R / Python トレーニング12.8.2020 R/Python トレーニング セッション
プレゼンター: ベン・フランシス
録画を見る| |ジャーナル
重要ポイント
- 「従業員をコーダーにしたいですか、それとも問題を解決する人にしたいですか?」SME は多くの場合、R または Python のコーダーではありません。
- JMP は、R/Python コーダーにとって脅威と見なされる可能性があります。 ゲートキーパー (R/Python ユーザー) から離れて、イネーブルメントに移行します (仕事を続けたいので、R と Python にとどまる必要があります)
- ソフトウェアのコスト VS 人員/時間のコスト
- ソフトウェア開発、特に分析ソフトウェアの開発における最も重要な品質問題の 1 つは、結果の正確さと信頼性です。品質声明対オープンソース ソリューション。 JMP は信頼とセキュリティを提供します。
- R と Python は、当社のすべての製品 (JMP、JMP、Clinical、JMP Live...) の競合相手です。
オープンソース ソフトウェアとは
用語オープンソースそのデザインは一般に公開されているため、人々が変更および共有できるものを指します。オープン ソース ソフトウェアは、誰でも検査、変更、拡張できるソース コードを含むソフトウェアです。
R/Python を使用しているのは誰ですか?
- どの会社も
- 役割: データ サイエンティスト、統計学者、高等レベルの生物学者、化学者、技術者
- おしゃれになりたい方
- イニシアチブを持っている人
- 管理職ではない場合が多い
- データ駆動型モデラーではない
- 規制の厳しい地域ではない
- オープンソースとは？ それはユーザーにとって何を意味するのでしょうか? 費用、アクセス、サポートなどは?
- R/Python と JMP JSL の学習曲線? アクションレコーダー。
R/Python の長所は何ですか?
- これは、誰でもアクセスできる無料のデータ サイエンス ツールです。
- 市場における成熟した広範な「パートナー」。
- Stack Overflow などのサイトは、R/Python コミュニティに大きな助けを提供します。
- ユーザーが頻繁に追加する最先端の新機能/機能。
- 出力の品質は非常に高くなる可能性があります。
- 他のプログラミング言語 (C、C++、Java) との簡単なインターフェース。
- 企業がデータ サイエンスを行っている場合、おそらく R/Python スクリプトに資料があるでしょう。
- クラウドベースにすることができます。
- Python プログラミングの知識を持つことは、科学者/エンジニアにとって差別化要因になる可能性があります。
R/Python の短所は何ですか?
- 焦点は、ソフトウェアを使用する人ではなく、ソフトウェアにあります。
- さらに、このソフトウェアは、乱雑/不足/存在しないデータに対する万能薬と見なすことができます。
- 多くの場合、複数の「コーダー」が必要なコードファーストのアプローチ。
- 「パイ・イン・ザ・スカイ」思考。
- セキュリティオプションが貧弱で、品質と正確性の保証がない/ほとんどない(JMPの品質宣言)
JMP と R/Python の位置づけ:
一般的な提案:
- 彼らが解決しようとしている実際の問題はありますか？ 「ウィンドウ」ショッパーから離れてください。
- 深い技術的な深い会話に参加したり、バズワードを自分で使用したりしないでください。
- 機能や機能を実行しないでください。ほぼ毎回オープンソースが勝ちます。
- 顧客の関心を 1 つの JMP 製品に限定することは避けてください。
ユーザー購入者の場合:
- 適格な質問:
- あなたの現在の仕事のどの側面が挑戦的ですか?
- イノベーションのデータ分析にもっと時間を割きたいと思いますか?
- 現在のスクリプト/アプリケーションについて、どのような点を改善してほしいですか?
- あなたは中央テクニカル サポート チームの一員ですか? その場合、どのようにサポートを提供しますか?
テクニカル バイヤーの場合:
- ゲートキーパーの考え方から離れて、イネーブルメントに取り組みます。
- について明確にする品質と数値の保証JMPの。
- 適格な質問:
- 知識/プロセス開発に関与している組織内の人数は?
