322050_it-IT

liliconcom

R / Addestramento Python

12.8.2020 Sessione di formazione R/Python

Presentatore: Ben Francesco

Guarda la registrazione | rivista

 

 

Punti chiave

• "Vuoi che i tuoi dipendenti 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 programmano 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 rispetto alle soluzioni open source. JMP offre affidabilità e sicurezza.
• R e Python sono concorrenti per tutti i nostri prodotti (JMP, JMP, Clinical, JMP Live...)

 

Cos'è il software open source?

Il termine fonte aperta 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
• Quelle che vogliono essere trendy
• Quelli con iniziativa
• Spesso non gestionale
• Non modellatori basati sui dati
• Non in aree altamente regolamentate
• 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 pro di R/Python?

• È uno strumento gratuito di data science 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 di frequente dagli utenti.
• La qualità dell'output può essere molto elevata.
• Interfaccia diretta 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 rivolta al software piuttosto che alle 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.
• "Torta nel cielo" pensando.
• 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 profonde e tecniche o usare tu stesso parole d'ordine.
• Non fare funzioni e caratteristiche, l'open source vince praticamente ogni volta.
• Evita di restringere l'attenzione del cliente su un solo prodotto JMP.

Per l'acquirente utente:

• Domande qualificanti:
  • Quali aspetti del tuo lavoro attuale sono impegnativi?
  • Vorresti avere più tempo per l'analisi dei dati sull'innovazione?
  • Cosa vorresti poter migliorare dei tuoi attuali script/applicazioni?
  • Fai parte di un team di supporto tecnico centrale? In tal caso, come fornite supporto?

Per l'Acquirente Tecnico:

• Allontanati dalla mentalità del gatekeeper verso l'abilitazione.
• Sii chiaro sul qualità e garanzie numeriche di JMP.
• Domande qualificanti:
  • Quanti all'interno della tua 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 grande è, più doloroso lo fanno arrivare.
• Incoraggiali a considerare che l'open source potrebbe richiedere un livello più elevato di formazione (e quindi di costi).
• Domande qualificanti:
  • Dove vuoi essere tra un anno? Qual è la tua strategia?
  • Come scalerai la loro analisi dei dati?

 

Quando e come posizionare JMP con R/Python?

JMP è un pacchetto software autonomo e completo per la visualizzazione dei dati e l'analisi statistica di SAS per desktop Windows e Mac. JMP ha l'interattività e il collegamento dinamico che rendono l'esplorazione dei dati entusiasmante e approfondita 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 utilizzare software non convalidato come R per l'analisi primaria potrebbe comunque 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 l'esecuzione di codice R o Python come componente aggiuntivo all'interno di JMP, in modo che gli utenti futuri possano interagire con il componente aggiuntivo della GUI senza dover scrivere il codice R o Python stessi.
• Un educatore statistico potrebbe voler introdurre specifici pacchetti open source in classe, ma all'interno di un ambiente point-and-click che non richiederebbe la codifica da parte dello studente.

 

Risorse:

• Padronanza di JMP: integrazione di 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 casi in cui gli utenti potrebbero voler (o aver 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 potenziati con gradiente estremo.Include l'esportazione di profilatura di JMP Scripting Language (JSL) e codice Python per la riproducibilità.
• Componente aggiuntivo: da JMP a R addin Builder: UN Consente ai codificatori R di ospitare il proprio codice R in un componente aggiuntivo JMP senza scrivere codice JSL. Consentire agli utenti di 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 i casi d'uso che illustrano come gli utenti di JMP possono trarre vantaggio dall'ampio supporto e dal rapido ritmo di cambiamento del software open-source pur continuando a beneficiare dell'interfaccia semplificata e delle robuste funzionalità di JMP.
• Anche JMP può essere lucido: Americas 2021 Discovery Paper che parla di t La funzionalità dashboard in JMP è uno strumento fantastico che può fungere da buona alternativa a R Shiny. Rispetto a R Shiny, i dashboard JMP sono più facili e veloci da creare e possono far risparmiare molto tempo nello sviluppo delle app. In questo poster, parlo di come i dashboard di JMP possono essere uno strumento per:
  • Condividere l'entusiasmo della scoperta dei dati con gli altri.
  • Personalizzare la presentazione della grafica.
  • Creazione di uno storyboard visivo per trasmettere informazioni.

