Ri: Formazione R / PythonAlcune note sulle mie esperienze nel posizionamento di JMP su Python (Python è molto più comune nella regione NWT2 rispetto a R).Abbiamo scoperto che è meglio posizionare JMP (o più probabilmente JMP Pro se utilizzano Python), come uno strumento complementare a Python piuttosto che prendere una decisione.Se scegli "usa JMP Pro invece di Python", non sarà efficace in quanto Python ha troppa inerzia e infrastruttura alle spalle, soprattutto per la modellazione predittiva (es. Libreria TensorFlow).Ma se posizioni JMP Pro come strumento complementare a Python in cui i modelli di dati possono essere prototipati e confrontati in JMP Pro più velocemente e quindi distribuiti come codice di punteggio Python, questo è un motivo molto più convincente e ha ottenuto con successo una serie di vendite di JMP Pro, anche dove Python è ancora molto utilizzato.
Ri: Formazione R / Python@ saradoudt0 che cosa @mzwald disse. Sono sorpreso di questo @ruthhummel Il white paper di è elencato come una risorsa ma non completamente esplorato come un approccio praticabile per vendere JMP senza cercare di sostituire Python / R - c'è spazio per entrambi e possiamo dimostrare che la somma è maggiore delle parti. Inoltre, potresti voler elencare le presentazioni di Discovery su Formula Depot in quanto contengono esempi di come distribuire il codice di punteggio Python che potrebbe essere utile quando si tratta di utilizzare JMP in un negozio Python.
* Punteggio fuori dagli schemi - Comunità di utenti JMP
* Condivisione del massimo vantaggio: un viaggio dalla modellazione al punteggio - Community di utenti JMP
Inoltre, penso che la visione dell'Open Source qui descritta manchi il punto contro cui stiamo andando:
" Il termine open source si riferisce a qualcosa che le persone possono modificare e condividere perché il suo design è accessibile al pubblico.Il software open source è un software con codice sorgente che chiunque può ispezionare, modificare e migliorare ".
Nello spazio della scienza dei dati, "persone" e "chiunque" includono grandi aziende come Google ( TensorFlow ) e IBM ( Scintilla ). Essi pagare sviluppatori per mantenere e migliorare questi framework, poiché fanno parte della loro strategia di crescita basata sul cloud (lo stack software è gratuito, paghi solo per l'utilizzo del cloud). Puoi stare certo che pagano anche i tester. Così la vecchio SAS FUD L'argomento secondo cui non puoi fidarti della loro qualità tanto quanto la nostra non volerà con utenti che sanno da dove provengono - potrebbe persino ritorcersi contro.
Anche per pacchetti più piccoli come XGBoost, quando controlli l'elenco di contributori vedi ricercatori di università e sviluppatori di grandi aziende. Queste non sono persone che lavorano nei garage. Quindi certo, ci sono piccoli pacchetti open source mal gestiti là fuori; ma gli scienziati e gli ingegneri che stiamo cercando sono abbastanza esperti da sapere quali scegliere e quali evitare. Dovremmo essere esperti come loro quando abbiamo questa conversazione.
Ri: Formazione R / Python@nascif_jmp e @MJ e ho scritto un articolo che mostrava maggiori dettagli su come usare opensource con JMP, sottolineando l'idea di usarli insieme piuttosto che sostituirli uno con l'altro. Il documento è disponibile all'indirizzo https://onlinelibrary.wiley.com/doi/abs/10.1002/sta4.336 . Al momento è sotto il paywall del journal, ma non appena la nostra richiesta di renderlo OpenAccess sarà accettata, questo link dovrebbe consentire a te (oa un cliente a cui invii questo link) di visualizzare gratuitamente il paper completo.
Nel documento ci sono collegamenti a quattro brevi video di supporto. Puoi anche inviare questi link direttamente o usarli in una demo. I primi due video mostrano l'applicazione Housing Price che Nascif ha costruito utilizzando il codice di punteggio Python generato da JMP incorporato distribuito in AWS. Questi due video mostrano (1) la creazione del modello in JMP e la generazione del codice Python e (2) l'applicazione finale creata in AWS.
