Re: Entrenamiento de R / PythonAlgunas notas sobre mis experiencias posicionando JMP contra Python (Python es mucho más común en la región NWT2 que R).Descubrimos que es mejor posicionar JMP (o más probablemente JMP Pro si están usando Python), como una herramienta complementaria a Python en lugar de tomar una decisión de uno u otro.Si elige "usar JMP Pro en lugar de Python", no será efectivo ya que Python tiene demasiada inercia e infraestructura detrás, especialmente para el modelado predictivo (por ejemplo, la biblioteca TensorFlow).Pero si posiciona a JMP Pro como una herramienta complementaria a Python donde los modelos de datos pueden ser prototipados y comparados en JMP Pro más rápido y luego implementados como código de puntuación de Python, esa es una razón mucho más convincente y ha logrado varias ventas de JMP Pro, incluso donde Python todavía se usa mucho.
Re: Entrenamiento de R / Python@ saradoudt0 qué @mzwald dijo. Me sorprende que @ruthhummel El documento técnico está incluido como un recurso, pero no se ha explorado completamente como un enfoque viable para vender JMP sin intentar desplazar a Python / R; hay espacio para ambos y podemos demostrar que la suma es mayor que las partes. Además, es posible que desee enumerar las presentaciones de Discovery en Formula Depot, ya que tienen ejemplos de cómo implementar el código de puntuación de Python que podría ser útil cuando defienda el uso de JMP en una tienda de Python.
* Puntuación fuera de la caja - Comunidad de usuarios de JMP
* Compartiendo la máxima bendición: un viaje desde el modelado hasta la puntuación - Comunidad de usuarios de JMP
Además, creo que la visión de código abierto descrita aquí no tiene en cuenta lo que vamos en contra:
" El termino fuente abierta se refiere a algo que la gente puede modificar y compartir porque su diseño es de acceso público.El software de código abierto es software con código fuente que cualquiera puede inspeccionar, modificar y mejorar ".
En el espacio de la ciencia de datos, "personas" y "cualquier persona" incluyen grandes empresas como Google ( TensorFlow ) e IBM ( Chispa - chispear ). Ellos pagar que los desarrolladores mantengan y mejoren estos marcos, ya que son parte de su estrategia de crecimiento basada en la nube (la pila de software es gratuita, solo paga por el uso de la nube). Puede estar seguro de que también pagan a los probadores. Entonces el antiguo SAS FUD El argumento de que no se puede confiar tanto en su calidad como en la nuestra no va a funcionar con los usuarios que saben de dónde vienen; incluso podría ser contraproducente.
Incluso para paquetes más pequeños como XGBoost, cuando revisa la lista de contribuyentes ves investigadores de universidades y desarrolladores de grandes corporaciones. Estas no son personas que trabajen en garajes. Seguro que hay paquetes de código abierto pequeños y mal mantenidos; pero los científicos e ingenieros que buscamos son lo suficientemente inteligentes como para saber cuáles elegir y cuáles evitar. Debemos ser tan inteligentes como ellos al tener esta conversación.
Re: Entrenamiento de R / Python@nascif_jmp y @MJ y escribí un artículo que mostraba más detalles sobre cómo usar el código abierto con JMP, subrayando la idea de usarlos juntos en lugar de reemplazar uno por el otro. El documento está disponible en https://onlinelibrary.wiley.com/doi/abs/10.1002/sta4.336 . Está bajo el muro de pago de la revista en este momento, pero tan pronto como nuestra solicitud para hacerlo OpenAccess se procese, este enlace debería permitirle a usted (o al cliente al que envíe este enlace) ver el documento completo de forma gratuita.
En el documento hay enlaces a cuatro videos cortos de apoyo. También puede enviar estos enlaces directamente o utilizarlos en una demostración. Los dos primeros videos muestran la aplicación Precio de la vivienda que Nascif creó utilizando el código de puntuación Python generado de JMP incorporado implementado en AWS. Estos dos videos muestran (1) la construcción del modelo en JMP y la generación del código Python, y (2) la aplicación final que se creó en AWS.
Película 1: Ajuste del modelo de predicción de precios de listado de JMP Pro y generación de código Python:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214684063001
Película 2: Implementación final del modelo en AWS del código de puntuación de Python generado por JMP Pro:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680112001
Los dos últimos videos muestran el uso de MJ de t-SNE y UMAP en R, integrado en un complemento de JMP para que el usuario interactúe solo con los cuadros de diálogo de apuntar y hacer clic de JMP (y el código R es invisible detrás de escena, con respeto al usuario del complemento). La película 3 muestra cómo utilizar el complemento. La película 4 muestra cómo JMP trae características que son muy difíciles en R, y R trajo los algoritmos que no estaban en JMP, y ambos sistemas de software juntos pueden hacer esto genial.
