Betreff: R / Python-TrainingEinige Anmerkungen zu meinen Erfahrungen mit der Positionierung von JMP gegen Python (Python ist in der NWT2-Region viel häufiger als in R).Wir haben festgestellt, dass es am besten ist, JMP (oder wahrscheinlicher JMP Pro, wenn sie Python verwenden) als ergänzendes Tool zu Python zu positionieren, anstatt eine Entweder-Oder-Entscheidung zu treffen.Wenn Sie die Option "JMP Pro anstelle von Python verwenden" auswählen, ist dies nicht effektiv, da Python zu viel Trägheit und Infrastruktur hinter sich hat, insbesondere für die prädiktive Modellierung (z. B. TensorFlow-Bibliothek).Wenn Sie JMP Pro jedoch als kostenloses Tool zu Python positionieren, mit dem Datenmodelle schneller prototypisiert und in JMP Pro verglichen und dann als Python-Scorecode bereitgestellt werden können, ist dies ein viel überzeugenderer Grund und hat eine Reihe von JMP Pro-Verkäufen erfolgreich erzielt. auch dort, wo Python noch stark genutzt wird.
Betreff: R / Python-Training@ saradoudt0 Was @mzwald sagte. Das überrascht mich @ Ruthhummel Das Whitepaper wird als Ressource aufgeführt, aber nicht vollständig als praktikabler Ansatz für den Verkauf von JMP untersucht, ohne zu versuchen, Python / R zu verdrängen. Es gibt Platz für beide und wir können zeigen, dass die Summe größer ist als die Teile. Möglicherweise möchten Sie auch die Discovery-Präsentationen im Formula Depot auflisten, da sie Beispiele für die Bereitstellung des Python-Bewertungscodes enthalten, die hilfreich sein können, wenn Sie die Verwendung von JMP in einem Python-Shop in Betracht ziehen.
* * Scoring Outside the Box - JMP-Benutzergemeinschaft
* * Den ultimativen Segen teilen: Eine Reise vom Modellieren zum Scoring - JMP User Community
Ich denke auch, dass die hier beschriebene Vision von Open Source den Punkt verfehlt, gegen den wir vorgehen:
"" Der Begriff Open Source bezieht sich auf etwas, das Menschen ändern und teilen können, weil sein Design öffentlich zugänglich ist.Open Source Software ist Software mit Quellcode, die jeder überprüfen, ändern und verbessern kann. "
Im Bereich Data Science gehören zu "Menschen" und "jedermann" große Unternehmen wie Google ( TensorFlow ) und IBM ( Funke ). Sie Zahlen Entwickler müssen diese Frameworks beibehalten und verbessern, da sie Teil ihrer Cloud-basierten Wachstumsstrategie sind (der Software-Stack ist kostenlos, Sie zahlen nur für die Cloud-Nutzung). Sie können sicher sein, dass sie auch Tester bezahlen. Also die alte SAS FUD Das Argument, dass Sie ihrer Qualität nicht so sehr vertrauen können wie unsere, wird nicht mit Benutzern fliegen, die wissen, woher sie kommen - es könnte sogar nach hinten losgehen.
Auch für kleinere Pakete wie XGBoost, wenn Sie die Liste von überprüfen Mitwirkende Sie sehen Forscher von Universitäten und Entwickler von großen Unternehmen. Dies sind keine Leute, die in Garagen arbeiten. Es gibt also kleine, schlecht gewartete Open-Source-Pakete. Aber die Wissenschaftler und Ingenieure, die wir suchen, sind klug genug, um zu wissen, welche zu wählen und welche zu vermeiden sind. Wir sollten genauso versiert sein wie sie, wenn wir dieses Gespräch führen.
