322050_es-ES

liliconcom

Capacitación en R/Python

12.8.2020 Sesión de entrenamiento de R/Python

Presentador: Ben Francis

Ver grabación | Diario

 

 

Conclusiones clave

• "¿Quieres que tu gente sea codificadores o quieres que sean personas que solucionen problemas?"SME a menudo no es el codificador de 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 de software vs costo de 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 frente a soluciones de código abierto. JMP brinda 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 término fuente abierta se refiere a algo que las personas pueden 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
• Roles: científicos de datos, estadístico, biólogos de nivel superior, químicos, tecnólogos
• Los que quieren estar a la moda
• Los que tienen iniciativa
• A menudo no la gestión
• Modeladores no 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 gratuita de ciencia de datos accesible para todos.
• Maduro y extenso "socio" 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 salida puede ser muy alta.
• Interfaz directa con otros lenguajes de programación (C, C++, Java).
• Si una empresa ha estado haciendo ciencia de datos, es probable que tenga material en scripts 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 y no en las personas que lo utilizan.
• Además, el software puede verse como una panacea para los datos desordenados/faltos/inexistentes.
• Enfoque de código primero, a menudo con más de un "codificador" requerido.
• Pensamiento de "Pastel en el cielo".
• Pobres opciones de seguridad y ninguna o muy poca garantía de calidad y precisión (Declaración de Calidad de JMP)

 

Cómo posicionar JMP frente a R/Python:

Sugerencias generales:

• ¿Hay un problema real que están tratando de resolver? Aléjese de los compradores de "ventana".
• No se involucre en conversaciones técnicas profundas ni use palabras de moda usted mismo.
• No haga funciones y características, el código abierto gana prácticamente todo el tiempo.
• Evite restringir el enfoque del cliente en cualquier producto de JMP.

Para el Usuario Comprador:

• Preguntas de calificación:
  • ¿Qué aspectos de su trabajo actual son desafiantes?
  • ¿Le gustaría tener más tiempo para el análisis de datos de innovación?
  • ¿Qué le gustaría mejorar de sus scripts/aplicaciones actuales?
  • ¿Es usted parte de un equipo central de soporte técnico? Si es así, ¿cómo proporciona apoyo?

Para el Comprador Técnico:

• Trabaje lejos de la mentalidad de guardián hacia la habilitación.
• Sea claro acerca de la 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 garantías de calidad y precisión numérica actualizada regularmente?

Para el Comprador Económico:

• Escuche la gran visión. Cuanto más grande es, más doloroso se lo esperan.
• Anímelos a considerar que el código abierto podría requerir un mayor nivel de capacitación (y, por lo tanto, un mayor costo).
• Preguntas de calificación:
  • ¿Dónde quieres estar dentro de un año? ¿Cuál es tu estrategia?
  • ¿Cómo vas a escalar sus 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 con todas las funciones de SAS para el escritorio de Windows y Mac. JMP tiene la interactividad y el enlace dinámico que hace que la exploración de datos sea emocionante y perspicaz y contiene muchas opciones analíticas avanzadas, satisfaciendo completamente las necesidades de los exploradores y analistas 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:

• Sin embargo, un estadístico corporativo que tenga prohibido usar software no validado como R para análisis primario puede 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, las imágenes avanzadas o los potentes análisis disponibles en JMP.
• Es posible que el departamento de análisis de datos de una empresa desee desarrollar un complemento para JMP que permita ejecutar código R o Python como un complemento dentro de JMP, para que los futuros usuarios puedan interactuar con el complemento GUI sin necesidad de escribir el código. R o código Python en sí mismos.
• Un profesor de estadística 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 los comandos básicos de secuencias de comandos JSL para conectarse a R, enviar datos entre R y JMP y enviar código R.
• Libro blanco: 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 para la popular biblioteca de código abierto XGBoost para el modelado predictivo con árboles potenciados por gradientes extremos.Incluye la exportación de perfiles de JMP Scripting Language (JSL) y el código Python para la reproducibilidad.
• Complemento: JMP a R Complemento Generador: 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.
• JMP también puede ser brillante: Discovery Paper de las Américas 2021 que habla de t La funcionalidad del tablero en JMP es una herramienta fantástica que puede servir como una buena alternativa a R Shiny. En comparación con R Shiny, los paneles JMP son más fáciles y rápidos de crear y pueden ahorrar mucho tiempo en el desarrollo de aplicaciones. En este póster, hablo sobre cómo los tableros de JMP pueden ser una herramienta para:
  • Compartir la emoción del descubrimiento de datos con otros.
  • Personalización de la presentación de gráficos.
  • Creación de un guión gráfico visual para transmitir información.

