圖森的 Discovery 會前教程
|
手指搖滾我
|
手指搖滾二
|
手指搖滾 III
|
星期二，上午 8 點 30 分
|
2019-US-TUT-290
效率和可重複性的基本腳本：少做多做
德魯福利亞
埃文·麥考克
從重現簡單任務到自動化日常流程，再到與同事共享腳本，再到在整個組織中部署完整的應用程序，每個級別都存在可能限制 JSL 腳本的效率和可靠性的挑戰。 在本教程中，我們將沿著弧線從小腳本到大型應用程序，展示用於緩解許多常見但微妙的陷阱的最佳實踐技術，這些陷阱通常會阻礙 JSL 新手和老手。 我們將討論將多個步驟組合成一個有凝聚力的腳本的策略，以及將過大的腳本拆分成更易於管理的文件的策略。 我們還將提供處理錯誤、處理窗口、將變量與意外更改隔離、保護腳本完整性而不影響實用性等方面的技巧。
|
2019-US-TUT-291
高級數據準備：JMP® 中從“凌亂”到“分析就緒”的 10 個基本工具
朱利安·帕里斯
很少，如果有的話，數據會以“分析就緒”的格式提供給我們。 幸運的是，JMP 擁有豐富而廣泛的工具集，使您能夠有效地準備數據以進行分析。 在本教程中，我們將探討 JMP 中的 10 個基本工具，這些工具可幫助我們將數據從“混亂”轉變為“準備好分析”，包括處理表重組和連接、計算和派生變量、異常值和影響點、變量重新編碼的方法，缺失值等等。 在深入探索 10 種基本工具中的每一種並討論最佳實踐（甚至某些工具的一些“標籤外”用途）之後，我們將完成三個案例研究，在這些案例研究中，我們將以各種方式應用這些工具來有效地導入、重新編碼、重組和重組複雜且具有挑戰性的數據集。 強烈建議您擁有使用 JMP 的經驗，但並非絕對必要。
|
2019-US-TUT-270
什麼時候什麼型號？
露絲·赫梅爾
瑪麗無愛
您有一個業務或研究問題，您已經收集或找到了適當的數據，並且準備好進行分析。 但是您應該嘗試哪種分析方法？ 您將如何選擇最終模型？ 在本次演講中，我們將研究幾個數據場景，並展示建模選項和比較框架。 我們將研究不同的問題或目標如何影響我們做出的建模選擇。 （預測？ 解釋？ 找到關聯？）涵蓋的模型將包括傳統回歸、懲罰回歸、偏最小二乘法和其他一些模型。 比較技術將包括殘差分析、比較擬合統計數據以及對新數據的交叉驗證或驗證。
|
星期二，上午 10:30
|
2019-US-TUT-264
建模之前：JMP(R) 中的特徵工程
喬丹·希勒
邁克·穆拉達
成功的預測建模項目需要仔細的特徵工程。 特徵工程既是一門科學也是一門藝術，涉及收集、總結、重塑數據並將其轉換為可用於建模算法的形式。 本教程將描述特徵工程中的一些常見活動，並演示可用於執行這些活動的 JMP 工具。 將有深入的討論和示例，展示使用公式列進行分箱和轉換、用於折疊類別的 Recode 平台以及用於匯總的查詢生成器。
|
2019-US-TUT-292
圖形生成器：從發現到演示
比爾·沃利
在可視化數據方面，Graph Builder 是萬事通。 它在整個分析過程中都非常有用，從探索數據以了解您所擁有的內容，到發現關係，再到製作完美的圖表來呈現您的結果。 本課程將向您展示如何有效地使用 Graph Builder，並概述可用的圖形元素以及每個元素的選項。 它還將向您展示一些技巧，以幫助您成為繪圖大師。
|
2019-US-TUT-293
您不使用的最靈活的建模平台
粘土巴克
廣義回歸——聽起來很可怕，但事實並非如此。 JMP Pro 中的這個平台可以處理最常見的線性建模練習。 需要在眾多可能性中找到最好的一組預測變量（即變量選擇）？ 這個平台可以做到。 需要對具有兩個以上級別的分類響應進行建模？ 廣義回歸可以做到這一點。 計數數據或產量百分比等非正常響應有問題嗎？ 當其他建模方法因這些響應而失敗時，廣義回歸會沉著應對。 如果你不使用這個平台，你就錯過了。 我們將研究使用 Genreg 在各種環境中構建模型：從正交設計的實驗開始，然後轉向大型觀測數據集。
|
星期二，下午 1:00
|
2019-US-TUT-246
在 JMP(R) 中構建儀表板
丹·席柯爾
JMP 平台經常相互結合使用，以幫助指導工作流程或提供數據的補充分析和可視化。 JMP Dashboard Builder 可以幫助您在單個窗口中組織多個報告，並使用相同的數據表或新表重現一組報告。 儀表板佈局可以自動完成，也可以通過交互式拖放操作完成，並且可以選擇使用一個報表來過濾儀表板中的其他報表。 儀表板可以保存到 JMP 數據表中以重現具有相同表的報告，或者可以將它們保存到加載項以與同事共享儀表板並在不同的數據表上重現相同的報告。 當儀表板依賴於數據庫查詢的結果時，您可以選擇每次重新運行查詢，或使用已保存的查詢副本。 儀表板結果也可以保存到 JMP Public 或私人 JMP Live 服務器，以便通過網絡與其他人共享交互式報告。
|
2019-US-TUT-287
使用 JMP® 進行現代實驗的基礎知識