Filmato 1: Adattamento del modello predittore prezzo di quotazione di JMP Pro e generazione di codice Python:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214684063001
Filmato 2: Distribuzione del modello finale su AWS del codice di punteggio Python generato da JMP Pro:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680112001
Gli ultimi due video mostrano l'uso da parte di MJ di t-SNE e UMAP in R, integrati in un componente aggiuntivo JMP in modo che l'utente interagisca solo con le finestre di dialogo punta e clicca di JMP (e il codice R è invisibile dietro le quinte, con rispetto per l'utente aggiuntivo). Il filmato 3 mostra come utilizzare il componente aggiuntivo. Il filmato 4 mostra come JMP porta funzionalità che sono molto difficili in R, e R ha portato gli algoritmi che non erano in JMP, ed entrambi i sistemi software insieme possono fare questa cosa interessante.
Film 3. Applicazione del componente aggiuntivo Embedding sul set di dati MNIST:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214686689001
Filmato 4: esplorazione dei risultati di t-SNE con etichettatura di immagini in JMP:
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680173001
Ri: Formazione R / Python"Sinergia è un'interazione o cooperazione che dà origine a un tutto che è più grande di il semplice somma del proprio parti . "
Ri: Formazione R / PythonRisorse molto utili @mzwald e @nascif_jmp , aiuta sicuramente ad allargare la pagina. Ne ho parlato @ruthhummel , @MJ e @nascif_jmp funziona come una risorsa ma non volevo sottoporlo a una spiegazione di seconda mano!
FWIW, la mia esperienza è un utente di R / Python in Academia e Unilever. In Unilever, pur comprendendo che JMP può essere sinergizzato con R / Python è uno strumento fantastico, c'era un piccolo numero (<10) in azienda che poteva farlo. Una goccia nell'oceano rispetto a 5000 (per lo più scienziati e ingegneri) solo in R&S in tutto il mondo. JMP mi ha permesso di lavorare / collaborare con quei 5000 piuttosto che come un servizio per loro, R / Python no. T Il focus dovrebbe essere sempre l'identificazione delle sfide della situazione attuale e l'abilitazione verso una visione (sia in modo completo con i prodotti JMP o in parte).
Ad essere onesto, ho lottato per essere abbastanza esperto con i pacchetti R / Python, sia in termini di accuratezza numerica del pacchetto stesso sia se il mio utilizzo è errato. In JMP, ho una dichiarazione di qualità, SE commerciale e supporto tecnico. Sebbene siano punti di vendita discrezionali, non dovremmo essere timidi nel menzionarli quando pertinenti.
Ri: Formazione R / Python@mzwald Grazie per i commenti aggiunti. Amo sempre sentire esperienze diverse!
Ri: Formazione R / PythonQuesta è una discussione brillante, ottimo avanti e indietro.
Ri: Formazione R / PythonPotrebbe essere utile avere un contesto da come alcuni dei nostri concorrenti (anche se parziali) stanno affrontando l'integrazione (non la sostituzione)
* 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
Ri: Formazione R / PythonGrande discussione qui! Curioso dell'uso di Formula Depot per generare codice Python. Qualcuno ha nominato i clienti utilizzando questa funzionalità ed esempi che puoi condividere?
Ri: Formazione R / PythonCiao Mia, Jerry Winter di Unilever ha utilizzato questa funzionalità. Non ho la storia completa ma abbiamo lavorato insieme per capire una sezione che non era stata tradotta da JMP a Python.Fammi sapere eventuali passaggi successivi che potrebbero essere utili!