   

Información de la competencia (FODA)CapacitaciónRe: Formación en R/Python

Gracias 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?

Re: Formación en R/Python

@mia_stephens Hace unos años tuve una oferta Pro en Osram donde usaron JMP Pro para construir un modelo que pueden usar en su aplicación web generada por python. El objetivo era tener una mejor estimación de cuánto durará un proyecto, incluidos todos los diferentes pasos del proyecto según los recursos (personas), la clase de innovación (nuevo producto, basado en el anterior, ...) y la carga de trabajo actual (y algunos otros). factores). Así que todos juntos un modelo de planificación de proyectos. Como la aplicación web se creó en Python, encontraron un buen modelo decente con facilidad en JMP y usaron el depósito formal para generar código de 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 los cronogramas de proyectos anteriores y lo ajustan si es necesario. No he tenido noticias de ellos durante algún tiempo, pero creo que todavía está en uso productivo.

Re: Formación en R/Python

@malcolm_moore1 @nascif_jmp

¿Qué preguntas podemos hacer para identificar si alguien es un portero o un portero?

 

Mi pensamiento principal estaría en la línea de

- ¿Cómo incluye la experiencia en el 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: Formación en R/Python

@malcolm_moore1 Si bien la alfabetización de datos es una pregunta importante, creo que es ortogonal a la pregunta específica que acaba de hacer Mia. 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 el negocio está tratando de resolver requiere la creación de un sitio web para servir 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 hacerlos parte de los procesos requeridos. No se trata tanto de "quién" como de "dónde" y "cómo".

Tal vez si algún día hacemos que sea tan fácil implementar modelos en entornos de producción como lo hemos hecho para "implementar" informes y tableros usando 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 con respecto a 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 - Ciencias de AIG
• Philip O'Leary - Miembro del Grupo Directivo de la Universidad del Este de Finlandia
• 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: Formación en R/Python

Un aspecto adicional a considerar podría ser otros aspectos del flujo de trabajo analítico de datos: la necesidad de Esté alerta a las posibles limitaciones de nuestros datos y la necesidad de desafiar nuestros datos y modelos utilizando el conocimiento de la materia. Reconozca que nuestros procesos rara vez se encuentran 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 que los expertos en la materia con respecto a la alfabetización de datos y el análisis de datos escalen 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 actualmente son guardianes del flujo de trabajo analítico, es posible que debamos buscar tener esta conversación con otras personas influyentes en la compra.

 

Más aspectos de los argumentos de alfabetización de datos están en Dark Data por David Hand, vea su discurso de apertura de Stats Speaking Datos oscuros algunos aspectos también serán cubiertos por Ron Kennet y Chris Gotwalt en su próximo artículo de Discovery: Maximizando el éxito de la ciencia de datos

Re: Formación en R/Python

Hola Mia, Jerry Winter en 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.¡Déjame saber los próximos pasos que serían útiles!

Re: Formación en R/Python

Gran discusión aquí! Curiosidad por el uso de Formula Depot para generar código Python. ¿Alguien ha nombrado a clientes que usan esta funcionalidad y ejemplos que pueda compartir?

