图森的 Discovery 会前教程
|
手指摇滚我
|
手指摇滚二
|
手指摇滚 III
|
星期二，上午 8 点 30 分
|
2019-US-TUT-290
效率和可重复性的基本脚本：少做多做
德鲁福利亚
埃文·麦考克
从重现简单任务到自动化日常流程，再到与同事共享脚本，再到在整个组织中部署完整的应用程序，每个级别都存在可能限制 JSL 脚本的效率和可靠性的挑战。 在本教程中，我们将沿着弧线从小脚本到大型应用程序，展示用于缓解许多常见但微妙的陷阱的最佳实践技术，这些陷阱经常阻碍 JSL 新手和老手。 我们将讨论将多个步骤组合成一个有凝聚力的脚本的策略，以及将过大的脚本拆分成更易于管理的文件的策略。 我们还将提供处理错误、处理窗口、将变量与意外更改隔离、保护脚本完整性而不影响实用性等方面的技巧。
|
2019-US-TUT-291
高级数据准备：JMP® 中从“凌乱”到“分析就绪”的 10 个基本工具
朱利安·帕里斯
很少，如果有的话，数据会以“分析就绪”的格式提供给我们。 幸运的是，JMP 拥有丰富而广泛的工具集，使您能够有效地准备数据以进行分析。 在本教程中，我们将探讨 JMP 中的 10 个基本工具，这些工具可帮助我们将数据从“混乱”转变为“准备好分析”，包括处理表重组和连接、计算和派生变量、异常值和影响点、变量重新编码的方法，缺失值等等。 在深入探索 10 种基本工具中的每一种并讨论最佳实践（甚至某些工具的一些“标签外”用途）之后，我们将完成三个案例研究，在这些案例研究中，我们将以各种方式应用这些工具来有效导入、重新编码、重组和重组复杂且具有挑战性的数据集。 强烈建议您拥有使用 JMP 的经验，但并非绝对必要。
|
2019-US-TUT-270
什么时候什么型号？
露丝·赫梅尔
玛丽无爱
您有一个业务或研究问题，您已经收集或找到了适当的数据，并且准备好进行分析。 但是您应该尝试哪种分析方法？ 您将如何选择最终模型？ 在本次演讲中，我们将研究几个数据场景，并展示建模选项和比较框架。 我们将研究不同的问题或目标如何影响我们做出的建模选择。 （预测？ 解释？ 找到关联？）涵盖的模型将包括传统回归、惩罚回归、偏最小二乘法和其他一些模型。 比较技术将包括残差分析、比较拟合统计数据以及对新数据的交叉验证或验证。
|
星期二，上午 10:30
|
2019-US-TUT-264
建模之前：JMP(R) 中的特征工程
乔丹·希勒
迈克·穆拉达
成功的预测建模项目需要仔细的特征工程。 特征工程既是一门科学也是一门艺术，涉及收集、总结、重塑数据并将其转换为可用于建模算法的形式。 本教程将描述特征工程中的一些常见活动，并演示可用于执行这些活动的 JMP 工具。 将有深入的讨论和示例，展示使用公式列进行分箱和转换、用于折叠类别的 Recode 平台以及用于汇总的查询生成器。
|
2019-US-TUT-292
图形生成器：从发现到演示
比尔·沃利
在可视化数据方面，Graph Builder 是万事通。 它在整个分析过程中都非常有用，从探索数据以了解您所拥有的内容，到发现关系，再到制作完美的图表来呈现您的结果。 本课程将向您展示如何有效地使用 Graph Builder，并概述可用的图形元素以及每个元素的选项。 它还将向您展示一些技巧，以帮助您成为绘图大师。
|
2019-US-TUT-293
您不使用的最灵活的建模平台
粘土巴克
广义回归——听起来很可怕，但事实并非如此。 JMP Pro 中的这个平台可以处理最常见的线性建模练习。 需要在众多可能性中找到最好的一组预测变量（即变量选择）？ 这个平台可以做到。 需要对具有两个以上级别的分类响应进行建模？ 广义回归可以做到这一点。 计数数据或产量百分比等非正常响应有问题吗？ 当其他建模方法因这些响应而失败时，广义回归会沉着应对。 如果你不使用这个平台，你就错过了。 我们将研究使用 Genreg 在各种环境中构建模型：从正交设计的实验开始，然后转向大型观测数据集。
|
星期二，下午 1:00
|
2019-US-TUT-246
在 JMP(R) 中构建仪表板
丹·席柯尔
JMP 平台通常相互结合使用，以帮助指导工作流程或提供数据的补充分析和可视化。 JMP Dashboard Builder 可以帮助您在单个窗口中组织多个报告，并使用相同的数据表或新表重现一组报告。 仪表板布局可以自动完成，也可以通过交互式拖放操作完成，并且可以选择使用一个报表来过滤仪表板中的其他报表。 仪表板可以保存到 JMP 数据表中以重现具有相同表的报告，或者可以将它们保存到加载项以与同事共享仪表板并在不同的数据表上重现相同的报告。 当仪表板依赖于数据库查询的结果时，您可以选择每次重新运行查询，或使用已保存的查询副本。 仪表板结果也可以保存到 JMP Public 或私人 JMP Live 服务器，以便通过网络与他人共享交互式报告。
|
2019-US-TUT-287
使用 JMP® 进行现代实验的基础知识