Ri: Formazione R / PythonUn ulteriore aspetto da considerare potrebbe essere altri aspetti del flusso di lavoro dell'analisi dei dati: la necessità di essere attenti ai potenziali limiti nei nostri dati e alla necessità di sfidare i nostri dati e modelli utilizzando la conoscenza della materia. Riconoscere che i nostri processi sono raramente in uno stato stazionario, o in altre parole: l'apprendimento dai dati è un processo continuo che è fatto meglio consentendo l'integrazione della conoscenza della materia con l'alfabetizzazione dei dati e il know-how di analisi dei dati. È più facile per un'azienda ottenere analisi dei dati su larga scala abilitando esperti in materia per quanto riguarda l'alfabetizzazione dei dati e l'analisi dei dati piuttosto che scalare l'analisi dei dati trasferendo la conoscenza della materia al nostro pochi esperti di analisi dei dati.
Se gli esperti di analisi dei dati sono attualmente custodi del flusso di lavoro analitico, potrebbe essere necessario cercare di avere questa conversazione con altri influencer di acquisto.
Altri aspetti degli argomenti di alfabetizzazione dei dati sono in Dark Data di David Hand, vedere la sua nota di apertura di Stats Speaking Dati oscuri alcuni aspetti saranno trattati anche da Ron Kennet e Chris Gotwalt nel loro prossimo articolo su Discovery: Massimizzare il successo della scienza dei dati
Ri: Formazione R / Python@ malcolm_moore1 sebbene l'alfabetizzazione dei dati sia una domanda importante, penso che sia ortogonale alla domanda specifica che Mia ha appena posto. Semmai, gli esperti che consentono ai modelli JMP di essere distribuiti nella produzione per generare valore aziendale non sono gatekeeper, ma gate openers.
Se il problema che l'azienda sta cercando di risolvere richiede la creazione di un sito web per servire i valori previsti o un processo di monitoraggio automatizzato end-to-end in una fabbrica, ci deve essere un modo per far uscire i nostri modelli da JMP e renderli parte dei processi richiesti. Non è una questione di "chi" quanto una questione di "dove" e "come".
Forse, se un giorno rendessimo l'implementazione dei modelli negli ambienti di produzione tanto semplice quanto la "distribuzione" di report e dashboard utilizzando JMP Live, ridurremmo la necessità di esperti di analisi dei dati nel flusso di lavoro analitico. Sarebbe un modo interessante per combinare questi fili in modo produttivo.
@mia_stephens ecco alcune delle persone con cui ho parlato nel corso degli anni in merito alla generazione del codice di punteggio Python da parte di Formula Depot, in nessun ordine particolare.
- Ping Liu - Advanced Analytics presso Bain & Company
- Matthew Flynn - AIG Science
- Philip O'Leary - Membro del gruppo direttivo presso l'Università della Finlandia orientale
- Bradford Foulkes - General Electric
- Thomas Slezak - Università Brigham Young
- Burak Bagdatli - Georgia Tech
- Gul Ege, David Duling - SAS (ESP)
- Lucy Luo - Conoco Philips
Ri: Formazione R / Python@ malcolm_moore1 @nascif_jmp
Quali domande possiamo porre per identificare se qualcuno è un apriporta o un custode del cancello?
Il mio pensiero principale sarebbe sulla falsariga di
- Come includi l'esperienza del dominio nell'analisi dei dati? Perché questo è importante?
- Lavorare con un team su sfide di analisi dei dati porta al successo o al fallimento?
Ri: Formazione R / Python@mia_stephens Qualche anno fa ho avuto un accordo Pro con Osram, dove hanno utilizzato JMP Pro per creare un modello da utilizzare nella loro applicazione web generata da Python. L'obiettivo era di avere una stima migliore della durata di un progetto includendo tutte le diverse fasi del progetto a seconda delle risorse (persone), classe di innovazione (nuovo prodotto, build su precedente, ...) e carico di lavoro corrente (e qualche altro fattori). Quindi tutti insieme un modello di pianificazione del progetto. Poiché la webapp è stata costruita in Python, hanno trovato un buon modello decente facile in JMP e hanno utilizzato il depot di formel per generare codice Python che hanno poi incorporato nell'applicazione. Ha funzionato quasi come un fascino. Di tanto in tanto ricontrollano il modello con i nuovi dati acquisiti dalle scadenze dei progetti precedenti e si adattano se necessario. Non li sento da tempo, ma penso che sia ancora in uso produttivo.