Betreff: R / Python-Training@nascif_jmp und @ MJ und ich habe ein Papier geschrieben, das detailliertere Informationen zur Verwendung von OpenSource mit JMP enthält und die Idee unterstreicht, sie zusammen zu verwenden, anstatt sie durch die anderen zu ersetzen. Das Papier ist erhältlich bei https://onlinelibrary.wiley.com/doi/abs/10.1002/sta4.336 . Es befindet sich derzeit unter der Paywall des Journals, aber sobald unsere Anfrage für OpenAccess eingeht, sollte dieser Link es Ihnen (oder einem Kunden, an den Sie diesen Link senden) ermöglichen, das vollständige Papier kostenlos anzuzeigen.
In dem Artikel gibt es Links zu vier unterstützenden Kurzvideos. Sie können diese Links auch direkt senden oder in einer Demo verwenden. Die ersten beiden Videos zeigen die Housing Price-Anwendung, die Nascif mit dem in AWS bereitgestellten generierten Python-Scoring-Code von JMP erstellt hat. Diese beiden Videos zeigen (1) das Erstellen des Modells in JMP und das Generieren des Python-Codes und (2) die endgültige Anwendung, die in AWS erstellt wurde.
Film 1: JMP Pro Listing Price Predictor Modellanpassung und Python-Codegenerierung:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214684063001
Film 2: Endgültige Modellbereitstellung des von JMP Pro generierten Python-Scoring-Codes auf AWS:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680112001
Die letzten beiden Videos zeigen MJs Verwendung von t-SNE und UMAP in R, die in ein JMP-Add-In integriert sind, sodass der Benutzer nur mit JMP-Point-and-Click-Dialogen interagiert (und der R-Code hinter den Kulissen unsichtbar ist an den Add-In-Benutzer). Film 3 zeigt, wie das Add-In verwendet wird. Film 4 zeigt, wie JMP Funktionen bietet, die in R sehr schwierig sind, und R hat die Algorithmen bereitgestellt, die in JMP nicht vorhanden waren, und beide Softwaresysteme können diese coole Sache zusammen ausführen.
Film 3. Anwendung des Embedding-Add-Ins auf den MNIST-Datensatz:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214686689001
Film 4: t-SNE-Ergebniserkundung mit Bildbeschriftung in JMP:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680173001
Betreff: R / Python-Training"Synergie ist eine Interaktion oder Kooperation, die zu einem Ganzen führt, das heißt größer als das Einfache Summe von seiner Teile . "
Betreff: R / Python-TrainingSehr nützliche Ressourcen @mzwald und @nascif_jmp , hilft definitiv, die Seite zu erweitern. Ich habe ungefähr erwähnt @ Ruthhummel , @ MJ und @nascif_jmp Arbeit als Ressource, wollte sie aber keiner Erklärung aus zweiter Hand unterziehen!
FWIW, meine Erfahrung ist ein Benutzer von R / Python in Academia und Unilever. In Unilever war es zwar ein fantastisches Tool, zu verstehen, dass JMP mit R / Python synergetisiert werden kann, aber es gab eine kleine Anzahl (<10) im Unternehmen, die dies tun konnten. Ein Tropfen auf den heißen Stein im Vergleich zu 5000 (hauptsächlich Wissenschaftler und Ingenieure) in nur Forschung und Entwicklung weltweit. JMP ermöglichte es mir, mit diesen 5000 zu arbeiten / zusammenzuarbeiten, anstatt als Dienst für sie, R / Python nicht. T. Der Fokus sollte immer darauf liegen, Herausforderungen der aktuellen Situation zu identifizieren und eine Vision zu entwickeln (entweder umfassend mit JMP-Produkten oder teilweise).
Um ehrlich zu sein, habe ich Probleme damit, mit R / Python-Paketen klug genug zu sein, sowohl hinsichtlich der numerischen Genauigkeit des Pakets selbst als auch hinsichtlich der Frage, ob meine Verwendung fehlerhaft ist. In JMP habe ich eine Qualitätserklärung sowie eine kommerzielle SE und technischen Support. Obwohl es sich um diskretionäre Verkaufsstellen handelt, sollten wir uns nicht scheuen, diese bei Bedarf zur Sprache zu bringen.