- 定期的に更新される数値精度と品質保証を備えたソフトウェアは、あなたにとって重要ですか?
経済的バイヤーの場合:
- 壮大なビジョンを聞いてください。 それが大きければ大きいほど、彼らはそれが来るのをより苦痛に感じます。
- オープンソースにはより高いレベルのトレーニングが必要になる可能性がある (したがってコストがかかる) 可能性があることを考慮するように彼らに勧めてください。
- 適格な質問:
- 1年後、あなたはどこにいたいですか？ あなたの戦略は何ですか？
- データ分析をどのように拡張しますか?
JMP と R/Python をいつ、どのように位置付ける必要がありますか?
JMP は、SAS の Windows および Mac デスクトップ用のスタンドアロンのフル機能のデータ視覚化および統計分析ソフトウェア パッケージです。 JMP には、データ探索を刺激的で洞察力のあるものにする双方向性と動的リンクがあり、多くの高度な分析オプションが含まれており、データ探索者と分析者のニーズを完全に満たします。 それでも、JMP を Python や R などのオープン ソース ツールと組み合わせて使用したい (または必要とする) 場合があります。 次の例を検討してください。
- R のような検証されていないソフトウェアを一次分析に使用することを禁止されている企業の統計学者は、JMP の検証済みの方法と並行して、R パッケージの新しい方法論を探求したいと考えるかもしれません。
- Python または R のプログラマーは、動的リンケージ、高度なビジュアル、または JMP で利用可能な強力な分析を利用したいと考えるかもしれません。
- 企業のデータ分析部門は、R または Python コードを JMP 内でアドインとして実行できるようにする JMP へのアドインを開発したいと考えるかもしれません。 R または Python コード自体。
- 統計教育者は、特定のオープン ソース パッケージを教室に導入したいと考えるかもしれませんが、学生によるコーディングを必要としないポイント アンド クリック環境内で行います。
資力：
- JMP の習得: JMP と R の統合:基本的な JSL スクリプト コマンドを使用して R に接続し、R と JMP 間でデータを送信し、R コードを送信する方法を学びます。
- ホワイト ペーパー: R および Python での JMP および JMP Pro の使用: Python や R などのオープン ソース ツールと組み合わせて JMP を使用する必要がある場合の例。
- アドイン: XG ブースト: Pは、人気のある XGBoost オープン ソース ライブラリへのポイント アンド クリック インターフェイスを提供し、極端な勾配ブースト ツリーによる予測モデリングを行います。再現性のために、JMP Scripting Language (JSL) および Python コードのプロファイリング エクスポートが含まれます。
- アドイン: JMP から R へのアドイン ビルダー:あR コーダーは、JSL コードを記述せずに、R コードを JMP アドインに格納できます。 JMP ユーザーが R コード内のオプションにアクセスして変更できるようにします。
- Wiley Paper - Better Together - オープンソース ソフトウェアによる JMP の拡張:このホワイト ペーパーでは、JMP ユーザーが、JMP の合理化されたインターフェイスと堅牢な機能の恩恵を受けながら、オープンソース ソフトウェアの幅広いサポートと急速な変化のペースを活用する方法を説明するユース ケースについて説明します。
- JMPもピカピカにできます:アメリカ大陸 2021 ディスカバリー ペーパーで t について説明JMP のダッシュボード機能は、R Shiny の優れた代替手段として機能する優れたツールです。 R Shiny と比較して、JMP ダッシュボードは簡単かつ迅速に構築でき、アプリ開発の時間を大幅に節約できます。 このポスターでは、JMP ダッシュボードが次のツールになる方法について説明します。
- データ発見の興奮を他の人と共有します。
- グラフィックの表示のパーソナライズ。
- 情報を伝えるビジュアル ストーリーボードの作成。
競合他社情報 (SWOTS)トレーニングRe:R / Python トレーニング共有してくれてありがとう@マーティンデメル! これは良いユースケースのように思えます。 JMP が提供する Python コードをほとんどそのまま使用しているのか、それとも多くの変更が必要なのかを知っていますか? また、彼らが使用しているモデルを知っていますか?