Ri: Formazione R / PythonGrazie per la condivisione @martindemel ! Sembra un bel caso d'uso. Sai se stanno usando il codice Python principalmente come è fornito da JMP, o se richiede molte modifiche? Inoltre, sai quali modelli stanno utilizzando?
Formazione R / Python12.8.2020 Sessione di allenamento R/Python
Presentatore: Ben Francis
Guarda la registrazione | rivista
Punti chiave
- "Vuoi che le tue persone siano programmatori o vuoi che siano persone che risolvono problemi?"SME spesso non è il programmatore R o Python.
- JMP può essere visto come una minaccia per coloro che sono programmatori R/Python. Allontanati dal gatekeeper (utenti R/Python) verso l'abilitazione (voglio mantenere il mio lavoro, quindi R e Python devono rimanere)
- Costo del software vs costo delle persone/tempo
- Uno dei problemi di qualità più critici nello sviluppo del software, in particolare per il software analitico, è l'accuratezza e l'affidabilità dei risultati.Dichiarazione di qualità vs soluzioni open source. JMP fornisce fiducia e sicurezza.
- R e Python sono concorrenti per tutti i nostri prodotti (JMP, JMP, Clinical, JMP Live...)
Che cos'è il software open source?
Il termine open source si riferisce a qualcosa che le persone possono modificare e condividere perché il suo design è pubblicamente accessibile.Il software open source è un software con codice sorgente che chiunque può ispezionare, modificare e migliorare.
Chi usa R/Python?
- Qualsiasi azienda
- Ruoli: data scientist, statistico, biologi di livello superiore, chimici, tecnologi
- Quelli che vogliono essere trendy
- Quelli con iniziativa
- Spesso non gestione
- Non modellatori basati sui dati
- Non in aree altamente regolamentate
- Che cos'è l'open source? Cosa significa per gli utenti? Costo, accesso, supporto, ecc?
- Curva di apprendimento per R/Python vs JMP JSL? Registratore di azioni.
Quali sono i vantaggi di R/Python?
- È uno strumento di data science gratuito accessibile a tutti.
- "partner" maturo ed esteso nel mercato.
- Siti come Stack overflow offrono un grande aiuto alle comunità R/Python.
- Nuove funzioni/caratteristiche all'avanguardia aggiunte frequentemente dagli utenti.
- La qualità dell'output può essere molto alta.
- Interfacciamento semplice con altri linguaggi di programmazione (C, C++, Java).
- Se un'azienda ha svolto attività di data science, probabilmente avrà materiale negli script R/Python.
- Può essere basato su cloud.
- Avere conoscenze di programmazione Python può essere un elemento di differenziazione per scienziati/ingegneri.
Quali sono gli svantaggi di R/Python?
- L'attenzione è sul software piuttosto che sulle persone che utilizzano il software.
- Inoltre, il software può essere visto come una panacea per dati disordinati/mancanti/inesistenti.
- Approccio code-first, con spesso più di un "codificatore" richiesto.
- Pensiero "Pie in the Sky".
- Scarse opzioni di sicurezza e nessuna/pochissima garanzia di qualità e accuratezza (Dichiarazione di qualità di JMP)
Come posizionare JMP rispetto a R/Python:
Suggerimenti generali:
- C'è un problema reale che stanno cercando di risolvere? Allontanati dagli acquirenti "da vetrina".
- Non entrare in conversazioni tecniche approfondite o usare parole d'ordine da solo.
- Non fare funzioni e caratteristiche, l'open source vince praticamente ogni volta.
- Evita di restringere l'attenzione del cliente su un singolo prodotto JMP.
Per l'utente acquirente:
- Domande di qualificazione:
- Quali aspetti del tuo lavoro attuale sono impegnativi?