Betreff: R / Python-Training@mzwald Danke für die zusätzlichen Kommentare. Ich liebe es immer, verschiedene Erfahrungen zu hören!
Betreff: R / Python-TrainingDies ist eine brillante Diskussion, großartig hin und her.
Betreff: R / Python-TrainingEs könnte gut sein, einen Kontext zu haben, in dem einige unserer Konkurrenten (auch wenn es sich um Teilkonkurrenten handelt) mit Integration umgehen (nicht mit Ersatz).
* * https://www.analyticsvidhya.com/blog/2020/08/integrating-python-in-power-bi/
* * https://towardsdatascience.com/tabpy-combining-python-and-tableau-511b10da8175
* * https://looker.com/blog/data-science-with-looker-and-python-part-two
Betreff: R / Python-TrainingTolle Diskussion hier! Neugierig auf die Verwendung von Formula Depot zum Generieren von Python-Code. Hat jemand Kunden mit dieser Funktionalität benannt und Beispiele, die Sie teilen können?
Betreff: R / Python-TrainingHallo Mia, Jerry Winter von Unilever hat diese Funktionalität genutzt. Ich habe nicht die ganze Geschichte, aber wir haben zusammengearbeitet, um einen Abschnitt herauszufinden, der nicht von JMP nach Python übersetzt wurde.Lassen Sie mich die nächsten Schritte wissen, die hilfreich wären!
Betreff: R / Python-TrainingEin weiterer zu berücksichtigender Aspekt könnten andere Aspekte des Datenanalyse-Workflows sein: die Notwendigkeit, Seien Sie sich der möglichen Einschränkungen unserer Daten und der Notwendigkeit bewusst, unsere Daten und Modelle mithilfe von Fachwissen herauszufordern. Erkennen Sie, dass sich unsere Prozesse selten in einem stabilen Zustand befinden, oder anders ausgedrückt: Das Lernen aus Daten ist ein kontinuierlicher Prozess, der besser durchgeführt werden kann, indem die Integration von Fachwissen mit Datenkompetenz und datenanalytischem Know-how ermöglicht wird. Für ein Unternehmen ist es einfacher, Datenanalysen in großem Maßstab durchzuführen, indem Fachexperten in Bezug auf Datenkompetenz und Datenanalyse in die Lage versetzt werden, als Datenanalysen zu skalieren, indem Fachwissen auf unsere Daten übertragen wird wenige Datenanalyse-Experten.
Wenn die Datenanalyseexperten derzeit Gate Keeper des analytischen Workflows sind, müssen wir möglicherweise nachsehen, um dieses Gespräch mit anderen Kaufbeeinflussern zu führen.
Weitere Aspekte der Argumente zur Datenkompetenz finden Sie in Dark Data von David Hand, siehe seine Keynote zu Stats Speaking Dunkle Daten Einige Aspekte werden auch von Ron Kennet und Chris Gotwalt in ihrem kommenden Discovery-Artikel behandelt: Maximierung des Data Science-Erfolgs
Betreff: R / Python-Training@ malcolm_moore1 Während Datenkompetenz eine wichtige Frage ist, denke ich, dass sie orthogonal zu der spezifischen Frage ist, nach der Mia gerade gefragt hat. Wenn überhaupt, sind die Experten, die die Bereitstellung von JMP-Modellen in der Produktion zur Generierung von Geschäftswert ermöglichen, keine Gate Keeper, sondern Gate Opener.
Wenn das Problem, das das Unternehmen zu lösen versucht, die Erstellung einer Website für vorhergesagte Werte oder einen automatisierten End-to-End-Überwachungsprozess in einer Fabrik erfordert, muss es eine Möglichkeit geben, unsere Modelle aus JMP und JMP herauszuholen machen sie Teil der erforderlichen Prozesse. Es geht nicht um "wer", sondern um "wo" und "wie".
