322050_de-DE

liliconcom

R / Python-Schulung

12.8.2020 R/Python-Schulungssitzung

Moderator: Ben Francis

Aufzeichnung 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-Programmierer.
• JMP kann als Bedrohung für diejenigen angesehen werden, die R/Python-Programmierer sind. Weg vom Gatekeeper (R/Python-Benutzer) hin zum Enablement (ich möchte meinen Job behalten, also müssen R und Python bleiben)
• Softwarekosten vs. Personal-/Zeitkosten
• Eines der kritischsten Qualitätsprobleme bei 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 Menschen ändern und teilen können, da sein Design öffentlich zugänglich ist.Open-Source-Software ist Software mit Quellcode, die jeder einsehen, ändern und verbessern kann.

Wer verwendet R/Python?

• Irgendeine Firma
• Rollen: Data Scientists, Statistiker, höhere Biologen, Chemiker, Technologen
• Die, die trendy sein wollen
• Diejenigen mit Initiative
• Oft keine Verwaltung
• Nicht datengetriebene Modellierer
• Nicht in stark regulierten Bereichen
• Was ist Open-Source? Was bedeutet das für die Benutzer? Kosten, Zugang, Support usw.?
• Lernkurve für R/Python vs. JMP JSL? Aktionsrekorder.

Was sind die Vorteile von R/Python?

• Es ist ein kostenloses Data-Science-Tool, das für alle zugänglich ist.
• Ausgereifter und umfassender „Partner“ im 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, verfügt es wahrscheinlich über Material in R/Python-Skripten.
• Kann Cloud-basiert sein.
• Python-Programmierkenntnisse 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 chaotische/mangelnde/nicht vorhandene Daten angesehen werden.
• Code-First-Ansatz, bei dem oft mehr als ein „Codierer“ erforderlich ist.
• „Pie in the Sky“-Denken.
• Schlechte Sicherheitsoptionen und keine/sehr geringe Qualitäts- und Genauigkeitszusicherungen (Qualitätserklärung von JMP)

 

So positionieren Sie JMP im Vergleich zu R/Python:

Allgemeine Vorschläge:

• Gibt es ein tatsächliches Problem, das sie zu lösen versuchen? Gehen Sie weg von Schaufensterkäufern.
• Lassen Sie sich nicht auf tiefe technische Gespräche ein und verwenden Sie selbst keine 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 zu verengen.

Für den Käufer des Benutzers:

• Qualifizierende Fragen:
  • Welche Aspekte Ihrer aktuellen Arbeit sind herausfordernd?
  • Wünschen Sie sich mehr Zeit für die Analyse von Innovationsdaten?
  • Was würden Sie gerne an Ihren aktuellen Skripten/Anwendungen verbessern?
  • Sind Sie Teil eines zentralen technischen Support-Teams? Wenn ja, wie unterstützen Sie?

Für den Technischen Einkäufer:

• Weg von der Gatekeeper-Mentalität hin zum Enablement.
• Seien Sie sich darüber im Klaren Qualitäts- und Zahlensicherungen von JMP.
• Qualifizierende Fragen:
  • 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 große Vision heraus. Je großartiger es ist, desto schmerzhafter haben sie es.
• Ermutigen Sie sie, zu bedenken, dass Open Source ein höheres Schulungsniveau (und damit höhere Kosten) erfordern könnte.
• Qualifizierende Fragen:
  • 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 mit vollem Funktionsumfang für Datenvisualisierung und statistische Analyse von SAS für den Windows- und Mac-Desktop. JMP verfügt über die Interaktivität und dynamische Verknüpfung, die die Datenexploration spannend und aufschlussreich machen, und enthält viele erweiterte Analyseoptionen, die die Anforderungen von Datenexplorern und Analysten voll erfüllen. Dennoch kann es Gelegenheiten 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 neben validierten Methoden in JMP untersuchen.
• Ein Python- oder R-Programmierer möchte möglicherweise die Vorteile der dynamischen Verknüpfung, der erweiterten Visualisierung oder der 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, sodass zukünftige Benutzer mit dem GUI-Add-In interagieren können, ohne das R- oder Python-Code selbst.
• Ein statistischer Pädagoge möchte möglicherweise bestimmte Open-Source-Pakete im Klassenzimmer einführen, jedoch in einer Point-and-Click-Umgebung, die keine Programmierung durch den Schüler erfordern würde.

