JMP 比 R 和 Python 更好嗎？自從我購買第一版（有四張軟碟）以來，我一直在使用 JMP，大約是在 1995 年，那時他們還沒有行動電話。
從來沒有理由要考慮使用其他東西，過去是天堂，現在也是天堂
我剛才正在尋找一份資料科學工作，他們告訴我必須能夠使用 Python
我看了一下，似乎非常複雜和有限，我懷疑我在 JMP 上可以完成的工作是專家在 Python 上同時完成的工作的三倍。
與 JMP 相比，Python 看起來像舊的 MS-DOS，JMP 看起來就像當時的 Macintosh 工作（JMP 代表約翰的 Macintosh 專案）。
另外，似乎有些東西你可以在 JMP 上做，例如神經建模，據我所知，你不能在 Python 上做這些事情
據推測，我可以使用 Excel 在 Python 和 JMP 之間來回交換資料庫嗎？
我能看到的關於 Python 的唯一優勢是它是免費的，但我不在乎，我對 25 年來為單一使用者許可證支付的價格感到非常滿意。
我錯過了什麼？
回覆：JMP 比 R 和 Python 更好嗎？是的！
你提出了一個非常重要的觀點，那些說你需要這個或那個軟體技能的人不知道如何完成這項工作。
資料科學家和人工智慧極客獲取數據。 在我看來，對於利用這些數據進行創造性的事情（即數據分析），JMP 非常棒，而且一直如此。
回覆：JMP 比 R 和 Python 更好嗎？Python/R在部署靈活性方面具有極大的靈活性。如果您能夠存取程式設計資源，您幾乎可以製作任何東西。
JMP 在部署靈活性方面具有極大的靈活性。一旦部署了某些東西，使用者就可以更好地進行自己的分析，而無需學習如何編碼。這在 Python/R 中幾乎是不可能的，並且會導致大量的心痛。因為經理想要稍微調整分析而不得不回到編碼員那裡，這可不是什麼好事。
我要說的另一件事是，我相信 Python/R 更適合當今出現的更奇特的機器學習解決方案。簡約原則意味著這些實際上並不像一些人想像的那麼需要，但如果需要，你將需要看看那裡。
回覆：JMP 比 R 和 Python 更好嗎？我同意文斯的觀點。這不是 JMP“或”Python（或 JMP 或 R、JMP 或 Matlab，...）的問題。這是一個「和」的問題。JMP 補充了許多其他分析工具。當我廣泛使用 SAS 進行預測分析時，JMP 始終在我身邊幫助我理解和視覺化我正在使用的資料和分析結果。目前，我定期進行常規類型的分析，利用 JMP 作為 R 的接口，並且它結合了這兩種工具的分析。
Python 絕對是一種程式語言，但如果您曾經使用過任何其他程式語言，那麼它很容易上手和學習。
現實情況是，「資料科學」中的許多（大多數）工作都使用商業和開源工具的大型工具箱。這是許多培訓和大學數據科學課程中常見的內容。今年我的目標是成長我在使用 R 和 Python 方面的知識和經驗，如果沒有別的目的，那就是職業保障。我在 Linkedin 職位列表中搜尋了「python 資料科學」和「jmp 資料科學」。前者有 7000 個列表，後者有 500 個。
回覆：JMP 比 R 和 Python 更好嗎？其他人也一樣。 JMP 是我的日常驅動程序，但有一些與成本無關的東西我更喜歡 python 而不是 JMP。
- 虛數
- 張量（Python 中的 numpy/scipy/pandas 都是很棒的函式庫）
- 如果您與開發新程式庫的龐大人員社群一起編寫腳本，它可以更好地存取作業系統層級的功能
我的大問題是，為什麼不呢？這是工具箱中的另一個工具。（話雖如此，我並不是特別喜歡 R，所以如果我不打算使用 JMP，我預設使用 python）。
透過加入 JMP 與 Python 整合的功能，我可以測試最適合我的方法，並且仍然擁有漂亮的 JMP 介面。