Wenn wir es eines Tages so einfach machen würden, Modelle in Produktionsumgebungen bereitzustellen, wie wir es einfach gemacht haben, Berichte und Dashboards mit JMP Live "bereitzustellen", würden wir möglicherweise den Bedarf an Datenanalyse-Experten im Analyse-Workflow verringern. Das wäre eine interessante Möglichkeit, diese Themen auf produktive Weise zu kombinieren.
@mia_stephens Hier sind einige der Leute, mit denen ich im Laufe der Jahre über die Generierung von Python-Scoring-Code durch das Formula Depot in unbestimmter Reihenfolge gesprochen habe.
- Ping Liu - Advanced Analytics bei Bain & Company
- Matthew Flynn - AIG Wissenschaft
- Philip O'Leary - Mitglied der Lenkungsgruppe an der Universität von Ostfinnland
- Bradford Foulkes - General Electric
- Thomas Slezak - Brigham Young University
- Burak Bagdatli - Georgia Tech
- Gul Ege, David Duling - SAS (ESP)
- Lucy Luo - Conoco Philips
Betreff: R / Python-Training@ malcolm_moore1 @nascif_jmp
Welche Fragen können wir stellen, um festzustellen, ob jemand ein Toröffner oder ein Torhüter ist?
Mein Hauptgedanke wäre in der Art von
- Wie beziehen Sie Domain-Know-how in die Datenanalyse ein? Warum ist das wichtig?
- Führt die Zusammenarbeit mit einem Team bei einer Datenanalyse zu Erfolg oder Misserfolg?
Betreff: R / Python-Training@mia_stephens Vor ein paar Jahren hatte ich einen Pro-Deal bei Osram, bei dem sie mit JMP Pro ein Modell erstellten, das sie in ihrer von Python generierten Webanwendung verwenden können. Ziel war es, besser abzuschätzen, wie lange ein Projekt dauern wird, einschließlich aller verschiedenen Projektschritte, abhängig von den Ressourcen (Personen), der Innovationsklasse (neues Produkt, auf früheren, ...) und der aktuellen Arbeitsbelastung (und einigen anderen) Faktoren). Also alles in allem ein Projektplanungsmodell. Als die Webanwendung in Python erstellt wurde, fanden sie ein anständiges gutes Modell in JMP einfach und verwendeten das Formel-Depot, um Python-Code zu generieren, den sie dann in die Anwendung einbetteten. Arbeitete fast wie ein Zauber. Von Zeit zu Zeit überprüfen sie das Modell erneut mit den neu erfassten Daten aus früheren Projektzeitplänen und passen sie gegebenenfalls an. Ich habe seit einiger Zeit nichts mehr von ihnen gehört, aber ich denke, es wird immer noch produktiv eingesetzt.
Betreff: R / Python-TrainingDanke für das Teilen @martindemel ! Das klingt nach einem schönen Anwendungsfall. Wissen Sie, ob sie den Python-Code hauptsächlich verwenden, wie er von JMP bereitgestellt wird, oder ob viele Änderungen erforderlich sind? Wissen Sie auch, welche Modelle sie verwenden?
R / Python-Schulung12.8.2020 R/Python-Schulung
Moderator: Ben Francis
Aufnahme ansehen | Tagebuch
Die zentralen Thesen
- „Wollen Sie, dass Ihre Leute Programmierer sind, oder wollen Sie, dass sie Leute sind, die Probleme lösen?“SME ist oft nicht der R- oder Python-Coder.
- JMP kann als Bedrohung für diejenigen angesehen werden, die R/Python-Programmierer sind. Weg vom Gatekeeper (R/Python-Benutzer) hin zu Enablement (ich möchte meinen Job behalten, daher müssen R und Python bleiben)
- Softwarekosten vs. Personal-/Zeitkosten
- Eines der kritischsten Qualitätsprobleme in der Softwareentwicklung, insbesondere bei analytischer Software, ist die Genauigkeit und Zuverlässigkeit der Ergebnisse.Qualitätsaussage gegenüber Open-Source-Lösungen. JMP bietet Vertrauen und Sicherheit.