 

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 übermitteln.
• Whitepaper: Verwenden von JMP und JMP Pro mit R und Python: Beispiele dafür, wann Benutzer JMP möglicherweise in Verbindung mit Open-Source-Tools wie Python oder R verwenden möchten (oder müssen).
• Zusatz: XG-Boost: P bietet eine Point-and-Click-Schnittstelle zur beliebten Open-Source-Bibliothek XGBoost für die Vorhersagemodellierung mit Bäumen mit extremer Gradientenverstärkung.Beinhaltet den Profiling-Export von JMP Scripting Language (JSL) und Python-Code für die Reproduzierbarkeit.
• Add-In: JMP zu R Add-In Builder: EIN ermöglicht R-Programmierern, ihren R-Code in einem JMP-Add-In unterzubringen, ohne JSL-Code schreiben zu müssen. Ermöglichen von 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 werden wir Anwendungsfälle untersuchen, die veranschaulichen, wie JMP-Benutzer von der breiten Unterstützung und dem schnellen Änderungstempo von Open-Source-Software profitieren und gleichzeitig von der optimierten Benutzeroberfläche und den robusten Funktionen von JMP profitieren können.
• JMP kann auch glänzend sein: Americas 2021 Discovery Paper, das über t spricht Die Dashboard-Funktionalität in JMP ist ein fantastisches Tool, das als gute Alternative zu R Shiny dienen kann. Im Vergleich zu R Shiny sind JMP-Dashboards einfacher und schneller zu erstellen und können viel Zeit bei der App-Entwicklung sparen. In diesem Poster spreche ich darüber, wie JMP-Dashboards ein Tool sein können für:
  • Teilen Sie die Begeisterung für die Datenentdeckung mit anderen.
  • Personalisierung der Darstellung von Grafiken.
  • Erstellen eines visuellen Storyboards zur Übermittlung von Informationen.

   

Wettbewerbsinformationen (SWOTS)AusbildungBetreff: R / Python-Schulung

Danke für das Teilen @martindemel ! Das klingt nach einem netten Anwendungsfall. Wissen Sie, ob sie den Python-Code hauptsächlich so verwenden, wie er von JMP bereitgestellt wird, oder ob viele Änderungen erforderlich sind? Wissen Sie auch, welche Modelle sie verwenden?

Betreff: R / Python-Schulung

@mia_stephens Vor einigen Jahren hatte ich einen Pro-Deal bei Osram, wo sie JMP Pro verwendeten, um ein Modell zu erstellen, das sie in ihrer Python-generierten Webanwendung verwenden können. Ziel war es, besser abschätzen zu können, wie lange ein Projekt dauern wird, einschließlich aller verschiedenen Projektschritte, abhängig von den Ressourcen (Personen), der Innovationsklasse (neues Produkt, auf dem Vorhergehenden aufbauen, ...) und der aktuellen Arbeitsbelastung (und einigen anderen Faktoren). Also alles zusammen ein Projektplanungsmodell. Da die Webanwendung in Python erstellt wurde, fanden sie in JMP ein anständiges, gutes Modell, das ganz einfach war, und verwendeten das Formeldepot, um Python-Code zu generieren, den sie dann in die Anwendung einbetteten. Funktionierte fast wie ein Zauber. Von Zeit zu Zeit überprüfen sie das Modell mit den neu erfassten Daten aus vergangenen Projektzeitplänen und passen es gegebenenfalls an. Ich habe seit einiger Zeit nichts mehr von ihnen gehört, aber ich denke, es wird immer noch produktiv verwendet.

Betreff: R / Python-Schulung

@malcolm_moore1 @nascif_jmp

Welche Fragen können wir stellen, um festzustellen, ob jemand ein Toröffner oder ein Torwächter ist?

 

Mein Hauptgedanke würde in die Richtung gehen

- Wie beziehen Sie Fachkenntnisse in die Datenanalyse ein? Warum ist das wichtig?

- Führt die Arbeit mit einem Team an Datenanalyse-Herausforderungen zu Erfolg oder Misserfolg?

Betreff: R / Python-Schulung

@malcolm_moore1 Während Datenkompetenz eine wichtige Frage ist, denke ich, dass sie orthogonal zu der spezifischen Frage steht, die Mia gerade gestellt hat. Wenn überhaupt, sind die Experten, die den Einsatz von JMP-Modellen in der Produktion zur Generierung von Geschäftswert ermöglichen, keine Torwächter, sondern Toröffner.
Wenn das Problem, das das Unternehmen zu lösen versucht, die Erstellung einer Website zur Bereitstellung vorhergesagter Werte oder einen automatisierten End-to-End-Überwachungsprozess in einer Fabrik erfordert, muss es einen Weg geben, unsere Modelle aus JMP herauszuholen und machen sie zu einem Teil der erforderlichen Prozesse. Es ist weniger eine Frage des „Wer“ als vielmehr eine Frage des „Wo“ und „Wie“.

