11月19日、JMPは、技術的に話すウェビナー、監視と分析を使用した疾病発生警報システムの構築を提供しました。 SASのSamEdgemonによって提示されたウェビナーでは、地域のニュースネットワークが発生について報告できるようになる1か月前に、EdgemonがJMP管理図と症状データベースを使用して2010年のノロウイルスの発生を特定した方法に焦点を当てています。
Edgemonは、主成分分析を使用して、COVID-19症状がより蔓延しているノースカロライナ州の地域を見つける方法について説明します。 彼は、革新的な統計手法と組み合わせたより詳細な症状レベルのデータの使用が、誤検出を制限しながら、病気の発生をより迅速に特定する可能性があることを示しています。 サムは、救急部門、救急車サービス、毒物管理センター、ソーシャルメディアからのデータを使用して、非構造化テキストデータを他のさまざまな症状レベルのデータと組み合わせて、以前に隠されていた発生を特定する方法を示しました。通常は生物学的監視に関連しない統計的手法を使用して、潜在的な「ホットスポット」を早期に特定する方法。そして、これらの技術をどのように使用して、現在のパンデミックと次のパンデミックの間に違いを生み出すことができるか。
JMPセールスチームが顧客や見込み客とより有意義で生産的なイベント後の会話を行えるように、次の推奨リソースのリストを作成しました。このリストに表示されるアセットは、トピック、アプリケーション領域、または業界に関連していると見なされます。 、パフォーマンスが高く、共有できるほど最近のものです。 リソースを区別しやすくするために、短い要約、いくつかの解説、および「最高の最高」を識別するための4つ星システムも含まれています。このイベントに関する推奨事項についてご不明な点がございましたら、お気軽にお問い合わせください。
この技術的に話すウェビナーは、サムのイベントの内容と非常によく一致しています。 Andrea Coombsは、National Health and Nutrition Examination Surveysのデータを使用して、末梢動脈疾患のリスクの予測モデルを構築することに基づいた例を紹介します。 彼女は、多変量管理図であるJMPが、特定の病気を発症する危険因子を調べるのにどのように役立つかを示しています。危険因子を病気の可能性と関連付ける機能は、命を救うことができる予防措置を講じる機会を提供します。 その過程で、彼女はまた、従来のロジスティックモデルを構築する方法、より現代的なモデリングアプローチを使用して代替モデルを作成する方法、および検証とモデル比較手法を適用して疾患リスク予測に最適なモデルを決定する方法を示します。
この参加者の多い非シリーズのウェビナーは、米国でのCOVIDの初期の急増に対応して作成されました。 それは素晴らしいレビューを受け、あらゆる点で私たちの最強の資産の1つであり続けています。 Byron Wingerdは、ジョンズホプキンス大学のデータを使用して、JMPでデータを準備およびクリーンアップすることを示しています。既存のデータセットに変換および広告機能を形成する方法。統合マップを作成する方法と、調査結果を他の人に効果的に伝える方法。 非常に関連性が高く、関連性のある方法でJMPの動作を示します。
3出演者JMP Proを使用した予測モデルの構築と比較、 JMPウェビナーをマスターする
このマスタリングJMPビデオでは、モデルの種類と手法について説明しています。テスト、トレーニング、検証データの役割。モデルを比較する方法。 病気と人口統計データを使用して病気のリスクを予測するモデルを構築、検証、比較する方法を示しているため、このウェビナーに関連しています。 JMPProを使用します。 一般化およびペナルティ付きロジスティック回帰、ブートストラップフォレスト、ブーストツリー、およびモデルの比較に関するセクションが含まれています。
3つ星テキスト探索による非構造化データへの取り組み、技術的に言えば
非構造化データは、Edgemonのウェビナーの焦点でした。 この技術的に話すウェビナーでは、JMPを使用して非構造化データを分析する効率的な方法について説明します。 参加者は、テキストベースのデータから洞察をすばやく抽出できる、JMPで利用可能な新しい高度なテキスト探索機能を学習します。 ウェビナーでは、単語の使用法と原産地のドキュメントとの関連性、特定の非構造化データセットの一般的なテーマを明確にする方法で単語の頻度を視覚化する方法、およびクラスタリングドキュメントレポートを生成する方法についても説明します。
完全に一致するわけではありませんが、サムの話の多くのトピックをカバーしています。 このウェビナーは、JMPテキストエクスプローラーを使用して非構造化テキストを分析する方法を示しています。 同様の用語をインタラクティブに統合し、用語を再コード化し、テキストデータの基礎となるパターンを理解し、分析にデータを含める方法を学習します。 ウェビナーでは、用語とフレーズのリスト、単語の雲、要約数を使用してキーワードとフレーズを特定します。文脈の中で用語やフレーズを確認する。インタラクティブにステミング;ステムレポートとステム例外の解釈。正規表現の再コーディングと解析。