- R und Python sind Konkurrenten für alle unsere Produkte (JMP, JMP, Clinical, JMP Live...)
Was ist Open-Source-Software?
Der Begriff Open Source bezieht sich auf etwas, das von Menschen geändert und geteilt werden kann, da sein Design öffentlich zugänglich ist.Open-Source-Software ist Software mit Quellcode, die jeder prüfen, ändern und verbessern kann.
Wer verwendet R/Python?
- Irgendeine Firma
- Rollen: Datenwissenschaftler, Statistiker, höhere Biologen, Chemiker, Technologen
- Diejenigen, die trendy sein wollen
- Die mit Eigeninitiative
- Oft kein Management
- Nicht datengesteuerte Modellierer
- Nicht in stark regulierten Bereichen
- Was ist Open Source? Was bedeutet das für Benutzer? Kosten, Zugang, Support usw.?
- Lernkurve für R/Python vs. JMP JSL? Action-Recorder.
Was sind die Vorteile von R/Python?
- Es ist ein kostenloses, für alle zugängliches Data-Science-Tool.
- Ausgereifter und umfassender "Partner" am Markt.
- Sites wie Stack Overflow bieten den R/Python-Communitys eine große Hilfe.
- Neue innovative Funktionen/Features, die häufig von Benutzern hinzugefügt werden.
- Die Qualität der Ausgabe kann sehr hoch sein.
- Unkomplizierte Anbindung an andere Programmiersprachen (C, C++, Java).
- Wenn ein Unternehmen Data Science betrieben hat, hat es wahrscheinlich Material in R/Python-Skripten.
- Kann Cloud-basiert sein.
- Kenntnisse in der Python-Programmierung können ein Unterscheidungsmerkmal für Wissenschaftler/Ingenieure sein.
Was sind die Nachteile von R/Python?
- Der Fokus liegt auf der Software und nicht auf den Menschen, die die Software verwenden.
- Darüber hinaus kann die Software als Allheilmittel gegen unordentliche/fehlende/nicht vorhandene Daten angesehen werden.
- Code-First-Ansatz, wobei oft mehr als ein "Codierer" erforderlich ist.
- "Pie in the Sky"-Denken.
- Schlechte Sicherheitsoptionen und keine/sehr geringe Qualitäts- und Genauigkeitsgarantien (Qualitätserklärung von JMP)
So positionieren Sie JMP vs. R/Python:
Allgemeine Vorschläge:
- Gibt es ein tatsächliches Problem, das sie zu lösen versuchen? Gehen Sie weg von "Fenster" -Käufern.
- Steigen Sie nicht in tiefe technische Gespräche ein oder verwenden Sie selbst Schlagworte.
- Machen Sie keine Funktionen und Features, Open Source gewinnt praktisch jedes Mal.
- Vermeiden Sie es, den Fokus des Kunden auf ein einzelnes JMP-Produkt einzuschränken.
Für den Benutzerkäufer:
- Qualifikationsfragen:
- Welche Aspekte Ihrer aktuellen Arbeit sind herausfordernd?
- Wünschen Sie sich mehr Zeit für die Analyse von Innovationsdaten?
- Was möchten Sie an Ihren aktuellen Skripten/Anwendungen verbessern?
- Sind Sie Teil eines zentralen technischen Support-Teams? Wenn ja, wie unterstützen Sie?
Für den technischen Käufer:
- Arbeiten Sie weg von der Gatekeeper-Mentalität hin zur Befähigung.
- Seien Sie sich darüber im Klaren Qualitäts- und Zahlensicherungen von JMP.
- Qualifikationsfragen:
- Wie viele in Ihrer Organisation sind an der Wissens-/Prozessentwicklung beteiligt?
- Wäre Ihnen eine Software mit regelmäßig aktualisierter numerischer Genauigkeit und Qualitätssicherung wichtig?