布拉德利琼斯
设计实验是了解工业流程的最佳方式。 但是，在实验设计的悠久历史中，大多数实验者学习的方法侧重于使实验符合经典设计。 了解这些限制的需要限制了有效实验者的数量。 JMP 的 DOE 方法将理解教科书设计约束的负担从实践者身上移开，而是让实验者来控制。 了解如何使用定制设计器为任何流程设计实验。 定制设计师会根据您的情况创建一个量身定制的实验。 您对输入因素有限制吗？ 没问题。 混合因素与过程输入？ 没问题。 限制您可以执行的实验数量的运行预算怎么样？ 定制设计师将为您提供一个设计，让您在预算范围内尽可能多地学习。 几年前，Stu Hunter 说过，“[JMP 中 DOE 平台背后的技术] 将改变我教授 DOE 的方式。”快来看看如何。
|
2019-US-TUT-193
使用 JMP(R) 进行大规模过程监控
劳拉兰开斯特
丁剑峰
在这个大数据和复杂制造的时代，通常需要监控和分析大量过程数据以保持或提高质量。JMP 有多种工具可帮助分析师快速有效地增加过程监控的规模. Process Screening 平台允许用户轻松扫描流程的稳定性和能力，并使他们能够将注意力集中在需要改进的流程上。 该平台最初根据控制图、能力和稳定性计算计算汇总报告，并创建多个图表过程健康的快速视觉评估。 根据这些初步结果，通过访问控制图生成器和过程功能，可以轻松选择需要关注的过程并更深入地探索它们。JMP 15 中新增的模型驱动多元控制图 (MDMCC) 平台允许用户监控大量高度相关的过程。该平台可与 PCA 和 PLS 平台结合使用，以监控多变量过程随时间的变化，提前警告过程变化，并提出过程变化的可能原因。我们将使用案例研究，展示如何使用 JMP 监控和分析许多流程以实现快速有效的改进。
|
星期二，下午 3:00
|
2019-US-TUT-294
在您的临床试验分析中获得 JMP(R)
杰夫·曼
克里斯·基希伯格
最新的 JMP Clinical 7.0 版于 2018 年秋季发布。 JMP Clinical 是一个垂直解决方案，利用 JMP 功能和广泛的 JSL 基础设施，为医疗安全、早期疗效、数据完整性和肿瘤学分析的临床试验数据审查创建定制界面。 JMP Clinical 7.0 代表了显着的增强功能，现在比以往任何时候都更能利用 JMP 14 中的关键功能。 在本演示文稿中，我们将概述 JMP Clinical 的新功能，重点介绍一个新的综合审查主题过滤器，该过滤器使用行状态同步（JMP 14 中的新功能）和数据过滤器围绕虚拟连接的 JMP 表构建。 我们的 JMP 临床审查提供标准化、可重复的分析，现在我们还引入了一个基础设施，用于将进一步的 JMP 自定义保存到我们的报告中，以便您将自己的 JMP 分析与我们的应用程序联系起来。 我们还强调了 JMP Graph Builder 中的新功能，为实体瘤肿瘤学临床试验分析提供高度定制的可视化，包括游泳图、瀑布图和蜘蛛图。 更一般地，我们将讨论这个垂直解决方案如何通过 JSL 和 JMP 插件架构构建健壮的应用程序以增强 JMP 的使用。
|
2019-US-TUT-295
让我们谈谈表
凯尔西米克劳斯
曼迪钱伯斯
JMP 13 为 JMP 表引入了虚拟连接。 此功能使您能够使用公共键来链接多个表，而无需使用实际创建数据的联接（非规范化）副本所需的时间/内存。 虚拟连接表使表可以访问链接表中的列，以便于数据探索。 JMP 14 中的一项新功能改进了虚拟连接功能，允许链接表通过共享行状态相互通信。 新选项允许您设置链接引用表以在虚拟连接的表之间侦听和/或分派行状态更改。 此功能提供了一个非常强大的数据探索界面，可避免不必要的表操作。 本演示文稿将通过使用常见样本数据的示例重点介绍 JMP 中的新功能，然后是在 JMP Clinical 中实现的这些功能的实际应用。 我们将对临床试验中患者的多个指标进行审查，这些指标实际上与受试者人口统计表相关联，并展示 Link ID 表上的数据过滤器如何在所有相关安全性（不良事件、实验室、等）表。
|
2019-US-TUT-289
功能数据分析简介
克里斯·戈特沃尔特
瑞恩帕克
JMP Pro 现在能够以一种直接、直接并产生高度准确模型的新方式对功能数据进行建模和可视化。 我们将介绍功能数据资源管理器平台并通过一组示例来说明它有助于解决的两个特别有用的问题系列，即功能响应 DOE 分析 (FR-DOE) 和功能回归器机器学习 (FR-ML)。 FR-DOE 分析允许人们直接看到响应曲线的形状如何随着 DOE 因子值的变化而变化。 FR-ML 是一种从制造过程中提取传感器数据特征的方法，有助于对最终批次产量或有缺陷的产品进行准确的早期预测。 我们的示例将主要来自制药、化学和半导体制造，但我们的方法几乎可以应用于任何行业。
|
回复：会前教程@J_Marquardt , @katie_stone , @loharr这是会前教程的时间表。
