R / Python培训12.8.2020 R/Python 培训课程
主持人：本·弗朗西斯
观看录音|杂志
关键要点
- “你想让你的员工成为编码员，还是让他们成为解决问题的人？”SME 通常不是 R 或 Python 编码器。
- JMP 可以被视为对 R/Python 编码人员的威胁。 从看门人（R/Python 用户）转向支持（我想保住我的工作，因此 R 和 Python 需要留下来）
- 软件成本与人员/时间成本
- 软件开发中最关键的质量问题之一，尤其是分析软件，是结果的准确性和可靠性。质量声明与开源解决方案。 JMP 提供信任和安全。
- R 和 Python 是我们所有产品（JMP、JMP、Clinical、JMP Live...）的竞争对手
什么是开源软件？
期限开源指的是人们可以修改和共享的东西，因为它的设计是公开的。开源软件是任何人都可以检查、修改和增强源代码的软件。
谁使用 R/Python？
- 任何公司
- 角色：数据科学家、统计学家、高级生物学家、化学家、技术专家
- 想要时髦的人
- 有进取心的人
- 经常不管理
- 不是数据驱动的建模者
- 不在高度管制的地区
- 什么是开源？ 这对用户意味着什么？ 成本、访问、支持等？
- R/Python 与 JMP JSL 的学习曲线？ 动作记录器。
R/Python 的优点是什么？
- 它是一个所有人都可以使用的免费数据科学工具。
- 成熟而广泛的市场“伙伴”。
- Stack overflow 等站点为 R/Python 社区提供了很大的帮助。
- 用户经常添加的新尖端功能/特性。
- 输出质量可以非常高。
- 与其他编程语言（C、C++、Java）的直接接口。
- 如果一家公司一直在做数据科学，他们很可能会有 R/Python 脚本的材料。
- 可以基于云。
- 拥有 Python 编程知识可以成为科学家/工程师的差异化因素。
R/Python 的缺点是什么？
- 重点是软件而不是使用软件的人。
- 此外，该软件可以被视为解决混乱/缺乏/不存在数据的灵丹妙药。
- 代码优先方法，通常需要多个“编码器”。
- “天上掉馅饼”的思想。
- 安全选项差，没有/很少有质量和准确性保证（JMP 的质量声明）
如何定位 JMP 与 R/Python：
一般建议：
- 他们试图解决的实际问题是什么？ 远离“橱窗”购物者。
- 不要自己进行深入的技术深入对话或使用流行语。
- 不做功能和特性，开源几乎每次都赢。
- 避免将客户的注意力集中在任何一种 JMP 产品上。
对于用户买家：
- 资格问题：
- 您当前工作的哪些方面具有挑战性？
- 您是否希望有更多时间进行创新数据分析？
- 您希望对当前的脚本/应用程序进行哪些改进？
- 您是中央技术支持团队的一员吗？ 如果是这样，您如何提供支持？
对于技术买家：
- 摆脱守门人的心态，努力实现。
- 清楚质量和数量保证的 JMP。
- 资格问题：
- 您的组织中有多少人参与知识/流程开发？
- 定期更新数值精度和质量保证的软件对您来说重要吗？
对于经济买家：
- 听出宏伟的愿景。 它越大，他们就越痛苦。
- 鼓励他们考虑开源可能需要更高水平的培训（因此需要更高的成本）。
- 资格问题：
- 一年后你想去哪里？ 你的策略是什么？
- 您打算如何扩展他们的数据分析？
何时以及如何将 JMP 与 R/Python 结合使用？
JMP 是 SAS 的一个独立的、全功能的数据可视化和统计分析软件包，适用于 Windows 和 Mac 桌面。 JMP 具有使数据探索令人兴奋和富有洞察力的交互性和动态链接，并包含许多高级分析选项，充分满足数据探索者和分析师的需求。 不过，在某些情况下，您可能希望（或需要）将 JMP 与开源工具（如 Python 或 R）结合使用。 考虑以下示例：
- 禁止使用 R 等未经验证的软件进行主要分析的企业统计人员可能仍然希望在 R 包中与 JMP 中经过验证的方法并排探索新方法。
- Python 或 R 程序员可能希望利用 JMP 中提供的动态链接、高级视觉效果或强大的分析功能。
- 公司的数据分析部门可能想要开发一个 JMP 插件，允许一些 R 或 Python 代码作为插件在 JMP 中运行，这样未来的用户就可以与 GUI 插件交互，而无需编写R 或 Python 代码本身。
- 统计教育工作者可能希望在课堂上介绍特定的开源包，但要在不需要学生编码的点击环境中进行。
资源：
竞争对手信息 (SWOTS)训练回复：R/Python 培训感谢分享@马丁德梅尔！ 这听起来像是一个不错的用例。 您知道他们是否主要使用 JMP 提供的 Python 代码，或者是否需要大量修改？ 另外，你知道他们用的是什么型号吗？