Für den wirtschaftlichen Käufer:
- Hören Sie die großartige Vision heraus. Je größer es ist, desto schmerzhafter haben sie es.
- Ermutigen Sie sie zu bedenken, dass Open Source ein höheres Schulungsniveau (und damit Kosten) erfordern könnte.
- Qualifikationsfragen:
- Wo möchtest du in einem Jahr sein? Was ist Ihre Strategie?
- Wie werden Sie ihre Datenanalyse skalieren?
Wann und wie sollten Sie JMP mit R/Python positionieren?
JMP ist ein eigenständiges Softwarepaket zur Datenvisualisierung und statistischen Analyse mit vollem Funktionsumfang von SAS für den Windows- und Mac-Desktop. JMP verfügt über die Interaktivität und dynamische Verknüpfung, die die Datenexploration spannend und aufschlussreich macht, und enthält viele erweiterte Analyseoptionen, die die Anforderungen von Datenexplorern und Analysten vollständig erfüllen. Dennoch kann es Situationen geben, in denen Sie JMP in Verbindung mit Open-Source-Tools wie Python oder R verwenden möchten (oder müssen). Betrachten Sie die folgenden Beispiele:
- Ein Unternehmensstatistiker, dem es untersagt ist, nicht validierte Software wie R für die Primäranalyse zu verwenden, möchte möglicherweise dennoch neue Methoden in einem R-Paket Seite an Seite mit validierten Methoden in JMP erkunden.
- Ein Python- oder R-Programmierer möchte möglicherweise die dynamische Verknüpfung, die erweiterten Visuals oder die leistungsstarken Analysen nutzen, die in JMP verfügbar sind.
- Die Datenanalyseabteilung eines Unternehmens möchte möglicherweise ein Add-In für JMP entwickeln, mit dem R- oder Python-Code als Add-In in JMP ausgeführt werden kann, damit zukünftige Benutzer mit dem GUI-Add-In interagieren können, ohne dies schreiben zu müssen R- oder Python-Code selbst.
- Ein Statistiklehrer möchte möglicherweise bestimmte Open-Source-Pakete im Unterricht einführen, jedoch in einer Point-and-Click-Umgebung, die keine Codierung durch den Schüler erfordert.
Ressourcen:
- JMP beherrschen: JMP- und R-Integration: Erfahren Sie, wie Sie grundlegende JSL-Skriptbefehle verwenden, um eine Verbindung zu R herzustellen, Daten zwischen R und JMP zu senden und R-Code zu senden.
- Whitepaper: Verwenden von JMP und JMP Pro mit R und Python: Beispiele dafür, wann Benutzer JMP in Verbindung mit Open-Source-Tools wie Python oder R verwenden möchten (oder müssen).
- Addin: XG-Boost: P bietet eine Point-and-Click-Schnittstelle zur beliebten Open-Source-Bibliothek XGBoost für prädiktive Modellierung mit extremen Gradienten-verstärkten Bäumen.Enthält Profiling-Export von JMP Scripting Language (JSL) und Python-Code zur Reproduzierbarkeit.
- Add-In: JMP-zu-R-Add-In-Builder: EIN Ermöglicht R-Codierern, ihren R-Code in einem JMP-Add-In unterzubringen, ohne JSL-Code zu schreiben. Ermöglicht JMP-Benutzern, auf Optionen innerhalb des R-Codes zuzugreifen und diese zu ändern.
- Wiley Paper - Better Together - Erweiterung von JMP mit Open-Source-Software: In diesem Whitepaper untersuchen wir Anwendungsfälle, die veranschaulichen, wie JMP-Benutzer die breite Unterstützung und das schnelle Änderungstempo von Open-Source-Software nutzen und gleichzeitig von der optimierten Benutzeroberfläche und den robusten Funktionen von JMP profitieren können.
Teilnehmerinfo (SWOTS)Ausbildung