布拉德利瓊斯
設計實驗是了解工業流程的最佳方式。 但是，在實驗設計的悠久歷史中，大多數實驗者學習的方法側重於使實驗符合經典設計。 了解這些限制的需要限制了有效實驗者的數量。 JMP 的 DOE 方法將理解教科書設計約束的負擔從實踐者身上移開，而是讓實驗者來控制。 了解如何使用定制設計器為任何流程設計實驗。 定制設計師會根據您的情況創建一個量身定制的實驗。 您對輸入因素有限制嗎？ 沒問題。 混合因素與過程輸入？ 沒問題。 限制您可以執行的實驗數量的運行預算怎麼樣？ 定制設計師將為您提供一個設計，讓您在預算範圍內盡可能多地學習。 幾年前，Stu Hunter 說，“[JMP 中 DOE 平台背後的技術] 將改變我教授 DOE 的方式。”快來看看如何。
|
2019-US-TUT-193
使用 JMP(R) 進行大規模過程監控
勞拉蘭開斯特
丁劍峰
在這個大數據和復雜製造的時代，通常需要監控和分析大量過程數據以保持或提高質量。JMP 有多種工具可幫助分析師快速有效地增加過程監控的規模. Process Screening 平台允許用戶輕鬆掃描流程的穩定性和能力，並使他們能夠將注意力集中在需要改進的流程上。 該平台最初根據控製圖、能力和穩定性計算計算匯總報告，並創建多個圖表過程健康的快速視覺評估。 根據這些初步結果，通過訪問控製圖生成器和過程功能，可以輕鬆選擇需要關注的過程並更深入地探索它們。JMP 15 中新增的模型驅動多元控製圖 (MDMCC) 平台允許用戶監控大量高度相關的過程。該平台可與 PCA 和 PLS 平台結合使用，以監控多變量過程隨時間的變化，提前警告過程變化，並提出過程變化的可能原因。我們將使用案例研究，展示如何使用 JMP 監控和分析許多流程以實現快速有效的改進。
|
星期二，下午 3:00
|
2019-US-TUT-294
在您的臨床試驗分析中獲得 JMP(R)
傑夫·曼
克里斯·基希伯格
最新的 JMP Clinical 7.0 版於 2018 年秋季發布。 JMP Clinical 是一個垂直解決方案，利用 JMP 功能和廣泛的 JSL 基礎設施，為醫療安全、早期療效、數據完整性和腫瘤學分析的臨床試驗數據審查創建定制界面。 JMP Clinical 7.0 代表了顯著的增強功能，現在比以往任何時候都更能利用 JMP 14 中的關鍵功能。 在本演示文稿中，我們將概述 JMP Clinical 的新功能，重點介紹一個新的綜合審查主題過濾器，該過濾器使用行狀態同步（JMP 14 中的新功能）和數據過濾器圍繞虛擬連接的 JMP 表構建。 我們的 JMP 臨床審查提供標準化、可重複的分析，現在我們還引入了一個基礎設施，用於將進一步的 JMP 自定義保存到我們的報告中，以便您將自己的 JMP 分析與我們的應用程序聯繫起來。 我們還強調了 JMP Graph Builder 中的新功能，為實體瘤腫瘤學臨床試驗分析提供高度定制的可視化，包括游泳圖、瀑布圖和蜘蛛圖。 更一般地，我們將討論這個垂直解決方案如何通過 JSL 和 JMP 插件架構構建健壯的應用程序以增強 JMP 的使用。
|
2019-US-TUT-295
讓我們談談表
凱爾西米克勞斯
曼迪錢伯斯
JMP 13 為 JMP 表引入了虛擬連接。 此功能使您能夠使用公共鍵來鏈接多個表，而無需使用實際創建數據的聯接（非規範化）副本所需的時間/內存。 虛擬連接表使表可以訪問鏈接表中的列，以便於數據探索。 JMP 14 中的一項新功能改進了虛擬連接功能，允許鏈接表通過共享行狀態相互通信。 新選項允許您設置鏈接引用表以在虛擬連接的表之間偵聽和/或分派行狀態更改。 此功能提供了一個非常強大的數據探索界面，可避免不必要的表操作。 本演示文稿將通過使用常見樣本數據的示例重點介紹 JMP 中的新功能，然後是在 JMP Clinical 中實現的這些功能的實際應用。 我們將對臨床試驗中患者的多個指標進行審查，這些指標實際上與受試者人口統計表相關聯，並展示 Link ID 表上的數據過濾器如何在所有相關安全性（不良事件、實驗室、等）表。
|
2019-US-TUT-289
功能數據分析簡介
克里斯·戈特沃爾特
瑞恩帕克
JMP Pro 現在能夠以一種直接、直接並產生高度準確模型的新方式對功能數據進行建模和可視化。 我們將介紹功能數據資源管理器平台並通過一組示例來說明它有助於解決的兩個特別有用的問題系列，即功能響應 DOE 分析 (FR-DOE) 和功能回歸器機器學習 (FR-ML)。 FR-DOE 分析允許人們直接看到響應曲線的形狀如何隨著 DOE 因子值的變化而變化。 FR-ML 是一種從製造過程中提取傳感器數據特徵的方法，有助於對最終批次產量或有缺陷的產品進行準確的早期預測。 我們的示例將主要來自製藥、化學和半導體製造，但我們的方法幾乎可以應用於任何行業。
|
回复：會前教程@J_Marquardt , @katie_stone , @loharr這是會前教程的時間表。