Re:R / Python トレーニング@mia_stephens数年前、私は Osram で Pro 契約を結び、JMP Pro を使用して Python で生成された Web アプリケーションで使用できるモデルを構築しました。 目標は、リソース (人)、イノベーション クラス (新製品、以前のビルドなど)、および現在のワークロード (およびその他因子）。 つまり、すべて一緒にプロジェクト計画モデルです。 Web アプリケーションは Python で構築されていたため、JMP で簡単に使用できる適切なモデルを見つけ、formel デポを使用して Python コードを生成し、アプリケーションに組み込みました。 ほとんど魅力のように働きました。 彼らは時々、過去のプロジェクト タイムラインから新しく取得したデータを使用してモデルを再チェックし、必要に応じて調整します。 しばらく連絡がありませんが、まだ生産的に使用されていると思います。
Re:R / Python トレーニング@マルコムムーア1 @nascif_jmp
誰かがゲートオープナーまたはゲートキーパーであるかどうかを識別するために、どのような質問をすることができますか?
私の主な考えは、
- データ分析にドメインの専門知識をどのように含めますか? 何でこれが大切ですか？
- チームと協力してデータ分析の課題に取り組むことは、成功または失敗につながりますか?
Re:R / Python トレーニング@マルコムムーア1データ リテラシーは重要な質問ですが、Mia が尋ねた特定の質問とは直交していると思います。 どちらかといえば、JMP モデルを本番環境に導入してビジネス価値を生み出す専門家は、ゲートキーパーではなく、ゲートオープナーです。
企業が解決しようとしている問題が、予測値を提供する Web サイトの作成、または工場での自動化されたエンドツーエンドの監視プロセスを必要とする場合、モデルを JMP から取り出して、それらを必要なプロセスの一部にします。 「誰が」という問題ではなく、「どこで」「どのように」という問題です。
JMP Liveを使用してレポートやダッシュボードを簡単に「展開」できるようになったのと同じくらい、モデルを実稼働環境に簡単に展開できるようになれば、分析ワークフローにおけるデータ分析の専門家の必要性が減るかもしれません。 これは、これらのスレッドを生産的な方法で組み合わせる興味深い方法です。
@mia_stephens以下は、Formula Depot による Python スコアリング コードの生成に関して、私が何年にもわたって話をした人々の一部です (順不同)。
- Ping Liu - Bain & Company の高度な分析
- マシュー・フリン - AIG サイエンス
- Philip O'Leary - 東フィンランド大学の運営グループのメンバー
- ブラッドフォード・フォークス - ゼネラル・エレクトリック
- トーマス・スレザック - ブリガム・ヤング大学
- Burak Bagdatli - ジョージア工科大学
- Gul Ege、David Duling - SAS (ESP)
- ルーシー・ルオ - コノコ・フィリップス
Re:R / Python トレーニング考慮すべきもう 1 つの側面は、データ分析ワークフローの他の側面かもしれません。データの潜在的な制限と、主題知識を使用してデータとモデルに挑戦する必要性に注意してください。 私たちのプロセスが定常状態にあることはめったにないことを認識してください。別の言い方をすれば、データからの学習は継続的なプロセスであり、主題に関する知識とデータ リテラシーおよびデータ分析のノウハウを統合できるようにすることで、より効果的に行うことができます。 企業がデータ リテラシーとデータ分析に関して専門分野の専門家を有効にすることで、大規模なデータ分析を実現する方が、専門分野の知識を私たちの組織に移管してデータ分析を拡大するよりも簡単です。少しデータ分析の専門家。
データ分析の専門家が現在分析ワークフローのゲートキーパーである場合は、他の購買インフルエンサーとこの会話を行う必要があるかもしれません.