Película 3. Aplicación del complemento de incrustación en el conjunto de datos MNIST:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214686689001
Película 4: exploración de resultados de t-SNE con etiquetado de imágenes en JMP:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680173001
Re: Entrenamiento de R / Python"Sinergia es una interacción o cooperación que da lugar a un todo que es mas grande que lo simple suma de su partes . "
Re: Entrenamiento de R / PythonRecursos muy útiles @mzwald y @nascif_jmp , definitivamente ayuda a ampliar la página. Mencioné sobre @ruthhummel , @MJ y @nascif_jmp funciona como recurso, pero no quería someterlo a una explicación de segunda mano.
FWIW, mi experiencia es un usuario de R / Python en Academia y Unilever. En Unilever, aunque comprender que JMP se puede sinergizar con R / Python es una herramienta fantástica, había un pequeño número (<10) en la empresa que podía hacer esto. Una gota en el océano en comparación con 5000 (en su mayoría científicos e ingenieros) en I + D en todo el mundo. JMP me permitió trabajar / colaborar con esos 5000 en lugar de como un servicio para ellos, R / Python no. T El enfoque siempre debe estar en la identificación de los desafíos de la situación actual y la habilitación hacia una visión (ya sea de manera integral con los productos JMP o en parte).
Siendo honesto, he tenido problemas para ser lo suficientemente inteligente con los paquetes R / Python, tanto en términos de la precisión numérica del paquete como si mi uso es erróneo. En JMP, tengo una Declaración de Calidad y SE Comercial y Soporte Técnico. Si bien son puntos de venta discrecionales, no deberíamos ser tímidos en mencionarlos cuando sea relevante.
Re: Entrenamiento de R / Python@mzwald Gracias por los comentarios agregados. ¡Siempre me encanta escuchar experiencias diferentes!
Re: Entrenamiento de R / PythonEsta es una discusión brillante, excelente de ida y vuelta.
Re: Entrenamiento de R / PythonPodría ser bueno tener un contexto de cómo algunos de nuestros competidores (incluso si son parciales) están lidiando con la integración (no el reemplazo)
* 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
Re: Entrenamiento de R / Python¡Gran discusión aquí! Curioso por el uso de Formula Depot para generar código Python. ¿Alguien ha nombrado clientes que utilizan esta funcionalidad y puede compartir ejemplos?
Re: Entrenamiento de R / PythonHola Mia, Jerry Winter de Unilever ha utilizado esta función. No tengo la historia completa, pero trabajamos juntos para descubrir una sección que no se había traducido de JMP a Python.¡Hágame saber los próximos pasos que serían útiles!
Re: Entrenamiento de R / PythonUn aspecto adicional a considerar podrían ser otros aspectos del flujo de trabajo analítico de datos: la necesidad de Esté alerta a las posibles limitaciones en nuestros datos y la necesidad de desafiar nuestros datos y modelos utilizando el conocimiento de la materia. Reconozca que nuestros procesos rara vez están en un estado estable, o dicho de otra manera: aprender de los datos es un proceso continuo que se realiza mejor al permitir la integración del conocimiento de la materia con la alfabetización de datos y el conocimiento analítico de datos. Es más fácil para una empresa lograr el análisis de datos a escala al permitir a los expertos en la materia con respecto a la alfabetización de datos y el análisis de datos que escalar el análisis de datos transfiriendo el conocimiento de la materia a nuestro pocos expertos en análisis de datos.
Si los expertos en análisis de datos son actualmente los guardianes del flujo de trabajo analítico, es posible que debamos buscar tener esta conversación con otros influyentes compradores.
Más aspectos de los argumentos de alfabetización de datos se encuentran en Dark Data de David Hand, vea su discurso de Stats Speaking Datos oscuros Algunos aspectos también serán cubiertos por Ron Kennet y Chris Gotwalt en su próximo artículo Discovery: Maximizar el éxito de la ciencia de datos
Re: Entrenamiento de R / Python@ malcolm_moore1 Si bien la alfabetización en datos es una pregunta importante, creo que es ortogonal a la pregunta específica que Mia acaba de hacer. En todo caso, los expertos que permiten que los modelos JMP se implementen en producción para generar valor comercial no son guardianes, sino abridores de puertas.
Si el problema que la empresa está tratando de resolver requiere la creación de un sitio web para ofrecer valores predichos o un proceso de monitoreo automatizado de extremo a extremo en una fábrica, tiene que haber una manera de sacar nuestros modelos de JMP y hágalos parte de los procesos requeridos. No se trata tanto de "quién" sino de "dónde" y "cómo".
Quizás si algún día facilitáramos la implementación de modelos en entornos de producción como lo hemos hecho con la "implementación" de informes y tableros con JMP Live, reduciríamos la necesidad de expertos en análisis de datos en el flujo de trabajo analítico. Esa sería una forma interesante de combinar estos hilos de manera productiva.