Re: Formación en R/Python

Podría ser bueno tener algo de contexto sobre 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: Formación en R/Python

Esta es una discusión brillante, excelente de ida y vuelta.

Re: Formación en R/Python

Recursos muy útiles @mzwald y @nascif_jmp , definitivamente ayuda a ampliar la página. mencioné sobre @ruthhummel , @MJ y @nascif_jmp ¡funciona como un 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, si bien comprender que JMP se puede combinar con R/Python es una herramienta fantástica, había un pequeño número (<10) en la empresa que podía hacerlo. Una gota en el océano en comparación con 5000 (principalmente científicos e ingenieros) en I+D en todo el mundo. JMP me permitió trabajar/colaborar con esos 5000 en lugar de ser un servicio para ellos, R/Python no lo hizo. T El enfoque siempre debe estar en torno a la identificación de los desafíos de la situación actual y la habilitación hacia una visión (ya sea de manera integral con los productos de JMP o en parte).

 

Siendo honesto, he tenido problemas para ser lo suficientemente inteligente con los paquetes de R/Python, tanto en términos de precisión numérica del paquete en sí como si mi uso es erróneo. En JMP, cuento con Declaración de Calidad y SE Comercial y Soporte Técnico. Si bien son puntos de venta discrecionales, no deberíamos ser tímidos para mencionarlos cuando sea relevante.

 

Re: Formación en 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: Formación en R/Python

@nascif_jmp y @MJ y escribí un artículo que muestra 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 papel 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 se apruebe nuestra solicitud para hacerlo OpenAccess, este enlace debería permitirle a usted (o al cliente al que le 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 usarlos en una demostración. Los dos primeros videos muestran la aplicación Housing Price que Nascif creó utilizando el código de puntuación de Python generado por 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: JMP Pro Listing Price Predictor Ajuste del modelo y generación de código Python:

 

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

 

Película 2: Implementación del modelo final en AWS del código de puntuación de Python generado por JMP Pro:

 

https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680112001

 

Los últimos dos videos muestran el uso de MJ de t-SNE y UMAP en R, integrados en un complemento de JMP para que el usuario interactúe solo con los diálogos 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 usar 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 algo genial.

 

Película 3. Aplicación del complemento Embedding 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: Formación en R/Python

@saradoudt qué @mzwald dicho. me sorprende que @ruthhummel El libro blanco de se incluye como un recurso, pero no se explora 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 al argumentar el uso de JMP en una tienda de Python.

* Puntuación fuera de la caja - Comunidad de usuarios de JMP

* Sharing the Ultimate Boon: un viaje desde el modelado hasta la puntuación - Comunidad de usuarios de JMP

 

Además, creo que la visión de código abierto que se describe aquí no tiene en cuenta a lo que nos enfrentamos:

" El término fuente abierta se refiere a algo que las personas pueden 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 "cualquiera" incluyen grandes empresas como Google ( TensorFlow ) e IBM ( Chispa - chispear ). Ellos pagar desarrolladores para mantener y mejorar 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 viejo SAS FUD el argumento de que no puedes confiar en su calidad tanto como en la nuestra no va a funcionar con los usuarios que saben de dónde vienen, incluso podría resultar 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 trabajan en garajes. Por supuesto, existen 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. Deberíamos ser tan inteligentes como ellos al tener esta conversación.

Re: Formación en R/Python

@mzwald Gracias por los comentarios añadidos. ¡Siempre me encanta escuchar experiencias diferentes!

Re: Formación en R/Python

Algunas reflexiones sobre mi experiencia posicionando JMP contra R/Python (Python es mucho más común en la región NWT2 que R).Descubrimos que es mejor posicionar JMP (o más probablemente JMP Pro si usan Python), como una herramienta complementaria para 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 crear prototipos y compararse en JMP Pro más rápido y luego implementarse como código de puntuación de Python, esa es una razón mucho más convincente y ha obtenido con éxito una serie de ventas de JMP Pro, incluso donde Python todavía se usa mucho.