データ リテラシーの議論のより多くの側面は、David Hand による Dark Data にあります。彼の Stats Speaking 基調講演を参照してください。ダークデータいくつかの側面は、Ron Kennet と Chris Gotwalt によって次の Discovery 論文でも取り上げられます。データ サイエンスの成功を最大化する
Re:R / Python トレーニングHi Mia, Unilever の Jerry Winter がこの機能を使用しています。 全容はわかりませんが、JMP から Python に翻訳されていないセクションを一緒に見つけ出しました。役立つ次のステップがあれば教えてください。
Re:R / Python トレーニングここで素晴らしい議論！ Formula Depot を使用して Python コードを生成することに興味があります。 この機能を使用して顧客に名前を付けた人はいますか?また、共有できる例はありますか?
Re:R / Python トレーニング一部の競合他社 (部分的なものであっても) が統合 (代替ではなく) にどのように取り組んでいるかについて、ある程度の背景を知ることは良いことかもしれません。
* 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:R / Python トレーニングこれは素晴らしい議論であり、素晴らしいやり取りです。
Re:R / Python トレーニング非常に役立つリソース@mzwaldと@nascif_jmp 、間違いなくページを広げるのに役立ちます。 について言及しました@ruthhummel 、 @MJと@nascif_jmpリソースとして機能しますが、それを二次的な説明にさらしたくありませんでした!
FWIW、私の経験はアカデミアとユニリーバでの R/Python のユーザーです。 Unilever では、JMP が R/Python と相乗効果を発揮できることを理解することは素晴らしいツールですが、社内でこれを実行できる少数 (10 人未満) がいました。 世界中の R&D だけで 5000 人 (主に科学者とエンジニア) と比較すると大海の一滴です。 JMP のおかげで、5,000 人へのサービスとしてではなく、5,000 人と仕事や共同作業ができるようになりましたが、R/Python はそうではありませんでした。 T現在の状況の課題を特定し、ビジョンに向けて実現できるようにすることに常に焦点を当てる必要があります (JMP 製品で包括的に、または部分的に)。
正直なところ、R/Python パッケージ自体の数値の正確さと、私の使用法が間違っているかどうかの両方の点で、R/Python パッケージに精通するのに苦労しました。 JMP では、品質ステートメントと商用 SE および技術サポートを持っています。 それらは任意のセールスポイントですが、関連する場合は恥ずかしがらずにこれらを取り上げるべきです。
Re:R / Python トレーニング「シナジーある全体を生み出す相互作用または協力であるより大きいシンプル和そのの部品."
Re:R / Python トレーニング@nascif_jmpと@MJそして私は、JMP でオープンソースを使用する方法をより詳細に示す論文を書き、一方を他方に置き換えるのではなく、それらを一緒に使用するという考えを強調しました。 この論文は次の場所で入手できます。 https://onlinelibrary.wiley.com/doi/abs/10.1002/sta4.336 . 現在はジャーナルのペイウォールの下にありますが、OpenAccess にするという私たちのリクエストが通過するとすぐに、このリンクにより、あなた (またはこのリンクを送信した顧客) が論文全文を無料で閲覧できるようになります。
この論文には、4 つのサポート用の短いビデオへのリンクがあります。 これらのリンクを直接送信したり、デモで使用したりすることもできます。 最初の 2 つのビデオは、Nascif が AWS にデプロイされた JMP から生成された Python スコアリング コードを使用して構築した住宅価格アプリケーションを示しています。 これらの 2 つのビデオでは、(1) JMP でモデルを構築して Python コードを生成する方法と、(2) AWS で構築された最終的なアプリケーションを示しています。
動画 1: JMP Pro リスト価格予測モデルのフィッティングと Python コードの生成:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214684063001
ムービー 2: JMP Pro によって生成された Python スコアリング コードの AWS での最終的なモデルのデプロイ:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680112001
