R / Python培訓12.8.2020 R/Python 培訓課程
主持人：本·弗朗西斯
觀看錄音|雜誌
關鍵要點
- “你想讓你的員工成為編碼員，還是讓他們成為解決問題的人？”SME 通常不是 R 或 Python 編碼器。
- JMP 可以被視為對 R/Python 編碼人員的威脅。 從看門人（R/Python 用戶）轉向支持（我想保住我的工作，因此 R 和 Python 需要留下來）
- 軟件成本與人員/時間成本
- 軟件開發中最關鍵的質量問題之一，尤其是分析軟件，是結果的準確性和可靠性。質量聲明與開源解決方案。 JMP 提供信任和安全。
- R 和 Python 是我們所有產品（JMP、JMP、Clinical、JMP Live...）的競爭對手
什麼是開源軟件？
期限開源指的是人們可以修改和共享的東西，因為它的設計是公開的。開源軟件是任何人都可以檢查、修改和增強源代碼的軟件。
誰使用 R/Python？
- 任何公司
- 角色：數據科學家、統計學家、高級生物學家、化學家、技術專家
- 想要時髦的人
- 有進取心的人
- 經常不管理
- 不是數據驅動的建模者
- 不在高度管制的地區
- 什麼是開源？ 這對用戶意味著什麼？ 成本、訪問、支持等？
- R/Python 與 JMP JSL 的學習曲線？ 動作記錄器。
R/Python 的優點是什麼？
- 它是一個所有人都可以使用的免費數據科學工具。
- 成熟而廣泛的市場“夥伴”。
- Stack overflow 等站點為 R/Python 社區提供了很大的幫助。
- 用戶經常添加的新尖端功能/特性。
- 輸出質量可以非常高。
- 與其他編程語言（C、C++、Java）的直接接口。
- 如果一家公司一直在做數據科學，他們很可能會有 R/Python 腳本的材料。
- 可以基於雲。
- 擁有 Python 編程知識可以成為科學家/工程師的差異化因素。
R/Python 的缺點是什麼？
- 重點是軟件而不是使用軟件的人。
- 此外，該軟件可以被視為解決混亂/缺乏/不存在數據的靈丹妙藥。
- 代碼優先方法，通常需要多個“編碼器”。
- “天上掉餡餅”的思想。
- 安全選項差，沒有/很少有質量和準確性保證（JMP 的質量聲明）
如何定位 JMP 與 R/Python：
一般建議：
- 他們試圖解決的實際問題是什麼？ 遠離“櫥窗”購物者。
- 不要自己進行深入的技術深入對話或使用流行語。
- 不做功能和特性，開源幾乎每次都贏。
- 避免將客戶的注意力集中在任何一種 JMP 產品上。
對於用戶買家：
- 資格問題：
- 您當前工作的哪些方面具有挑戰性？
- 您是否希望有更多時間進行創新數據分析？
- 您希望對當前的腳本/應用程序進行哪些改進？
- 您是中央技術支持團隊的一員嗎？ 如果是這樣，您如何提供支持？
對於技術買家：
- 擺脫守門人的心態，努力實現。
- 清楚質量和數量保證的 JMP。
- 資格問題：
- 您的組織中有多少人參與知識/流程開發？
- 定期更新數值精度和質量保證的軟件對您來說重要嗎？
對於經濟買家：
- 聽出宏偉的願景。 它越大，他們就越痛苦。
- 鼓勵他們考慮開源可能需要更高水平的培訓（因此需要更高的成本）。
- 資格問題：
- 一年後你想去哪裡？ 你的策略是什麼？
- 您打算如何擴展他們的數據分析？
何時以及如何將 JMP 與 R/Python 結合使用？
JMP 是 SAS 的一個獨立的、全功能的數據可視化和統計分析軟件包，適用於 Windows 和 Mac 桌面。 JMP 具有使數據探索令人興奮和富有洞察力的交互性和動態鏈接，並包含許多高級分析選項，充分滿足數據探索者和分析師的需求。 不過，在某些情況下，您可能希望（或需要）將 JMP 與開源工具（如 Python 或 R）結合使用。 考慮以下示例：
- 禁止使用 R 等未經驗證的軟件進行主要分析的企業統計人員可能仍然希望在 R 包中與 JMP 中經過驗證的方法並排探索新方法。
- Python 或 R 程序員可能希望利用 JMP 中提供的動態鏈接、高級視覺效果或強大的分析功能。
- 公司的數據分析部門可能想要開發一個 JMP 插件，允許一些 R 或 Python 代碼作為插件在 JMP 中運行，這樣未來的用戶就可以與 GUI 插件交互，而無需編寫R 或 Python 代碼本身。
- 統計教育工作者可能希望在課堂上介紹特定的開源包，但要在不需要學生編碼的點擊環境中進行。
資源：
競爭對手信息 (SWOTS)訓練回复：R/Python 培訓感謝分享@馬丁德梅爾！ 這聽起來像是一個不錯的用例。 您知道他們是否主要使用 JMP 提供的 Python 代碼，或者是否需要大量修改？ 另外，你知道他們用的是什麼型號嗎？
