大家好，
2020 年 8 月，我们开始为销售团队创建一份推荐资源列表，以便在与客户和潜在客户进行事后跟进时考虑。 这些精选列表从我们的整个网站中提取适当的资源，包括白皮书、文章、书籍章节、网络研讨会、JMP On Air 剧集、博客、STIPS 模块等。 任何上榜的资产都被认为与主题、应用领域或行业相关，表现良好并且足够新，可以分享。 尽管如此，为了帮助区分资源，我还包括了一个简短的摘要、几句话的评论和一个 4 星系统来识别“最好的”。（你也可以找到所有过去的资源推荐在这里.)
在下方，您会发现几个很棒的 JMP 资源，您可以跟进我们最近的活动，即 2020 年 10 月 1 日的统计演讲网络研讨会，揭秘机器学习和人工智能. （活动结束后，您会在“点播”部分找到录音统计口语着陆页.) 请有选择地使用这些资源（可能太多而无法全部定位）并根据需要进行调整或最好地解决您的受众的痛点。
如果您有任何问题，请告诉我。
谢谢
拉里
x11276
在这里找到销售人员活动链接（直播）
在这里找到销售人员活动链接（按需）
10 月 1 日，揭秘机器学习和 AI 推荐
4星关于充分利用机器学习的专家指导, 统计演讲活动
包括 Dick DeVeaux 主题演讲，机器学习的七大罪. Dick、Russ Wolfinger 和 Julia O'Neill 的精彩小组演讲
4星用机器学习解决科学和工程问题, 统计演讲活动
非常强大的资源。 欧洲演讲者，但深入讨论（主题演讲）深度学习、人工智能和强大/吸引人的小组。
4星什么是机器学习（JMP 可以做到）， JMP博客
1个英石Elizabeth Claassen 博客系列的一部分。 对机器学习概念的良好介绍性讨论，并概述了 JMP 可以执行的所有不同机器学习算法。 促进免费试用。
3星，暗数据, 书章
虽然主题并不完全匹配，但这本书的章节来自 David Hand，他是本次活动的全体发言人。 Dark Data 是 Hand 的最新著作。 （大卫是本次网络研讨会的主讲人）本章讨论了缺失数据或未知数据及其对分析的影响。 在此过程中，Hand 讨论了 p-hacking、虚假测量错误、错误发现率和“HARKing”等数据现象。
3星,国防社区的关键任务高级统计数据, 从统计上来说
尽管此活动专门针对国防工业，但它确实涵盖了适用于各个行业的概念，并提供了对 AI 的基本理解。 在主题演讲中，劳拉·弗里曼 (Laura Freeman) 讨论了他们如何利用统计思维来使用机器学习和人工智能，以帮助国防部完成关键任务、提高员工技能并确保成功。
3星面向任务的分析：情报界的新方法, 分析来说
行业联系，来自 NCSU 的 Alyson Wilson 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人工智能之间的差异。 2020年32次观看，不火。
3星应用机器学习：生日那天我会在游泳池里打败我丈夫吗？JMP博客
2个nd Elizabeth Claassen 博客系列的一部分。 使用机器学习算法的有趣示例。 就像这个博客建立的联系一样。 认为它在使我们的专家和我们的业务人性化方面做得很好。
2星面向制造商的智能机器学习, 白皮书
不是完美匹配，因为它是制造示例，但围绕将机器学习与统计学家知识（人和机器）相结合进行了有趣的讨论。
1星机器学习推动高科技制造业的创新, 客户成功案例
不是强大的资产，因为它是半导体行业，但确实提供了机器学习实施的示例。 这也是一个非常表面的讨论，但它确实获得了不错的访问量，并且在我们的成功故事主页上有特色。
Peter Hersh 的其他建议：
数据挖掘和预测建模, JMP教程
本 JMP 教程包括制造案例研究，包括一些使用技术的演示图形生成器和预测刻画器和 J国会议员临。 讨论与机器学习和人工智能相关的主题，包括回归， Bootstrap 森林和提升树（决策树）和神经网络。
这些会议还包括关于基于树的模型和神经网络的讨论：
理解和应用基于树的方法进行预测筛选和建模, 精通 JMP 网络研讨会
使用神经网络模型发现和预测模式, 精通 JMP 网络研讨会
