Lautsprecher | Abschrift |
| Also alle willkommen. Ich heiße |
| 00 | 07.933 |
| 3 |
| Botschafter bei JMP. Ich bin jetzt ein |
| emeritierter Wirtschaftsprofessor |
| 00 | 30.566 |
| 7 |
| zwischen einem Schüler und a |
| Professor, der an einem Projekt arbeitet. |
| 00 | 49.700 |
| 11 |
| 12 |
| Studenten in die Statistik einbeziehen |
| Argumentation, lehre das |
| 00 | 12.433 |
| 16 |
| dazu ist aktuelles Denken |
| die Schüler lernen sollten |
| über reproduzierbare Arbeitsabläufe, |
| 00 | 36.266 |
| 21 |
| elementare Datenverwaltung. Und, |
| wieder Anzeigen von Statistiken als |
| 00 | 58.800 |
| 25 |
| 26 |
| wollte mich Ihnen heute anschließen |
| virtueller Anruf. Danke, dass du es hast |
| 00 | 20.600 |
| 30 |
| und speziell in Manhattan, |
| und du hattest uns darum gebeten |
| 00 | 36.433 |
| 34 |
| Und wir haben uns für Airbnb entschieden |
| Mieterperspektive. Also sind wir |
| 00 | 51.733 |
| 38 |
| teuer. |
| Also wir |
| begann mit dem Ausfüllen ... Sie gaben uns |
| 00 | 09.166 |
| 43 |
| 44 |
| getrennte Ausgabe, von Ihrer Hauptausgabe |
| Fokus auf der Suche nach einem Platz in |
| 00 | 36.066 |
| 49 |
| du bekommst ... wenn du durchkommst |
| ersten drei Fragen, Sie haben |
| 00 | 54.100 |
| 53 |
| wissen, gibt es einen Teil von |
| Manhattan, interessiert Sie? |
| 00 | 11.133 |
| 58 |
| Repository, an das Sie uns gesendet haben. |
| Und wir haben das wirklich heruntergeladen |
| 00 | 26.433 |
| 32.866 |
| 63 |
| Sache, die wir fanden, gab es wie |
| vier Spalten in diesem Datensatz |
| 00 | 46.766 |
| 67 |
| herausgefunden, das war es also |
| eine, die Host-Nachbarschaft. So |
| 00 | 58.100 |
| 71 |
| 72 |
| herausgefunden, dass die ersten beiden |
| haben nur Tonnen von kleinen winzigen |
| 00 | 13.300 |
| 76 |
| Manhattan. Also haben wir ausgewählt |
| Manhattan. Und dann, als wir hatten |
| 00 | 29.700 |
| 80 |
| das und dann haben wir das bekommen |
| unsere Manhattan-Angebote. So |
| 00 | 44.033 |
| 84 |
| Daten sind, dass Sie auf diese stoßen |
| Fragen wie warum gibt es vier |
| 00 | 03.300 |
| 88 |
| Ich werde es auf Manhattan beschränken |
| Geh zurück und räume etwas auf |
| 00 | 18.033 |
| 92 |
| Daten werden alles beschreiben, was wir |
| tat, um die Daten zu bekommen, werden wir reden |
| 00 | 28.400 |
| 33.200 |
| 97 |
| weiß, ich soll kombinieren |
| sie basierend auf zip, der Postleitzahl, |
| 00 | 47.166 |
| 101 |
| 102 |
| 107 Spalten, |
| es ist nur schwer zu finden |
| 00 | 09.366 |
| 106 |
| sie, also wussten wir, dass wir putzen mussten |
| das auf. Okay, hatten wir auch |
| 00 | 27.366 |
| 111 |
| Notizbuch. Um zu |
| Bereinigen Sie dies, wir verwenden den Recode |
| 00 | 45.500 |
| 115 |
| Exakt. Kühl. |
| Okay, also haben wir die Aufräumarbeiten durchgeführt |