回复：R/Python 培訓@mia_stephens幾年前，我與 Osram 達成了一筆 Pro 交易，他們使用 JMP Pro 構建了一個模型，可以在他們的 Python 生成的 Web 應用程序中使用。 目標是更好地估計一個項目將持續多長時間，包括所有不同的項目步驟，具體取決於資源（人員）、創新類別（新產品、在以前的基礎上……）和當前工作量（以及其他一些因素）。 所以所有的項目規劃模型。 由於 webapp 是用 Python 構建的，他們在 JMP 中找到了一個不錯的好模型 wuite easy，並使用 formel depot 生成 Python 代碼，然後將它們嵌入到應用程序中。 幾乎像魅力一樣工作。 他們會不時地使用從過去的項目時間表中獲取的新數據重新檢查模型，並在必要時進行調整。 我有一段時間沒有收到他們的回音，但我認為它仍在生產中使用。
回复：R/Python 培訓@malcolm_moore1 @nascif_jmp
我們可以問什麼問題來確定某人是開門者還是守門者？
我的主要想法是
- 您如何在數據分析中包含領域專業知識？ 為什麼這很重要？
- 與團隊合作應對數據分析挑戰是成功還是失敗？
回复：R/Python 培訓@malcolm_moore1雖然數據素養是一個重要問題，但我認為它與 Mia 剛剛提出的具體問題無關。 如果說有什麼不同的話，那就是讓 JMP 模型部署到生產中以產生商業價值的專家不是守門人，而是開門人。
如果企業試圖解決的問題需要創建一個網站來提供預測值或在工廠中建立一個自動化的、端到端的監控流程，那麼就必須有一種方法將我們的模型從 JMP 中提取出來，並且使它們成為所需流程的一部分。 這不是“誰”的問題，而是“在哪裡”和“如何”的問題。
也許有一天，如果我們能夠像使用 JMP Live 輕鬆“部署”報告和儀表板一樣輕鬆地將模型部署到生產環境，我們就會減少分析工作流程中對數據分析專家的需求。 這將是一種以富有成效的方式組合這些線程的有趣方式。
@mia_stephens以下是我多年來就 Formula Depot 生成的 Python 評分代碼與我交談過的一些人，排名不分先後。
- Ping Liu - 貝恩公司的高級分析
- 馬修·弗林 - AIG Science
- Philip O'Leary - 東芬蘭大學指導小組成員
- 布拉德福德福克斯 - 通用電氣
- Thomas Slezak - 楊百翰大學
- Burak Bagdatli - 佐治亞理工學院
- Gul Ege, David Duling - SAS (ESP)
- Lucy Luo - 康菲飛利浦
回复：R/Python 培訓要考慮的另一個方面可能是數據分析工作流程的其他方面：需要警惕我們數據的潛在局限性以及使用主題知識挑戰我們的數據和模型的需要。 認識到我們的過程很少處於穩定狀態，或者換句話說：從數據中學習是一個持續的過程，最好通過將主題知識與數據素養和數據分析知識相結合來更好地完成。 與通過將主題知識轉移到我們的團隊來擴展數據分析相比，公司更容易通過讓主題專家了解數據素養和數據分析來實現大規模數據分析很少數據分析專家。
如果數據分析專家目前是分析工作流程的守門人，那麼我們可能需要與其他購買影響者進行對話。
數據素養論點的更多方面在 David Hand 的 Dark Data 中，請參閱他的 Stats Speaking 主題演講暗數據Ron Kennet 和 Chris Gotwalt 在他們即將發表的 Discovery 論文中也將涵蓋一些方面：最大化數據科學的成功
回复：R/Python 培訓嗨 Mia，聯合利華的 Jerry Winter 使用了此功能。 我沒有完整的故事，但我們共同努力找出了尚未從 JMP 轉換為 Python 的部分。讓我知道任何有幫助的後續步驟！
回复：R/Python 培訓這裡的討論很棒！ 對使用 Formula Depot 生成 Python 代碼感到好奇。 任何人都使用此功能命名客戶，您可以分享示例嗎？
回复：R/Python 培訓從我們的一些競爭對手（即使是部分競爭對手）如何處理集成（而不是替代）中了解一些背景信息可能會很好
* 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
回复：R/Python 培訓這是一次精彩的討論，來來回回。
回复：R/Python 培訓非常有用的資源@mzwald和@nascif_jmp , 絕對有助於拓寬頁面。 我確實提到過@ruthhummel , @MJ和@nascif_jmp作為資源工作，但不想對其進行第二手解釋！
FWIW，我的經驗是學術界和聯合利華的 R/Python 用戶。 在聯合利華，雖然了解到 JMP 可以與 R/Python 協同作用是一個很棒的工具，但公司中只有少數人（<10 人）可以做到這一點。 與全世界 5000 名（主要是科學家和工程師）的研發人員相比，這只是滄海一粟。 JMP 使我能夠與這 5000 人一起工作/協作，而不是作為對他們的服務，而 R/Python 則沒有。 噸他的重點應始終圍繞識別當前形勢的挑戰和實現願景（全面或部分使用 JMP 產品）。
老實說，我一直在努力了解 R/Python 包，無論是在包本身的數字準確性方面還是在我的使用是否有誤方面。 在 JMP，我有質量聲明和商業 SE 和技術支持。 雖然它們是可自由支配的銷售點，但我們不應該羞於在相關時提出這些問題。