@mia_stephens Estas son algunas de las personas con las que hablé a lo largo de los años sobre la generación de código de puntuación de Python por parte de Formula Depot, sin ningún orden en particular.
- Ping Liu - Análisis avanzado en Bain & Company
- Matthew Flynn - Ciencia de AIG
- Philip O'Leary - miembro del grupo directivo de la Universidad de Finlandia Oriental
- Bradford Foulkes - General Electric
- Thomas Slezak - Universidad Brigham Young
- Burak Bagdatli - Tecnología de Georgia
- Gul Ege, David Duling - SAS (ESP)
- Lucy Luo - Conoco Philips
Re: Entrenamiento de R / Python@ malcolm_moore1 @nascif_jmp
¿Qué preguntas podemos hacer para identificar si alguien es un abridor de puertas o un portero?
Mi pensamiento principal estaría en la línea de
- ¿Cómo se incluye la experiencia del dominio en el análisis de datos? ¿Porque es esto importante?
- ¿Trabajar con un equipo en un desafío de análisis de datos conduce al éxito o al fracaso?
Re: Entrenamiento de R / Python@mia_stephens Hace unos años tuve un trato Pro en Osram donde usaron JMP Pro para construir un modelo que pueden usar en su aplicación web generada en Python. El objetivo era tener una mejor estimación de la duración de un proyecto, incluidos todos los diferentes pasos del proyecto en función de los recursos (personas), la clase de innovación (nuevo producto, construir sobre anteriores, ...) y la carga de trabajo actual (y algunos factores). Así que todos juntos un modelo de planificación de proyectos. Como la aplicación web se construyó en Python, encontraron un buen modelo decente wuite fácil en JMP y usaron el depósito de formel para generar código Python que luego incrustaron en la aplicación. Funcionó casi como un encanto. De vez en cuando, vuelven a verificar el modelo con los nuevos datos adquiridos de las líneas de tiempo anteriores del proyecto y lo ajustan si es necesario. No he tenido noticias de ellos desde hace algún tiempo, pero creo que todavía está en uso productivo.
Re: Entrenamiento de R / PythonGracias por compartir @martindemel ! Esto suena como un buen caso de uso. ¿Sabe si están usando el código Python principalmente como lo proporciona JMP, o si requiere muchas modificaciones? Además, ¿sabes qué modelos están usando?
Entrenamiento de R / Python12.8.2020 Sesión de entrenamiento de R / Python
Presentador: Ben Francis
Ver grabación | diario
Conclusiones clave
- "¿Quiere que su gente sea programadora o quiere que sean personas que resuelvan problemas?"SME a menudo no es el codificador R o Python.
- JMP puede verse como una amenaza para aquellos que son programadores de R / Python. Aléjese del portero (usuarios de R / Python) hacia la habilitación (quiero mantener mi trabajo, por lo tanto, R y Python deben quedarse)
- Costo del software frente al costo de las personas / tiempo
- Uno de los problemas de calidad más críticos en el desarrollo de software, especialmente para el software analítico, es la precisión y confiabilidad de los resultados.Declaración de calidad vs soluciones de código abierto. JMP proporciona confianza y seguridad.
- R y Python son competidores para todos nuestros productos (JMP, JMP, Clinical, JMP Live ...)
¿Qué es el software de código abierto?
El termino fuente abierta se refiere a algo que la gente puede modificar y compartir porque su diseño es de acceso público.El software de código abierto es software con código fuente que cualquiera puede inspeccionar, modificar y mejorar.
¿Quién usa R / Python?
- Cualquier empresa
- Funciones: científicos de datos, estadístico, biólogos de alto nivel, químicos, tecnólogos
- Aquellos que quieren estar a la moda
- Los que tienen iniciativa
- A menudo no gestión
- No modeladores basados en datos
- No en áreas altamente reguladas
- ¿Qué es código abierto? ¿Qué significa eso para los usuarios? ¿Costo, acceso, soporte, etc.?
- ¿Curva de aprendizaje para R / Python vs JMP JSL? Grabador de acciones.
¿Cuáles son las ventajas de R / Python?
- Es una herramienta de ciencia de datos gratuita accesible para todos.
- "Socio" maduro y extenso en el mercado.
- Sitios como Stack overflow ofrecen una gran ayuda a las comunidades de R / Python.
- Nuevas funciones / características de vanguardia agregadas con frecuencia por los usuarios.
- La calidad de la producción puede ser muy alta.
- Interfaz sencilla con otros lenguajes de programación (C, C ++, Java).
- Si una empresa ha estado haciendo ciencia de datos, es probable que tenga material en scripts de R / Python.
- Puede estar basado en la nube.