回复：R/Python 培训@mia_stephens几年前，我与 Osram 达成了一笔 Pro 交易，他们使用 JMP Pro 构建了一个模型，可以在他们的 Python 生成的 Web 应用程序中使用。 目标是更好地估计一个项目将持续多长时间，包括所有不同的项目步骤，具体取决于资源（人员）、创新类别（新产品、在以前的基础上……）和当前工作量（以及其他一些因素）。 所以所有的项目规划模型。 由于 webapp 是用 Python 构建的，他们在 JMP 中找到了一个不错的好模型 wuite easy，并使用 formel depot 生成 Python 代码，然后将它们嵌入到应用程序中。 几乎像魅力一样工作。 他们会不时地使用从过去的项目时间表中获取的新数据重新检查模型，并在必要时进行调整。 我有一段时间没有收到他们的回音，但我认为它仍在生产中使用。
回复：R/Python 培训@malcolm_moore1 @nascif_jmp
我们可以问什么问题来确定某人是开门者还是守门者？
我的主要想法是
- 您如何在数据分析中包含领域专业知识？ 为什么这很重要？
- 与团队合作应对数据分析挑战是成功还是失败？
回复：R/Python 培训@malcolm_moore1虽然数据素养是一个重要问题，但我认为它与 Mia 刚刚提出的具体问题无关。 如果说有什么不同的话，那就是让 JMP 模型部署到生产中以产生商业价值的专家不是守门人，而是开门人。
如果企业试图解决的问题需要创建一个网站来提供预测值或在工厂中建立一个自动化的、端到端的监控流程，那么就必须有一种方法将我们的模型从 JMP 中提取出来，并且使它们成为所需流程的一部分。 这不是“谁”的问题，而是“在哪里”和“如何”的问题。
也许有一天，如果我们能够像使用 JMP Live 轻松“部署”报告和仪表板一样轻松地将模型部署到生产环境，我们就会减少分析工作流程中对数据分析专家的需求。 这将是一种以富有成效的方式组合这些线程的有趣方式。
@mia_stephens以下是我多年来就 Formula Depot 生成的 Python 评分代码与我交谈过的一些人，排名不分先后。
- Ping Liu - 贝恩公司的高级分析
- 马修·弗林 - AIG Science
- Philip O'Leary - 东芬兰大学指导小组成员
- 布拉德福德福克斯 - 通用电气
- Thomas Slezak - 杨百翰大学
- Burak Bagdatli - 佐治亚理工学院
- Gul Ege, David Duling - SAS (ESP)
- Lucy Luo - 康菲飞利浦
回复：R/Python 培训要考虑的另一个方面可能是数据分析工作流程的其他方面：需要警惕我们数据的潜在局限性以及使用主题知识挑战我们的数据和模型的需要。 认识到我们的过程很少处于稳定状态，或者换句话说：从数据中学习是一个持续的过程，最好通过将主题知识与数据素养和数据分析知识相结合来更好地完成。 与通过将主题知识转移到我们的团队来扩展数据分析相比，公司更容易通过让主题专家了解数据素养和数据分析来实现大规模数据分析很少数据分析专家。
如果数据分析专家目前是分析工作流程的守门人，那么我们可能需要与其他购买影响者进行对话。
数据素养论点的更多方面在 David Hand 的 Dark Data 中，请参阅他的 Stats Speaking 主题演讲暗数据Ron Kennet 和 Chris Gotwalt 在他们即将发表的 Discovery 论文中也将涵盖一些方面：最大化数据科学的成功
回复：R/Python 培训嗨 Mia，联合利华的 Jerry Winter 使用了此功能。 我没有完整的故事，但我们共同努力找出了尚未从 JMP 转换为 Python 的部分。让我知道任何有帮助的后续步骤！
回复：R/Python 培训这里的讨论很棒！ 对使用 Formula Depot 生成 Python 代码感到好奇。 任何人都使用此功能命名客户，您可以分享示例吗？
回复：R/Python 培训从我们的一些竞争对手（即使是部分竞争对手）如何处理集成（而不是替代）中了解一些背景信息可能会很好
* 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 培训这是一次精彩的讨论，来来回回。
回复：R/Python 培训非常有用的资源@mzwald和@nascif_jmp , 绝对有助于拓宽页面。 我确实提到过@ruthhummel , @MJ和@nascif_jmp作为资源工作，但不想对其进行第二手解释！
FWIW，我的经验是学术界和联合利华的 R/Python 用户。 在联合利华，虽然了解到 JMP 可以与 R/Python 协同作用是一个很棒的工具，但公司中只有少数人（<10 人）可以做到这一点。 与全世界 5000 名（主要是科学家和工程师）的研发人员相比，这只是沧海一粟。 JMP 使我能够与这 5000 人一起工作/协作，而不是作为对他们的服务，而 R/Python 则没有。 吨他的重点应始终围绕识别当前形势的挑战和实现愿景（全面或部分使用 JMP 产品）。
老实说，我一直在努力了解 R/Python 包，无论是在包本身的数字准确性方面还是在我的使用是否有误方面。 在 JMP，我有质量声明和商业 SE 和技术支持。 虽然它们是可自由支配的销售点，但我们不应该羞于在相关时提出这些问题。
回复：R/Python 培训“协同是产生整体的相互作用或合作比...更棒简单的和它的部分”