回复：R/Python 培訓“協同是產生整體的相互作用或合作比...更棒簡單的和它的部分”
回复：R/Python 培訓@nascif_jmp和@MJ我寫了一篇論文，詳細介紹瞭如何將開放源代碼與 JMP 結合使用，強調了將它們結合使用而不是相互替換的想法。 該論文可在https://onlinelibrary.wiley.com/doi/abs/10.1002/sta4.336 . 它現在在期刊付費專區下，但一旦我們要求它成為 OpenAccess，這個鏈接應該允許您（或您將此鏈接發送給的客戶）免費查看完整的論文。
論文中有四個支持短片的鏈接。 您也可以直接發送這些鏈接或在演示中使用它們。 前兩個視頻展示了 Nascif 使用 JMP incorporated 生成的 Python 評分代碼構建的 Housing Price 應用程序，該應用程序部署在 AWS 中。 這兩個視頻展示了 (1) 在 JMP 中構建模型並生成 Python 代碼，以及 (2) 在 AWS 中構建的最終應用程序。
影片 1：JMP Pro 上市價格預測模型擬合和 Python 代碼生成：
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214684063001
影片 2：JMP Pro 生成的 Python 評分代碼在 AWS 上的最終模型部署：
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680112001
最後兩個視頻展示了 MJ 在 R 中對 t-SNE 和 UMAP 的使用，它們內置於 JMP 插件中，因此用戶僅與 JMP 點擊對話框進行交互（並且 R 代碼在幕後是不可見的，尊重給加載項用戶）。 影片 3 展示瞭如何使用插件。 電影 4 展示了 JMP 如何帶來 R 中非常困難的功能，而 R 帶來了 JMP 中沒有的算法，兩個軟件系統一起可以做這件很酷的事情。
電影 3。 Embedding插件在MNIST數據集上的應用：
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214686689001
影片 4：在 JMP 中使用圖像標記探索 t-SNE 結果：
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680173001
回复：R/Python 培訓@saradoudt什麼@mzwald說。 我很驚訝@ruthhummel的白皮書被列為資源，但並未作為一種可行的方法進行充分探索，以在不嘗試取代 Python/R 的情況下銷售 JMP - 兩者都有空間，我們可以證明總和大於部分。 此外，您可能希望列出 Formula Depot 上的 Discovery 演示文稿，因為它們提供了有關如何部署 Python 評分代碼的示例，這些代碼可能有助於在 Python 商店中使用 JMP。
*開箱即用的評分 - JMP 用戶社區
*分享終極福利：從建模到評分的旅程 - JMP 用戶社區
此外，我認為這裡描述的開源願景遺漏了我們反對的重點：
“期限開源指的是人們可以修改和共享的東西，因為它的設計是公開的。開源軟件是任何人都可以檢查、修改和增強源代碼的軟件。”
在數據科學領域，“人”和“任何人”包括像谷歌這樣的大公司（張量流) 和 IBM (火花). 他們支付開發人員維護和增強這些框架，因為它們是他們基於雲的增長戰略的一部分（軟件堆棧是免費的，您只需為雲使用付費）。 您可以確定他們也向測試人員支付費用。 所以舊SAS FUD你不能像我們一樣相信他們的質量的論點不會與知道他們來自哪裡的用戶一起飛行 - 它甚至可能適得其反。
即使對於像 XGBoost 這樣的小包，當你檢查列表時貢獻者你會看到來自大學的研究人員和來自大公司的開發人員。 這些不是在車庫工作的人。 可以肯定的是，那裡有一些小的、維護不善的開源包；但是我們要追求的科學家和工程師足夠精明，知道應該選擇哪些，避免選擇哪些。 在進行這次對話時，我們應該像他們一樣精明。
回复：R/Python 培訓@mzwald感謝您添加的評論。 總是喜歡聽到不同的經歷！
回复：R/Python 培訓關於我將 JMP 與 R/Python 進行對比的一些想法（Python 在 NWT2 地區比 R 更常見）。我們發現最好將 JMP（或者更可能是 JMP Pro，如果他們使用 Python）定位為 Python 的免費工具，而不是將其作為非此即彼的決定。如果您選擇“使用 JMP Pro 而不是 Python”，它將不會有效，因為 Python 背後有太多慣性和基礎設施，尤其是對於預測建模（例如 TensorFlow 庫）。但是，如果您將 JMP Pro 定位為 Python 的免費工具，可以在 JMP Pro 中更快地對數據模型進行原型設計和比較，然後將其部署為 Python 評分代碼，這是一個更有說服力的理由，並且已經成功地獲得了大量 JMP Pro 銷售，即使在 Python 仍然被大量使用的地方。