最後の 2 つのビデオは、MJ が R で t-SNE と UMAP を使用し、JMP アドインに組み込まれていることを示しています。これにより、ユーザーは JMP のポイント アンド クリック ダイアログのみを操作します (また、R コードは舞台裏では見えません。アドイン ユーザーに)。 ムービー 3 は、アドインの使用方法を示しています。 ムービー 4 は、JMP が R では非常に難しい機能をもたらし、R が JMP になかったアルゴリズムをもたらし、両方のソフトウェア システムが一緒になってこの素晴らしいことを行う方法を示しています。
ムービー 3。 MNIST データ セットへの埋め込みアドインの適用:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214686689001
動画 4: JMP での画像ラベル付けによる t-SNE 結果の探索:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680173001
Re:R / Python トレーニング@saradoudt何@mzwald言った。 私は驚いた@ruthhummelのホワイト ペーパーはリソースとしてリストされていますが、Python/R に取って代わろうとせずに JMP を販売するための実行可能なアプローチとして十分に検討されていません。 また、フォーミュラ デポのディスカバリー プレゼンテーションを一覧表示することもできます。これらのプレゼンテーションには、Python ショップで JMP を使用するケースを作成する際に役立つ Python スコアリング コードの展開方法の例が含まれています。
*独創的なスコアリング - JMP User Community
*究極の恩恵を分かち合う: モデリングからスコアリングまでの道のり - JMP User Community
また、ここで説明されているオープン ソースのビジョンには、私たちが反対しようとしている点が欠けていると思います。
"用語オープンソースデザインが公開されているため、人々が変更および共有できるものを指します。オープンソース ソフトウェアとは、誰でも検査、変更、拡張できるソース コードを持つソフトウェアです。」
データ サイエンスの分野では、「人」と「誰でも」には、Google のような大企業が含まれます ( TensorFlow ) および IBM (スパーク）。 彼ら支払いこれらのフレームワークはクラウドベースの成長戦略の一部であるため、開発者はこれらのフレームワークを維持および強化する必要があります (ソフトウェア スタックは無料で、クラウドの使用に対して支払うだけです)。 彼らもテスターにお金を払っていると確信できます。 だから、古い SAS FUD私たちの品質が、どこから来たのかを知っているユーザーに飛ばないほど信頼できないという議論-それは裏目に出るかもしれません.
XGBoost のような小さなパッケージでも、リストを確認すると貢献者大学の研究者や大企業の開発者がいます。 これらはガレージで働く人々ではありません。 確かに、小規模で保守が不十分なオープン ソース パッケージが世の中に存在します。しかし、私たちが追求している科学者とエンジニアは、どれを選ぶべきか、どれを避けるべきかを十分に知っています。 この会話をするとき、私たちは彼らと同じくらい精通している必要があります.
Re:R / Python トレーニング@mzwald追加コメントありがとうございます。 さまざまな体験を聞くのがいつも大好きです！
Re:R / Python トレーニングR/Python に対して JMP を位置付ける私の経験に関するいくつかの考え (NWT2 地域では R よりも Python の方がはるかに一般的です)。JMP (または、Python を使用している場合は JMP Pro の可能性が高い) を、どちらか一方を決定するのではなく、Python を補完するツールとして位置づけるのが最善であることがわかりました。「Python ではなく JMP Pro を使用する」という選択をした場合、特に予測モデリング (例: TensorFlow ライブラリ) の場合、Python には慣性とその背後にあるインフラストラクチャが多すぎるため、効果的ではありません。しかし、JMP Pro を、JMP Pro でデータ モデルのプロトタイプを作成して比較し、Python スコア コードとして展開できる Python を補完するツールとして位置付ける場合、それははるかに説得力のある理由であり、多くの JMP Pro の販売に成功しています。 Python がまだ頻繁に使用されている場合でも。