- Tener conocimientos de programación en Python puede ser un diferenciador para los científicos / ingenieros.
¿Cuáles son las desventajas de R / Python?
- La atención se centra en el software más que en las personas que lo utilizan.
- Además, el software puede verse como una panacea para los datos desordenados / faltantes / inexistentes.
- Enfoque de código primero, que a menudo requiere más de un "codificador".
- Pensamiento "Pie in the Sky".
- Opciones de seguridad deficientes y garantía de precisión y calidad nula o muy escasa (Declaración de calidad de JMP)
Cómo posicionar JMP vs R / Python:
Sugerencias generales:
- ¿Hay algún problema real que estén tratando de resolver? Aléjese de los compradores de "escaparates".
- No se meta en conversaciones técnicas profundas ni use palabras de moda.
- No hagas funciones y características, el código abierto gana prácticamente todo el tiempo.
- Evite limitar el enfoque del cliente a un solo producto de JMP.
Para el comprador usuario:
- Preguntas de calificación:
- ¿Qué aspectos de su trabajo actual son un desafío?
- ¿Le gustaría tener más tiempo para el análisis de datos de innovación?
- ¿Qué le gustaría poder mejorar acerca de sus scripts / aplicaciones actuales?
- ¿Formas parte de un equipo de soporte técnico central? Si es así, ¿cómo brindan apoyo?
Para el comprador técnico:
- Trabaje lejos de la mentalidad de guardián hacia la habilitación.
- Sea claro sobre el garantías numéricas y de calidad de JMP.
- Preguntas de calificación:
- ¿Cuántos dentro de su organización están involucrados en el desarrollo de conocimientos / procesos?
- ¿Sería importante para usted un software con precisión numérica actualizada periódicamente y garantías de calidad?
Para el comprador económico:
- Escuche la gran visión. Cuanto más grandioso es, más doloroso les viene.
- Anímelos a considerar que el código abierto podría requerir un mayor nivel de capacitación (y, por lo tanto, un costo).
- Preguntas de calificación:
- ¿Dónde quieres estar dentro de un año? Cual es tu estrategia?
- ¿Cómo va a escalar su análisis de datos?
¿Cuándo y cómo debería posicionar JMP con R / Python?
JMP es un paquete de software de análisis estadístico y visualización de datos independiente y completo de SAS para el escritorio de Windows y Mac. JMP tiene la interactividad y el vínculo dinámico que hace que la exploración de datos sea emocionante y reveladora y contiene muchas opciones analíticas avanzadas, que satisfacen completamente las necesidades de los analistas y exploradores de datos. Aún así, puede haber ocasiones en las que desee (o necesite) usar JMP junto con herramientas de código abierto, como Python o R. Considere los siguientes ejemplos:
- Un estadístico corporativo al que se le prohíba el uso de software no validado como R para el análisis primario puede, sin embargo, querer explorar una nueva metodología en un paquete R junto con métodos validados en JMP.
- Un programador de Python o R puede querer aprovechar el enlace dinámico, los elementos visuales avanzados o los potentes análisis disponibles en JMP.
- El departamento de análisis de datos de una empresa puede querer desarrollar un complemento para JMP que permita ejecutar código R o Python como un complemento dentro de JMP, de modo que los futuros usuarios puedan interactuar con el complemento GUI sin necesidad de escribir el El propio código R o Python.
- Un educador estadístico puede querer introducir paquetes específicos de código abierto en el aula, pero dentro de un entorno de apuntar y hacer clic que no requiera codificación por parte del estudiante.
Recursos:
- Dominar JMP: Integración de JMP y R: Aprenda a usar comandos de scripting JSL básicos para conectarse a R, enviar datos entre R y JMP y enviar código R.
- Informe técnico: Uso de JMP y JMP Pro con R y Python: Ejemplos de cuándo los usuarios pueden querer (o necesitar) usar JMP junto con herramientas de código abierto, como Python o R.
- Complemento: XG Boost: PAG Proporciona una interfaz de apuntar y hacer clic a la popular biblioteca de código abierto XGBoost para el modelado predictivo con árboles intensificados con gradientes extremos.Incluye la exportación de perfiles de JMP Scripting Language (JSL) y código Python para la reproducibilidad.
- Complemento: JMP to R addin Builder: A Permite a los codificadores R alojar su código R en un complemento JMP sin escribir código JSL. Permitir a los usuarios de JMP acceder y modificar opciones dentro del código R.
- Wiley Paper - Better Together - Ampliación de JMP con software de código abierto: En este documento, exploraremos casos de uso que ilustran cómo los usuarios de JMP pueden aprovechar el amplio soporte y el rápido ritmo de cambio del software de código abierto mientras se benefician de la interfaz optimizada y las sólidas capacidades de JMP.
Información del competidor (FODA)Capacitación