回覆：JMP 比 R 和 Python 更好嗎？我喜歡JMP，但如果您嘗試在CPU 上使用JSL 訓練具有數百萬個參數的大型網絡，更不用說數十億個參數，並且沒有任何類型的分散式計算，您很快就會意識到為什麼幾乎所有數據科學工作都需要Python 專業知識。
您對資料科學的定義是什麼？我是一名統計學家，我曾經對「資料科學家」這個詞猶豫不決，認為這只是統計學家的一個更性感的詞。當我真正開始鑽研資料科學時，我很快就意識到我錯了。
人們非常重視人工智慧，特別是透過不同類型的神經網路。今天的神經網路不是過去的神經網路。在過去的十年裡，出現瞭如此多的突破性創新，一步步的變革增強，要跟上所有這些是非常困難的。JMP 有一個很好的基本神經平台，但對於大多數實際情況來說並不實用世界人工智慧問題。它更像是一個經典的神經網路平台，因為它能夠擁有多個隱藏層。公平地說，這根本不是 JMP 的利基市場。SAS Viya 擁有一些優秀的現代 AI 工具；但真正的數據科學家需要能夠調整演算法來適應手邊的問題。這就是 Viya 支援與 Python 整合的原因。
因此，要回答你的問題，你需要學習 Python，因為資料科學家應該能夠像其他人一樣進行編碼，深入了解演算法並能夠根據需要調整它們，並擁有可以利用 GPU 的工具和分散式運算。
回覆：JMP 比 R 和 Python 更好嗎？Python 是一種成熟的通用程式語言，因此當 JMP 等其他軟體無法滿足要求時，您可以製定自己的解決方案。 （在許多此類情況下，您也可以使用 JMP 腳本語言來製定自己的解決方案。）已經開發了許多 Python 程式和套件來解決您可能遇到的無數問題，因此它可以加快您的解決速度。
我相信 Python 是資料科學的支柱，它最初是在電腦科學領域而不是統計領域開發的，因此它很大程度上是基於「自己開發」的範式。 資料科學是針對非常大的資料集首次大規模採用機器學習技術。 這項工作與統計學中的資料探勘類似，但又有些不同。 他們現在似乎正在合併。
回覆：JMP 比 R 和 Python 更好嗎？我同意一切@馬克貝利寫道。
為什麼需要學習Python？ 加入 JMP 銷售團隊超過 5 年，這些是人們過去不考慮使用 JMP 的理由。
1. 您的組織在軟體成本方面很節儉，拒絕支付 JMP 費用。 我試圖指出，人們的時間是真正的成本，與基於編碼的軟體工具相比，JMP 通常可以幫助您在更短的周期時間內發現/決定或採取行動。 有時人們會理解這種對位……其他時候……嗯……不太明白。
2. 有些分析或報告方法是 Python 能夠做到的，而 JMP/JMP Pro/JMP Clinical/JMP Genomics 卻無法做到。 我完全同意 Mark 的觀點，即 JMP 不斷擴展從資料收集、分析、報告到共享的端到端工作流程的功能。
回覆：JMP 比 R 和 Python 更好嗎？謝謝，但你沒有準確回答這個問題：如果我已經是完全稱職的資料科學家 25 年了，為什麼我需要學習 Python
回覆：JMP 比 R 和 Python 更好嗎？顯而易見的答案是，只有您才能確定最適合您工作的工具。
我認為今天比以往任何時候都有更多優秀的數據分析和視覺化工具。 我相信 JMP 是最好的之一。 JMP 試圖解決大多數 JMP 使用者在匯入資料、準備資料以及以圖形或統計方式分析或建模資料時遇到的問題。 然而，其目前的章程無法滿足所有可能使用者的所有可能需求。 連SAS都做不到！ 在許多版本之前，JMP 提供了與其他軟體（例如 Python 和 R）的介面。 用戶可以擴展他們的工具集並利用工具之間的協作。
資料科學家被期望能夠處理任何情況，無論大小，複雜還是簡單，因此擁有更多工具是一件好事。 JMP 將持續成長。 您從版本 1 開始。 我們現在已經到了版本 15，而且還沒有結束的跡象。