   

Informazioni sui concorrenti (SWOTS)FormazioneOggetto: R / Addestramento Python

Grazie per la condivisione @martindemel ! Sembra un bel caso d'uso. Sai se usano il codice Python principalmente perché è fornito da JMP o se richiede molte modifiche? Inoltre, sai quali modelli stanno usando?

Oggetto: R / Addestramento Python

@mia_stephens Alcuni anni fa ho avuto un accordo Pro presso Osram, dove hanno utilizzato JMP Pro per creare un modello che possono utilizzare nella loro applicazione Web generata da Python. L'obiettivo era quello di avere una stima migliore della durata di un progetto, includendo tutte le diverse fasi del progetto a seconda delle risorse (persone), della classe di innovazione (nuovo prodotto, costruito su precedente, ...) e del carico di lavoro attuale (e qualche altro fattori). Quindi tutti insieme un modello di pianificazione del progetto. Poiché la webapp è stata creata in Python, hanno trovato un buon modello decente wuite facile in JMP e hanno utilizzato il deposito 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 tempistiche del progetto passato e si adattano se necessario. Non ho avuto loro notizie da un po' di tempo, ma penso che sia ancora in uso produttivo.

Oggetto: R / Addestramento Python

@malcolm_moore1 @nascif_jmp

Quali domande possiamo porre per identificare se qualcuno è un apricancello o un custode?

 

Il mio pensiero principale sarebbe sulla falsariga di

- Come includi le competenze del dominio nell'analisi dei dati? Perché questo è importante?

- Lavorare con un team su una sfida di analisi dei dati porta al successo o al fallimento?

Oggetto: R / Addestramento Python

@malcolm_moore1 mentre l'alfabetizzazione dei dati è una questione importante, penso che sia ortogonale alla domanda specifica che Mia ha appena posto. Semmai, gli esperti che consentono l'implementazione dei modelli JMP in produzione per generare valore aziendale non sono guardiani, ma apricancelli.
Se il problema che l'azienda sta cercando di risolvere richiede la creazione di un sito Web per fornire valori previsti o un processo di monitoraggio end-to-end automatizzato in una fabbrica, deve esserci 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 semplifichiamo la distribuzione dei modelli negli ambienti di produzione così come abbiamo semplificato 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 thread in modo produttivo.

 

@mia_stephens ecco alcune delle persone con cui ho parlato nel corso degli anni riguardo alla generazione del codice di punteggio Python da parte del Formula Depot, in nessun ordine particolare.

• Ping Liu - Analisi avanzata presso Bain & Company
• Matthew Flynn - Scienza dell'AIG
• Philip O'Leary - Membro del gruppo direttivo presso l'Università della Finlandia orientale
• Bradford Foulkes - General Electric
• Thomas Slezak - Brigham Young University
• Burak Bagdatli - Georgia Tech
• Gul Ege, David Duling - SAS (ESP)
• Lucy Luo - Conoco Philips

Oggetto: R / Addestramento Python

Un ulteriore aspetto da considerare potrebbe essere altri aspetti del flusso di lavoro di analisi dei dati: la necessità di prestare attenzione alle potenziali limitazioni dei nostri dati e alla necessità di sfidare i nostri dati e modelli utilizzando la conoscenza dell'oggetto. Riconoscere che i nostri processi sono raramente in uno stato stazionario, o in altre parole: l'apprendimento dai dati è un processo continuo che viene svolto 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 l'analisi dei dati su larga scala abilitando gli esperti in materia per quanto riguarda l'alfabetizzazione dei dati e l'analisi dei dati piuttosto che ridimensionare l'analisi dei dati trasferendo la conoscenza dell'argomento al nostro pochi esperti di analisi dei dati.

 

Se gli esperti di analisi dei dati sono attualmente i guardiani del flusso di lavoro analitico, potremmo dover cercare di avere questa conversazione con altri influenzatori dell'acquisto.

 

Altri aspetti delle argomentazioni sull'alfabetizzazione dei dati sono in Dark Data di David Hand, vedi il suo discorso 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

Oggetto: R / Addestramento Python

Ciao 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!

