의 통계학자를 통해 데이터 과학에 뛰어들고 있음을 알 수 있습니다."
Re: 데이터 과학자 - 의견 구함관심 있는 분들을 위해 CRISP-DM 참조 문서를 첨부했습니다. 처럼 @nascif_jmp 날짜가 되었다는 언급이 있고... SPSS는 기여/참여 공급업체 중 하나였습니다...하지만 저자는 문서 공급업체를 불가지론적으로 유지하는 데 꽤 좋은 일을 했다고 생각합니다. 나는 약간의 파기를했고 2.0 버전은 초안 검토 단계를 넘어서지 않은 것처럼 보이므로 내가 말할 수있는 한 공식적으로 게시되지 않았습니다. 하지만 저는 이 문서가 시간의 시험을 통과한다고 생각합니다.
Re: 데이터 과학자 - 의견 구함Re: 분석 수명 주기, CRISP-DM 모델도 찾아볼 가치가 있습니다. 그것은 SAS를 넘어 한동안 사용되었습니다.
@russ_wolfinger 쓴 :
예, 좋아 보입니다.SAS Viya 메시지의 일부이자 Anne이 방금 인터뷰한 Thotwave/Duke의 Greg Nelson 저서 주제인 "분석 수명 주기"에 대한 요즘 많은 농담과 잘 맞습니다. 분석적으로 말하기.
Phase I에 시뮬레이션을 추가할 수 있으며 Data Assembly 및 Data Wrangling과 같이 Phase II를 둘로 나누는 것이 선호됩니다.
또한, 다음 주 내 강연에서 "Data Science Pentagram"에 주목하십시오.
Re: 데이터 과학자 - 의견 구함예, 좋아 보입니다.SAS Viya 메시지의 일부이자 Anne이 방금 인터뷰한 Thotwave/Duke의 Greg Nelson 저서 주제인 "분석 수명 주기"에 대한 요즘 많은 농담과 잘 맞습니다. 분석적으로 말하기.
Phase I에 시뮬레이션을 추가할 수 있으며 Data Assembly 및 Data Wrangling과 같이 Phase II를 둘로 나누는 것이 선호됩니다.
또한, 다음 주 내 강연에서 "Data Science Pentagram"에 주목하십시오.
Re: 데이터 과학자 - 의견 구함당면한 실제 문제를 해결하는 데 도움이 되는 모든 기능. 따라서 문제는 주어진 문제에 대한 작업 흐름에 대해 실제로 생각하는 것이라고 생각합니다. JMP/JMP Pro/JMP Clinical/JMP Genomics 사용에 대한 4가지 잠재적인 단계가 있습니다. 데이터 과학자는 문제에 따라 이러한 도구 상자 중 하나를 최적으로 찾을 수 있다고 생각하기 때문입니다. 문제에 따라 다시 한 번 . 저는 JMP Clinical 및 Genomics의 도구에 대해 충분히 감사하지 않으므로 아래 단계의 목록에서 이 두 제품의 중요한 기능을 확실히 생략했습니다.
1단계: 데이터가 없을 때 데이터 생성. 여기서 나는 당면한 문제에 필요한 데이터를 생성하는 수단으로서 주로 DOE에 대해 이야기하고 있습니다.
2단계: 데이터 획득. 이제 '데이터'는 다른 곳에 존재하며 데이터를 JMP 생태계로 가져와야 합니다. 따라서 Query Builder, 직접 파일 가져오기, 어떤 형태로든 웹에서 스크랩하거나 데이터를 직접 입력하는 작업이 필요할 수 있습니다. 이 단계에서 모든 데이터 준비 및 심사 단계를 포함할 것입니다. 따라서 코딩 변경, 이상값 탐색, 누락된 데이터, 파생 변수 생성을 위한 변환/수식 편집기, 유효성 검사 전술 등
3단계: 데이터 분석. 맙소사...당면한 문제를 고려할 때 전체 Analyze 및 Graph 기본 메뉴 표시줄이 될 수 있습니다.
4단계: 발견한 내용을 다른 사람과 공유합니다. 여기서 저는 '생산자'와 '소비자'의 개념에 대해 생각하는 것이 중요하다고 생각합니다. 생산자는 분석, 결론 및 권장 사항을 작성하고 원래 문제에 대한 답변을 작성합니다. 소비자는 정보를 얻거나, 결정을 내리거나, 어떤 방식으로든 결과를 실제로 사용해야 합니다. MS Word/pdf 등으로 복사/붙여넣기와 같은 정적 작업은 정보를 필요로 하는 소비자에게 충분할 수 있습니다. 결정을 내려야 하는 사용자에게는 대화형 대시보드, 저널 또는 HTML5 콘텐츠가 필요할 수 있습니다. 일부 대상 프로덕션 애플리케이션에 모델을 게시하기 위한 Formula Depot도 잊지 마십시오.
Re: 데이터 과학자 - 의견 구함데이터 과학이 폭발적으로 증가하고 있으며 제 감각으로는 JMP가 특히 표 형식 데이터, 텍스트 및 이미지 데이터에 대한 "처음 보기" 도구로서 매우 강력하고 독특한 역할을 하고 있다는 것입니다.데이터 테이블이 있습니까?먼저 JMP에서 열면 문제가 무엇인지 빠르고 매우 효율적으로 파악하고(거의 모든 원시 데이터 세트에 문제가 있음) 랭글링하고 예측 모델링을 위한 기능을 설계할 수 있습니다.그런데 최적의 실험을 설계하여 시스템을 더 잘 이해하고 검증하고 최상의 통계 모델로 결과를 분석할 수도 있습니다.JMP의 예측 모델링 플랫폼은 최신 기술은 아니지만 대화형 탐색 기능과 그래픽 및 분석의 심층 통합은 최신 기술입니다.처음에는 마우스 대 키보드.
Dan V, Geoff 등의 친절한 조언을 받아 저는 Kaggle 경진대회에서 얻은 교훈에 대한 강연을 준비하고 있으며 3월 22일 JMP Dev 회의에서 발표할 예정입니다.JMP는 줄곧 저의 비밀 무기였습니다.Dara, 완벽한 예고편 질문에 감사드립니다. 수표는 우편으로...
Re: 데이터 과학자 - 의견 요청일반적으로 데이터 과학자는 모델을 생산에 투입하거나 해당 책임이 있는 데이터 엔지니어/소프트웨어 엔지니어와 인터페이스할 책임이 있습니다.
이 경우 SAS, SQL, Python, C 및 JavaScript와 같은 프로덕션 언어로 채점 코드를 생성하는 JMP Pro 기능이 매우 유용할 수 있습니다.
Re: 데이터 과학자 - 의견 요청"데이터 과학자"는 "프로 팔씨름 선수"만큼 잘 정의되지 않았지만 제 머리로는 다음과 같습니다.
"데이터 랭글링" 구성요소의 경우--
HTTP 요청
쿼리 빌더
Python, R, Matlab + SAS 통합
Recode + (Pro인 경우) Formula Depot에 배치할 수 있는 기능
테이블 조작(스택/분할 등)
랭글링하지 않는 구성 요소의 경우: 일단 데이터가 제자리에 있으면 일반적인 용의자라고 말하고 싶습니다. 그래프 빌더, 텍스트 탐색기, JMP Pro 분석 부분(특히 GenReg) 및 R 또는 Python에서 쉽게 액세스할 수 없는 대화형 기능.