| 00 | 02.200 |
| 119 |
| Die Steuerdaten von Manhattan haben diese Postleitzahl |
| Code. Also ich habe diese Postleitzahl |
| 00 | 19.300 |
| 123 |
| Unterrichtstag, als wir uns unterhielten |
| um |
| Datentypen. Und beachten Sie in der |
| 00 | 42.300 |
| 128 |
| die ... analysieren die Verteilung von |
| diese Spalte, es wird einen lustig machen |
| 00 | 03.200 |
| 133 |
| Manhattan sagt es nicht wirklich |
| du eine Sache. |
| Aber die Postleitzahl bereinigt die Daten |
| 00 | 18.466 |
| 23.266 |
| 139 |
| nur ein Label, eine Kennung und |
| Mehr zum Punkt, |
| wenn Sie beitreten oder fusionieren möchten |
| 00 | 41.833 |
| 48.766 |
| 145 |
| wichtig. Es ist nicht nur ein |
| abstrakte Idee. Sie können nicht zusammenführen |
| 00 | 03.166 |
| 11.266 |
| 150 |
| nominal war der Modellierungstyp, |
| wir haben uns nur vergewissert. |
| 00 | 26.200 |
| 31.033 |
| 155 |
| über die Haupttabelle ist die |
| Auflistungen. ich möchte behalten |
| 00 | 45.533 |
| 159 |
| um es mit der Manhattan-Steuer zu kombinieren |
| Daten. |
| Ja. Dann was? Dann müssen wir |
| 00 | 03.266 |
| 164 |
| Sag ihm, dass die Spalte angerufen hat |
| Reißverschluss sauber, |
| Postleitzahl sauber... |
| Fast. Na, bitte. |
| Und die Spalte namens zip, die |
| 00 | 33.200 |
| 171 |
| 172 |
| Airbnb-Eintrag |
| und kombiniere es mit irgendetwas in |
| 00 | 57.033 |
| 177 |
| 178 |
| sie in der Tabelle jede Zeile, ob |
| es passt mit dem anderen oder |
| 00 | 13.233 |
| 182 |
| Haupttisch, und dann nur noch das Zeug |
| das überschneidet sich von der zweiten |
| 00 | 29.600 |
| 186 |
| ein anderer Name wie Air BnB IRS |
| oder so? Ja, es ist viel |
| 00 | 50.966 |
| 190 |
| mach noch was |
| weil mir aufgefallen ist, dass diese nur sind |
| Datentabellen verstreut |
| 00 | 06.666 |
| 195 |
| laufend. Okay. Also werde ich mir das sparen |
| Datentabelle. Was jetzt? |
| Und das sind wirklich die Daten |
| 00 | 19.833 |
| 22.033 |
| 26.266 |
| 35.466 |
| 203 |
| irgendetwas anderes, bevor wir verlieren |
| verfolgen, wo wir sind, lassen Sie uns |
| 00 | 49.733 |
| 58.800 |
| 01.833 |
| 209 |
| oder Oak Team? |
| Und dann |
| Teil der Projektidee |
| 00 | 23.700 |
| 214 |
| Ding. Also wenn du |
| schnappen, würde ich sagen, nimm die |
| 00 | 50.100 |
| 218 |
| 219 |
| 220 |
| zwei Originaldatensätze, und dann |
| meine letzte zusammengeführt. Okay jetzt |
| 00 | 16.200 |
| 225 |
| sie als Registerkarten. |
| Und während Sie Diagramme generieren und |
| 00 | 36.566 |
| 229 |
| 230 |
| 231 |
| auch wenn ich es in diesen habe |
| Registerkarten. Okay, das ist wirklich cool. |
| 00 | 58.833 |
| 02.500 |
| 236 |
| Richtig, geh Oak Team. |
| Guten Tag, Dr. Carver, vielen Dank |
| 00 | 19.233 |
| 240 |
| Sie würden nur einen Blick auf einige von ihnen werfen |