Oggetto: R / Addestramento Python

Grande discussione qui! Curioso dell'uso di Formula Depot per generare codice Python. Qualcuno ha nominato i clienti che utilizzano questa funzionalità ed esempi che puoi condividere?

Oggetto: R / Addestramento Python

Potrebbe 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

 

Oggetto: R / Addestramento Python

Questa è una discussione brillante, grande avanti e indietro.

Oggetto: R / Addestramento Python

Risorse molto utili @mzwald e @nascif_jmp , sicuramente aiuta ad ampliare la pagina. di cui ho parlato @ruthhummel , @MJ e @nascif_jmp lavorare come 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) nell'azienda che poteva farlo. Una goccia nell'oceano rispetto ai 5000 (principalmente scienziati e ingegneri) in R&S in tutto il mondo. JMP mi ha permesso di lavorare/collaborare con quei 5000 piuttosto che come servizio per loro, R/Python no. T L'attenzione dovrebbe sempre essere rivolta all'identificazione delle sfide della situazione attuale e all'abilitazione verso una visione (completamente o in parte con i prodotti JMP).

 

Ad essere onesti, ho faticato a 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 parlarne quando pertinenti.

 

Oggetto: R / Addestramento Python

"Sinergia è un'interazione o cooperazione che dà origine a un tutto che è più grande di il semplice somma del proprio parti ."

Oggetto: R / Addestramento Python

@nascif_jmp e @MJ e ho scritto un documento che mostra più dettagli su come utilizzare l'opensource con JMP, sottolineando l'idea di usarli insieme piuttosto che sostituirli l'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 della rivista, ma non appena la nostra richiesta di renderla OpenAccess verrà accettata, questo collegamento dovrebbe consentire a te (oa un cliente a cui invii questo collegamento) di visualizzare l'intero documento gratuitamente.

 

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 creato 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: Predittore dei prezzi di quotazione di JMP Pro Adattamento del modello e generazione del codice Python:

 

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

 

Filmato 2: Deployment finale del modello 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, integrato in un componente aggiuntivo di 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, rispetto all'utente del componente aggiuntivo). Il filmato 3 mostra come utilizzare il componente aggiuntivo. Il filmato 4 mostra come JMP offra funzionalità che sono molto difficili in R e R abbia 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 di incorporamento sul set di dati MNIST:

https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214686689001

 

Filmato 4: esplorazione dei risultati t-SNE con etichettatura delle immagini in JMP:

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

Oggetto: R / Addestramento Python

@saradoudt che cosa @mzwald disse. Sono sorpreso che @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 Discovery su Formula Depot in quanto contengono esempi di come distribuire il codice di punteggio Python che potrebbe essere utile quando si sostiene l'utilizzo di JMP in un negozio Python.

* Punteggio fuori dagli schemi - Comunità di utenti JMP

* Condividere l'ultimo vantaggio: un viaggio dalla modellazione al punteggio - Community di utenti di JMP

 

Inoltre, penso che la visione dell'Open Source qui descritta manchi il punto di ciò che stiamo andando contro:

" Il termine fonte aperta 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."

 

Nello spazio della scienza dei dati, "persone" e "chiunque" includono grandi aziende come Google ( TensorFlow ) e IBM ( Scintilla ). Essi pagare sviluppatori di 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 star certo che pagano anche i tester. Così la vecchio SAS FUD 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 pacchetti open source piccoli e mal mantenuti là fuori; ma gli scienziati e gli ingegneri che stiamo cercando sono abbastanza esperti da sapere quali scegliere e quali evitare. Dovremmo essere esperti quanto loro durante questa conversazione.

Oggetto: R / Addestramento Python

@mzwald Grazie per i commenti aggiunti. Mi piace sempre ascoltare esperienze diverse!

Oggetto: R / Addestramento Python

Alcuni pensieri sulla mia esperienza nel posizionare JMP contro R/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 o/o.Se fai la scelta "usa JMP Pro piuttosto che Python", non sarà efficace poiché Python ha troppa inerzia e infrastruttura dietro di sé, specialmente per la modellazione predittiva (es. Libreria TensorFlow).Ma se posizioni JMP Pro come uno 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 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.