人工智能 (AI) 和機器學習 (ML) 是常見但經常被誤解的術語。 JMP 試圖在我們最新的統計演講活動中使這些概念更加清晰，揭開機器學習和人工智能的神秘面紗. 主題演講 David Hand（倫敦帝國學院）和小組成員 Diana Ballard（布魯爾科學）； Jason Brinkley (Abt Associates) 和 Jim Georges (SAS) 討論瞭如何使用 ML 技術更有效地開始和建模。 他們還分享了尖端組織如何更快地解決問題並更有效地推動創新，以及使用此類先進技術的好處。
為了幫助 JMP 銷售團隊與客戶和潛在客戶進行更有意義和更有成效的會後對話，我們創建了以下推薦資源列表，以便在活動結束後與註冊人進行定位。 此列表從我們的網站中提取適當的資產，包括白皮書、網絡研討會、客戶案例、博客等。
如果您對與本次活動相關的建議有任何疑問，請隨時聯繫 Larry LaRusso。
銷售隊伍活動鏈接（按需）在此處找到
11 月 4 日，揭開機器學習和 AI 推薦的神秘面紗
充分利用機器學習的專家指導, 統計發言事件
包括 Dick DeVeaux 主題演講，機器學習的七大罪. 與 Dick、Russ Wolfinger 和 Julia O'Neill 的精彩小組演講
用機器學習解決科學和工程問題, 統計發言事件
非常強大的資源。 歐洲演講者，但對深度學習、人工智能和強大/引人入勝的小組進行了深入討論（主題演講）。
什麼是機器學習（JMP 可以做到）， JMP博客
1英石Elizabeth Claassen 博客系列的一部分。 關於機器學習概念的良好介紹性討論，並概述了 JMP 可以執行的所有不同機器學習算法。 提倡免費試用。
應用機器學習：我會在生日那天在游泳池裡打敗我的丈夫嗎？JMP博客
2 nd Elizabeth Claassen 博客系列的一部分。 使用一個有趣的機器學習算法示例。 就像這個博客建立的聯繫一樣。 認為它在使我們的專家和我們的業務人性化方面做得很好。
暗數據, 書章
儘管主題並不完美，但這本書的章節來自 David Hand，他為本次活動提供了主題演講。 Dark Data 是 Hand 的最新書。 （大衛是本次網絡研討會的主講人）本章討論了缺失數據或未知數據及其對分析的影響。 在此過程中，Hand 討論了數據現象，例如 p-hacking、虛假測量錯誤和錯誤發現率，以及“HARKing”。
數據挖掘和預測建模, JMP 教程
本 JMP 教程包括一個製造案例研究，並包括使用 Graph Builder 和 Prediction Profiler 以及 JMP Pro 的多種技術的演示。 討論與機器學習和 AI 相關的主題，包括回歸、Bootstrap Forest 和 Boosted Trees（決策樹）以及神經網絡。
推動機器學習從理論到實踐, 客戶成功案例
雖然來自學術界，但這個故事展示了成均館大學的教師和學生如何使用 JMP 部署機器學習應用程序，以代表行業客戶節省大量成本和時間。 在一個案例中，該團隊的努力為韓國卓越的鋼鐵製造商 POSCO 每條生產線每年節省了數十萬美元。 Lee Jong-Seok 教授表示，通過使用 JMP 作為編碼密集型 R 或 Python 的替代方案，該團隊在一周內完成了原本需要一個月才能完成的工作。
機器學習推動高科技製造創新, 客戶成功案例
這個故事來自半導體行業。 該故事記錄了 SK 海力士公司如何使用 JMP 創建機器學習算法，以加快製造過程中數據的使用。 他們還分享了他們如何標準化 JMP 的使用以提高可能影響整個組織的效率。
國防社區的關鍵任務高級統計, 從統計上講
儘管此活動特定於國防工業，但它確實涵蓋了適用於各個行業的概念，並提供了對 AI 的基本理解。 在主題演講中，勞拉·弗里曼 (Laura Freeman) 討論了他們如何使用統計思維來使用機器學習和人工智能，以幫助國防部完成關鍵任務、提高員工技能並確保成功。
面向任務的分析：情報界的新方法, 分析說
行業聯繫，NCSU 的 Alyson Wilson 致力於將分析更多地引入情報界，以影響外交政策和國家安全。 也很好地討論了機器學習和 AI 之間的差異。 2020 年 32 次觀看，不流行。
面向製造商的智能機器學習, 白皮書
不是完美匹配，因為它是製造示例，而是圍繞將機器學習與統計學家知識（人和機器）相結合的有趣討論。
這些會議還包括關於基於樹的模型和神經網絡的討論：
理解和應用基於樹的方法進行預測篩选和建模, 掌握 JMP 網絡研討會
使用神經網絡模型發現和預測模式, 掌握 JMP 網絡研討會
值得指出的是，鑑於 David Hand 全體會議的先進性，可能會有更多機會為報名參加本次活動的人提供 JMP Pro 定位。
