谢谢拉里！ 我们很高兴拥有这些有助于我们的后续行动！
嗨，大家好，
2020年8月，我们开始为销售团队创建推荐资源清单，以便在事后跟进客户和潜在客户时考虑。 这些精选列表从我们的网站上提取了适当的资产，包括白皮书，文章，书籍章节，网络研讨会，JMP On Air节目，博客，STIPS模块等等。 列表中的任何资产都被认为与主题，应用领域或行业相关，表现良好，并且最近可以共享。 不过，为了帮助区分资源，我还提供了一个简短的摘要，一些评论和一个四星级的系统来识别“最好的”。（您也可以找到这里所有过去的资源建议）
在下面，您会发现一些很棒的JMP资源，这些资源将包括在我们最近的活动（01Oct2020统计讲网络研讨会）的后续活动中，揭秘机器学习和AI 。 （活动结束后，您可以在统计信息着陆页。）请有选择地使用这些资源（可能有太多资源无法全部放置），并根据需要进行调整或最好地解决受众的痛点。
如果您有任何疑问，请告诉我。
谢谢
拉里
x11276
在这里找到了Salesforce Campaign链接（实时流）
在这里找到了Salesforce Campaign链接（按需）
10月1日，揭秘机器学习和AI建议
4星充分利用机器学习的专家指导，Stat演讲活动
包括Dick DeVeaux主旨演讲，机器学习的七大罪过。 与Dick，Russ Wolfinger和Julia O'Neill的精彩小组演讲
4星通过机器学习解决科学和工程问题，Stat演讲活动
非常强大的资源。 来自欧洲的演讲者，但就深度学习，人工智能和强大/参与性小组进行了深入讨论（主题演讲）。
4星什么是机器学习（JMP可以做到）， JMP博客
1个圣Elizabeth Claassen博客系列的一部分。 围绕机器学习的概念进行了很好的介绍性讨论，并概述了JMP可以完成的所有不同机器学习算法。 推广免费试用。
3星，黑暗数据，本书章节
尽管该主题并非完美匹配，但本书的章节来自该活动的全体发言人戴维·汉德。 Dark Data是Hand的最新著作。 （David是本次网络研讨会的主讲人）本章讨论丢失的数据或未知的数据及其对分析的影响。 在此过程中，Hand讨论了数据现象，例如p-hacking，伪造的测量错误，错误的发现率以及“ HARKing”。
3星，国防社区的关键任务高级统计，从统计意义上讲
尽管此事件特定于国防工业，但确实涵盖了适用于整个行业的概念，并提供了对AI的基本了解。 在主题演讲中，劳拉·弗里曼（Laura Freeman）讨论了他们如何使用统计思维来使用机器学习和AI，以帮助国防部完成关键任务，提高其人员技能并确保成功。
3星面向任务的分析：情报界的新方法，解析地说
NCSU的Alyson Wilson，行业联系致力于将分析更多地引入情报界，以影响外交政策和国家安全。 也很好地讨论了机器学习和AI之间的区别。 2020年有32次观看，并不受欢迎。
3星应用机器学习：生日那天，我会在游泳池打败丈夫吗？JMP博客
2 nd Elizabeth Claassen博客系列的一部分。 使用一个有趣的机器学习算法示例。 就像这个博客建立的联系一样。 认为这在使我们的专家和业务人性化方面做得很好。
2星制造商的智能机器学习，白皮书
这不是完美的匹配，因为它是制造示例，而是有关将机器学习与统计人员知识（人与机器）相结合的有趣讨论。
1星机器学习推动高科技制造业的创新，客户成功案例
因为这是半导体行业，所以它并不是一项强大的资产，但是确实提供了机器学习实施的一个示例。 这也是一个很好的表面讨论，但确实获得了不错的访问量，并在我们的成功案例主页上进行了介绍。
Peter Hersh的其他建议：
数据挖掘和预测建模，JMP教程
此JMP教程包括制造案例研究，包括使用多种技术的演示图生成器和预测分析器和J MP Pro。 讨论与机器学习和AI有关的主题，包括回归， Bootstrap森林和增强树（决策树）和神经网络。
这些会议还包括有关基于树的模型和神经网络的讨论：
理解和应用基于树的预测器筛选和建模方法，掌握JMP网络研讨会
使用神经网络模型发现和预测模式，掌握JMP网络研讨会