回复：R/Python 培训@nascif_jmp和@MJ我写了一篇论文，详细介绍了如何将开放源代码与 JMP 结合使用，强调了将它们结合使用而不是相互替换的想法。 该论文可在https://onlinelibrary.wiley.com/doi/abs/10.1002/sta4.336 . 它现在在期刊付费专区下，但一旦我们要求它成为 OpenAccess，这个链接应该允许您（或您将此链接发送给的客户）免费查看完整的论文。
论文中有四个支持短片的链接。 您也可以直接发送这些链接或在演示中使用它们。 前两个视频展示了 Nascif 使用 JMP incorporated 生成的 Python 评分代码构建的 Housing Price 应用程序，该应用程序部署在 AWS 中。 这两个视频展示了 (1) 在 JMP 中构建模型并生成 Python 代码，以及 (2) 在 AWS 中构建的最终应用程序。
影片 1：JMP Pro 上市价格预测模型拟合和 Python 代码生成：
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214684063001
影片 2：JMP Pro 生成的 Python 评分代码在 AWS 上的最终模型部署：
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680112001
最后两个视频展示了 MJ 在 R 中对 t-SNE 和 UMAP 的使用，它们内置于 JMP 插件中，因此用户仅与 JMP 点击对话框进行交互（并且 R 代码在幕后是不可见的，尊重给加载项用户）。 影片 3 展示了如何使用插件。 电影 4 展示了 JMP 如何带来 R 中非常困难的功能，而 R 带来了 JMP 中没有的算法，两个软件系统一起可以做这件很酷的事情。
电影 3。 Embedding插件在MNIST数据集上的应用：
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214686689001
影片 4：在 JMP 中使用图像标记探索 t-SNE 结果：
https://players.brightcove.net/1872491364001/default_default/index.html?videoId=6214680173001
回复：R/Python 培训@saradoudt什么@mzwald说。 我很惊讶@ruthhummel的白皮书被列为资源，但并未作为一种可行的方法进行充分探索，以在不尝试取代 Python/R 的情况下销售 JMP - 两者都有空间，我们可以证明总和大于部分。 此外，您可能希望列出 Formula Depot 上的 Discovery 演示文稿，因为它们提供了有关如何部署 Python 评分代码的示例，这些代码可能有助于在 Python 商店中使用 JMP。
*开箱即用的评分 - JMP 用户社区
*分享终极福利：从建模到评分的旅程 - JMP 用户社区
此外，我认为这里描述的开源愿景遗漏了我们反对的重点：
“期限开源指的是人们可以修改和共享的东西，因为它的设计是公开的。开源软件是任何人都可以检查、修改和增强源代码的软件。”
在数据科学领域，“人”和“任何人”包括像谷歌这样的大公司（张量流) 和 IBM (火花). 他们支付开发人员维护和增强这些框架，因为它们是他们基于云的增长战略的一部分（软件堆栈是免费的，您只需为云使用付费）。 您可以确定他们也向测试人员支付费用。 所以旧SAS FUD你不能像我们一样相信他们的质量的论点不会与知道他们来自哪里的用户一起飞行 - 它甚至可能适得其反。
即使对于像 XGBoost 这样的小包，当你检查列表时贡献者你会看到来自大学的研究人员和来自大公司的开发人员。 这些不是在车库工作的人。 可以肯定的是，那里有一些小的、维护不善的开源包；但是我们要追求的科学家和工程师足够精明，知道应该选择哪些，避免选择哪些。 在进行这次对话时，我们应该像他们一样精明。
回复：R/Python 培训@mzwald感谢您添加的评论。 总是喜欢听到不同的经历！
回复：R/Python 培训关于我将 JMP 与 R/Python 进行对比的一些想法（Python 在 NWT2 地区比 R 更常见）。我们发现最好将 JMP（或者更可能是 JMP Pro，如果他们使用 Python）定位为 Python 的免费工具，而不是将其作为非此即彼的决定。如果您选择“使用 JMP Pro 而不是 Python”，它将不会有效，因为 Python 背后有太多惯性和基础设施，尤其是对于预测建模（例如 TensorFlow 库）。但是，如果您将 JMP Pro 定位为 Python 的免费工具，可以在 JMP Pro 中更快地对数据模型进行原型设计和比较，然后将其部署为 Python 评分代码，这是一个更有说服力的理由，并且已经成功地获得了大量 JMP Pro 销售，即使在 Python 仍然被大量使用的地方。