Wenn wir eines Tages die Bereitstellung von Modellen in Produktionsumgebungen so einfach machen, wie wir die „Bereitstellung“ von Berichten und Dashboards mit JMP Live vereinfacht haben, könnten wir den Bedarf an Datenanalyseexperten im Analyseworkflow verringern. Das wäre eine interessante Möglichkeit, diese Fäden produktiv 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 gesprochen habe, in keiner bestimmten Reihenfolge.

• 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-Universität
• Burak Bagdatli - Georgia Tech
• Gul Ege, David Duling - SAS (ESP)
• Lucy Luo - Conoco Philips

Betreff: R / Python-Schulung

Ein weiterer zu berücksichtigender Aspekt könnten andere Aspekte des Datenanalyse-Workflows sein: die Notwendigkeit Seien Sie sich der potenziellen Einschränkungen unserer Daten und der Notwendigkeit bewusst, unsere Daten und Modelle mithilfe von Fachkenntnissen zu hinterfragen. 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 durch die Integration von Fachwissen mit Datenkompetenz und Datenanalyse-Know-how erreicht werden kann. Für ein Unternehmen ist es einfacher, Datenanalysen in großem Maßstab zu erreichen, indem es Fachexperten in Bezug auf Datenkompetenz und Datenanalyse befähigt, als Datenanalysen zu skalieren, indem Fachkenntnisse an unsere weitergegeben werden wenig Experten für Datenanalyse.

 

Wenn die Datenanalyseexperten derzeit Gatekeeper des Analyseworkflows sind, müssen wir möglicherweise versuchen, dieses Gespräch mit anderen kaufenden Influencern zu führen.

 

Weitere Aspekte der Data Literacy-Argumente finden sich in Dark Data von David Hand, siehe seine Keynote „Stats Speaking“. Dunkle Daten Einige Aspekte werden auch von Ron Kennet und Chris Gotwalt in ihrem kommenden Discovery-Papier behandelt: Maximierung des Data Science-Erfolgs

Betreff: R / Python-Schulung

Hallo Mia, Jerry Winter bei Unilever hat diese Funktion verwendet. Ich habe nicht die ganze Geschichte, aber wir haben zusammengearbeitet, um einen Abschnitt zu finden, der nicht von JMP nach Python übersetzt wurde.Lassen Sie mich wissen, welche nächsten Schritte hilfreich wären!

Betreff: R / Python-Schulung

Tolle Diskussion hier! Neugierig auf die Verwendung von Formula Depot zum Generieren von Python-Code. Hat jemand Kunden benannt, die diese Funktion verwenden, und Beispiele, die Sie teilen können?

Betreff: R / Python-Schulung

Könnte gut sein, etwas Kontext darüber zu haben, wie einige unserer Wettbewerber (auch wenn teilweise) mit Integration (nicht Ersatz) umgehen.

* 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-Schulung

Dies ist eine brillante Diskussion, ein großartiges Hin und Her.

Betreff: R / Python-Schulung

Sehr nützliche Ressourcen @mzwald und @nascif_jmp , hilft definitiv, die Seite zu erweitern. Ich habe erwähnt @ruthummel , @MJ und @nascif_jmp Arbeit als Ressource, wollte es aber keiner Erklärung aus zweiter Hand unterziehen!

 

FWIW, meine Erfahrung ist ein Benutzer von R/Python in Academia und Unilever. Bei Unilever war zwar bekannt, dass JMP mit R/Python synergetisch kombiniert werden kann, ein fantastisches Tool, aber es gab eine kleine Anzahl (<10) im Unternehmen, die dies tun konnte. Ein Tropfen auf den heißen Stein im Vergleich zu 5000 (hauptsächlich Wissenschaftler und Ingenieure) allein in Forschung und Entwicklung weltweit. JMP ermöglichte es mir, mit diesen 5000 zu arbeiten/zusammenzuarbeiten, anstatt ihnen einen Dienst zu leisten, R/Python tat dies nicht. T Der Fokus sollte immer darauf liegen, Herausforderungen der aktuellen Situation zu identifizieren und eine Vision zu ermöglichen (entweder umfassend mit JMP-Produkten oder in Teilen).

 

Um ehrlich zu sein, habe ich Probleme damit, mich mit R/Python-Paketen auszukennen, sowohl in Bezug auf die numerische Genauigkeit des Pakets selbst als auch darauf, ob meine Verwendung fehlerhaft ist. Bei JMP habe ich eine Qualitätserklärung und kommerzielle SE und technischen Support. Obwohl es sich um diskretionäre Verkaufsstellen handelt, sollten wir uns nicht scheuen, diese bei Bedarf anzusprechen.

 

Betreff: R / Python-Schulung

"Synergie ist eine Interaktion oder Kooperation, die zu einem Ganzen führt, das ist größer als das Einfache Summe von seinem Teile ."

