11 월 19 일 JMP는 기술적으로 말하는 웨비나 인 감시 및 분석을 사용하여 질병 발생 경보 시스템 구축을 제공했습니다. SAS의 Sam Edgemon이 발표 한이 웨비나에서는 Edgemon이 JMP 제어 차트와 증상 데이터베이스를 사용하여 지역 뉴스 네트워크가 발병에 대해보고 할 수 있기 한 달 전에 2010 년 노로 바이러스 발생을 식별 한 방법을 강조합니다.
Edgemon은 COVID-19 증상이 더 널리 퍼진 노스 캐롤라이나 지역을 찾기 위해 주성분 분석을 사용하는 방법에 대해 설명합니다. 그는 혁신적인 통계 기술과 결합 된보다 세분화 된 증상 수준 데이터를 사용하여 오탐을 제한하면서 질병 발생을 더 빨리 식별 할 수있는 잠재력을 보여줍니다. 응급실, 구급차 서비스, 독극물 통제 센터 및 소셜 미디어의 데이터를 사용하여 Sam은 구조화되지 않은 텍스트 데이터를 광범위한 다른 증상 수준 데이터와 결합하여 이전에 숨겨져 있던 발생을 파악하는 방법을 보여주었습니다. 일반적으로 생물학적 감시와 관련이없는 통계 기법을 사용하여 잠재적 인 "핫스팟"을 조기에 식별하는 방법 그리고 이러한 기술을 사용하여 현재 유행병과 다음 유행병 동안에 차이를 만드는 방법에 대해 설명합니다.
JMP 영업 팀이 고객 및 잠재 고객과보다 의미 있고 생산적인 사후 대화에 참여할 수 있도록 다음과 같은 추천 리소스 목록을 만들었습니다.이 목록에 나타나는 모든 자산은 주제, 응용 분야 또는 산업과 관련된 것으로 간주됩니다. , 실적이 좋으며 공유하기에 충분히 최근입니다. 리소스를 구분하는 데 도움이되도록 짧은 요약, 몇 마디의 해설 및 "최고 중 최고"를 식별하는 별 4 개 시스템도 포함되어 있습니다.이 이벤트와 관련된 추천에 대해 궁금한 점이 있으면 언제든지 저에게 연락하십시오.
이 Technically Speaking 웨비나는 Sam의 이벤트 내용과 정말 잘 어울립니다. Andrea Coombs는 National Health and Nutrition Examination Surveys의 데이터를 사용하여 말초 동맥 질환 위험에 대한 예측 모델을 구축하는 데 기반한 예제를 안내합니다. 그녀는 다변량 관리도 인 JMP가 특정 질병의 발병 위험 요소를 조사하는 데 어떻게 유용 할 수 있는지 보여줍니다. 위험 요소를 질병 가능성과 연관시키는 능력은 생명을 구할 수있는 예방 조치를 취할 수있는 기회를 제공합니다. 그 과정에서 그녀는 전통적인 물류 모델을 구축하는 방법,보다 현대적인 모델링 접근 방식을 사용하여 대체 모델을 생성하는 방법, 질병 위험 예측을위한 최상의 모델을 결정하기 위해 검증 및 모델 비교 기술을 적용하는 방법을 보여줍니다.
이 잘 참석 한 비 시리즈 웹 세미나는 미국의 COVID 급증에 대응하여 만들어졌습니다. 그것은 좋은 평가를 받았으며 모든 조치에서 우리의 가장 강력한 자산 중 하나입니다. Byron Wingerd는 Johns Hopkins University 데이터를 사용하여 JMP로 데이터를 준비하고 정리하는 방법을 보여줍니다. 변환 및 광고 기능을 기존 데이터 세트로 형성하는 방법 통합지도를 작성하는 방법과 발견 한 내용을 다른 사람에게 효과적으로 전달하는 방법. 매우 관련성이 높고 적절한 방식으로 작동중인 JMP를 보여줍니다.
삼 별 JMP Pro를 사용하여 예측 모델 구축 및 비교, JMP 웨비나 마스터하기
이 마스터 링 JMP 비디오에서는 모델 유형과 기술에 대해 설명합니다. 테스트, 교육 및 검증 데이터의 역할 모델을 비교하는 방법. 질병 및 인구 통계 학적 데이터를 사용하여 질병 위험을 예측하기 위해 모델을 구축, 검증 및 비교하는 방법을 보여주기 때문에이 웨비나와 관련이 있습니다. JMP Pro 사용. Generalized and Penalized Logistic Regression, Bootstrap Forest, Boosted Tree 및 모델 비교에 대한 섹션을 포함합니다.
별 3 개 텍스트 탐색을 통해 구조화되지 않은 데이터 처리 , 기술적으로 말하기
비정형 데이터는 Edgemon 웨비나의 초점이었습니다. 이 Technically Speaking 웨비나는 JMP를 사용하여 비정형 데이터를 분석하는 효율적인 방법에 대해 설명합니다. 참석자는 JMP에서 사용할 수있는 새로운 고급 텍스트 탐색 기능을 학습하여 텍스트 기반 데이터에서 신속하게 통찰력을 추출 할 수 있습니다. 웨비나는 또한 단어 사용과 원산지 문서 간의 연결, 단어 클라우드가 주어진 비정형 데이터 세트의 일반적인 주제를 명확하게하는 방식으로 단어 빈도를 시각화하는 데 어떻게 도움이되는지, 그리고 클러스터링 문서 보고서를 생성하는 방법을 탐구합니다.
완벽한 일치는 아니지만 Sam의 이야기의 많은 주제를 다룹니다. 이 웨비나는 JMP Text Explorer를 사용하여 구조화되지 않은 텍스트를 분석하는 방법을 보여줍니다. 유사한 용어를 대화식으로 통합하고, 용어를 다시 코딩하고, 텍스트 데이터의 기본 패턴을 이해하고, 분석에 데이터를 포함하는 방법을 배우게됩니다. 웨비나는 용어 및 구문 목록, 단어 구름 및 요약 수를 사용하여 키워드 및 구문을 식별하는 방법을 다룹니다. 문맥에서 용어 또는 구문 검토 대화 형 형태소 분석; 줄기 보고서 및 줄기 예외 해석 정규식을 레코딩하고 구문 분석합니다.