- Vorresti avere più tempo per l'analisi dei dati sull'innovazione?
- Cosa vorresti migliorare dei tuoi attuali script/applicazioni?
- Fai parte di un team di supporto tecnico centrale? Se sì, come fornite supporto?
Per l'acquirente tecnico:
- Lavora lontano dalla mentalità del gatekeeper verso l'abilitazione.
- Sii chiaro su qualità e garanzie numeriche di JMP.
- Domande di qualificazione:
- Quanti all'interno della vostra organizzazione sono coinvolti nello sviluppo di conoscenze/processi?
- Un software con accuratezza numerica regolarmente aggiornata e garanzie di qualità sarebbe importante per te?
Per l'Acquirente Economico:
- Ascolta la grande visione. Più è grande, più è doloroso per loro.
- Incoraggiali a considerare che l'open source potrebbe richiedere un livello più alto di formazione (e quindi di costi).
- Domande di qualificazione:
- Dove vuoi essere tra un anno? Qual è la tua strategia?
- Come hai intenzione di ridimensionare la loro analisi dei dati?
Quando e come posizionare JMP con R/Python?
JMP è un pacchetto software autonomo e completo di visualizzazione dei dati e analisi statistica di SAS per desktop Windows e Mac. JMP ha l'interattività e il collegamento dinamico che rendono l'esplorazione dei dati emozionante e perspicace e contiene molte opzioni analitiche avanzate, soddisfacendo pienamente le esigenze di esploratori e analisti di dati. Tuttavia, potrebbero esserci occasioni in cui vorrai (o avrai bisogno) di utilizzare JMP insieme a strumenti open source, come Python o R. Considera i seguenti esempi:
- Uno statistico aziendale a cui è vietato l'utilizzo di software non convalidato come R per l'analisi primaria potrebbe tuttavia voler esplorare una nuova metodologia in un pacchetto R fianco a fianco con metodi convalidati in JMP.
- Un programmatore Python o R potrebbe voler sfruttare il collegamento dinamico, gli elementi visivi avanzati o le potenti analisi disponibili in JMP.
- Il reparto di analisi dei dati di un'azienda potrebbe voler sviluppare un componente aggiuntivo per JMP che consenta di eseguire del codice R o Python come componente aggiuntivo all'interno di JMP, in modo che i futuri utenti possano interagire con il componente aggiuntivo della GUI senza dover scrivere il R o codice Python stesso.
- Un educatore statistico potrebbe voler introdurre pacchetti open source specifici in classe ma all'interno di un ambiente point-and-click che non richiederebbe la codifica da parte dello studente.
Risorse:
- Padroneggiare JMP: Integrazione JMP e R: Impara a utilizzare i comandi di scripting JSL di base per connetterti a R, inviare dati tra R e JMP e inviare codice R.
- White paper: Utilizzo di JMP e JMP Pro con R e Python: Esempi di quando gli utenti potrebbero voler (o avere bisogno) di utilizzare JMP insieme a strumenti open source, come Python o R.
- Aggiunta: XG Boost: P Fornisce un'interfaccia point-and-click alla popolare libreria open source XGBoost per la modellazione predittiva con alberi a gradiente estremo.Include l'esportazione di profili di JMP Scripting Language (JSL) e codice Python per la riproducibilità.
- Addin: da JMP a R Addin Builder: UN Consente ai programmatori R di ospitare il proprio codice R in un componente aggiuntivo JMP senza scrivere codice JSL. Consentire agli utenti JMP di accedere e modificare le opzioni all'interno del codice R.
- Wiley Paper - Better Together - Estensione di JMP con software Open-Source: In questo documento, esploreremo casi d'uso che illustrano come gli utenti JMP possono trarre vantaggio dall'ampio supporto e dalla rapidità di cambiamento del software open source, pur beneficiando dell'interfaccia semplificata e delle solide funzionalità di JMP.
Informazioni sulla concorrenza (SWOTS)Addestramento