Betreff: R / Python-Schulung

@nascif_jmp und @MJ und ich habe ein Papier geschrieben, das mehr Details über die Verwendung von Open Source mit JMP zeigt und diese Idee unterstreicht, sie zusammen zu verwenden, anstatt das eine durch das andere zu ersetzen. Das Papier ist erhältlich unter https://onlinelibrary.wiley.com/doi/abs/10.1002/sta4.336 . Es steht derzeit unter der Paywall der Zeitschrift, aber sobald unsere Anfrage, es OpenAccess zu machen, durchgeht, sollte dieser Link es Ihnen (oder einem Kunden, dem Sie diesen Link senden) ermöglichen, das vollständige Papier kostenlos anzuzeigen.

 

Das Papier enthält Links zu vier unterstützenden Kurzvideos. Sie können diese Links auch direkt versenden oder in einer Demo verwenden. Die ersten beiden Videos zeigen die Wohnungspreisanwendung, die Nascif unter Verwendung von generiertem Python-Scoring-Code von JMP erstellt hat, der in AWS integriert ist. 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: Anpassung des JMP Pro Listing Price Predictor-Modells und Generierung von Python-Code:

 

https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214684063001

 

Film 2: Endgültige Modellbereitstellung auf AWS des von JMP Pro generierten Python-Scoring-Codes:

 

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-Zeigen-und-Klick-Dialogen interagiert (und der R-Code hinter den Kulissen unsichtbar ist, mit Respekt an den Add-In-Benutzer). Film 3 zeigt, wie das Add-In verwendet wird. Film 4 zeigt, wie JMP Funktionen bringt, die in R sehr schwierig sind, und R die Algorithmen brachte, die nicht in JMP waren, und beide Softwaresysteme zusammen können diese coole Sache machen.

 

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-Ergebnisexploration mit Bildkennzeichnung in JMP:

https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680173001

Betreff: R / Python-Schulung

@saradoudt was @mzwald sagte. Das wundert mich @ruthummel 's Whitepaper wird als Ressource aufgeführt, aber nicht vollständig als praktikabler Ansatz zum 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. Außerdem sollten Sie die Discovery-Präsentationen im Formula Depot auflisten, da sie Beispiele für die Bereitstellung des Python-Scoring-Codes enthalten, der hilfreich sein könnte, wenn Sie für die Verwendung von JMP in einem Python-Shop plädieren.

* Über den Tellerrand hinaus punkten – JMP User Community

* Den ultimativen Segen teilen: Eine Reise vom Modellieren zum Scoring - JMP User Community

 

Außerdem denke ich, 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, da sein Design öffentlich zugänglich ist.Open-Source-Software ist Software mit Quellcode, die jeder einsehen, modifizieren und verbessern kann."

 

Im Data-Science-Bereich umfassen „Personen“ und „Jeder“ große Unternehmen wie Google ( TensorFlow ) und IBM ( Funke ). Sie Zahlen Entwickler, diese Frameworks zu pflegen und zu 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 alter SAS-FUD Das Argument, dass Sie ihrer Qualität nicht so sehr vertrauen können wie unserer, wird bei Benutzern, die wissen, woher sie kommen, nicht aufgehen - 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 Großkonzernen. Das sind keine Leute, die in Werkstätten arbeiten. Also sicher, es gibt da draußen kleine, schlecht gewartete Open-Source-Pakete; Aber die Wissenschaftler und Ingenieure, die wir suchen, sind schlau genug, um zu wissen, welche zu wählen und welche zu vermeiden sind. Wir sollten bei diesem Gespräch genauso versiert sein wie sie.

Betreff: R / Python-Schulung

@mzwald Danke für die hinzugefügten Kommentare. Ich höre immer gerne verschiedene Erfahrungen!

Betreff: R / Python-Schulung

Einige Gedanken zu meiner Erfahrung mit der Positionierung von JMP gegenüber R/Python (Python ist in der NWT2-Region viel häufiger als R).Wir haben festgestellt, dass es am besten ist, JMP (oder eher JMP Pro, wenn sie Python verwenden) als ergänzendes Tool zu Python zu positionieren, anstatt es zu einer Entweder-Oder-Entscheidung zu machen.Wenn Sie die Wahl „verwenden Sie JMP Pro statt Python“ treffen, ist dies nicht effektiv, da Python zu viel Trägheit und Infrastruktur hinter sich hat, insbesondere für die Vorhersagemodellierung (z. B. TensorFlow-Bibliothek).Aber wenn Sie JMP Pro als ein ergänzendes Tool zu Python positionieren, wo Datenmodelle schneller in JMP Pro prototypisiert und verglichen und dann als Python-Score-Code bereitgestellt werden können, ist das ein viel überzeugenderer Grund und hat erfolgreich eine Reihe von JMP Pro-Verkäufen gelandet, auch dort, wo Python noch stark genutzt wird.