| diese Dinge, und lassen Sie mich wissen, wenn |
| 00 | 32.300 |
| 244 |
| Wir haben uns den Graph Builder angesehen |
| der Preis pro Quartier. Und |
| 00 | 45.400 |
| 248 |
| helfen, es ein wenig einfacher zu sein |
| zwischen ihnen vergleichen. Also sind wir nett |
| 00 | 01.000 |
| 252 |
| viel Erfahrung mit haben |
| New York City. Also planten wir |
| 00 | 18.166 |
| 256 |
| vor der UN stehen und |
| mach mal ein bild mit allen |
| 00 | 31.733 |
| 260 |
| Sprichwort im Gramercy Park oder |
| Murray Hill. |
| Wenn wir auf die zurückblicken |
| 00 | 46.566 |
| 265 |
| dachte, wir sollten unsere erweitern |
| Suche über diese Nachbarschaft hinaus |
| 00 | 58.766 |
| 269 |
| 270 |
| nur gezeichnet, was die Durchschnitte |
| waren für die Nachbarschaften aber |
| 00 | 14.533 |
| 274 |
| die Modellierung, und die zu modellieren |
| Vorhersage. Also, wenn wir setzen könnten |
| 00 | 30.766 |
| 279 |
| erwarteter Preis. Wir fingen an |
| ein Modell bauen und was wir haben |
| 00 | 42.800 |
| 283 |
| Faktoren. Und so dann, wenn wir setzen |
| diese Faktoren in nur a |
| 00 | 58.833 |
| 287 |
| mehr, einige der Fit-Statistiken |
| Sie haben uns im Unterricht davon erzählt. |
| 00 | 15.466 |
| 292 |
| aber meistens ist es eine Wolke herum |
| diese verbleibende Nulllinie. So |
| 00 | 30.766 |
| 296 |
| was viel größer war als alle anderen |
| unsere anderen Modelle. Wir wissen es also |
| 00 | 45.800 |
| 300 |
| Gründe, warum wir echte Daten verwenden. |
| Manchmal ist das echt. Das ist |
| 00 | 58.266 |
| 304 |
| suchen? |
| So sind Restwerte. |
| 00 | 19.266 |
| 309 |
| ist gut. Achso cool. |
| Kühl. Okay, also werde ich suchen |
| 00 | 34.966 |
| 313 |
| ist Art, wie wir antworten |
| unsere wenigen wichtigen Fragen. Und |
| 00 | 47.300 |
| 317 |
| war wirklich schwer zu reinigen |
| die Daten und die Daten zu verbinden. |
| 00 | 57.866 |
| 03.500 |
| 322 |
| wollte demonstrieren, wie JMP |
| in Kombination mit einer realen Welt |
| 00 | 28.700 |
| 327 |
| Nummer eins in einem echten Projekt, |
| Umfang ist wichtig. Wir wollen |
| 00 | 47.600 |
| 331 |
| hoffe auf die bringen |
| zur Gruppe. Fallstrick Nummer zwei, |
| Es ist wichtig, die zu erkunden |
| 00 | 08.033 |
| 336 |
| Bereich der Datenverknüpfung |
| Kombinieren von Daten aus mehreren |
| 00 | 27.800 |
| 341 |
| Umkodierung |
| und stellen Sie sicher, dass verknüpfbar |
| 00 | 45.100 |
| 345 |
| 346 |
| reproduzierbare Forschung ist von entscheidender Bedeutung, |
| insbesondere im Teamkontext, |
| besonders für Projekte, die evtl |
| 00 | 05.966 |
| 351 |
| Gewohnheiten zu garantieren |
| Reproduzierbarkeit. Und schlussendlich, |
| wir hoffen, Sie bemerken das in diesen |
| 00 | 32.633 |
| 356 |
| auf die Berechnung u |
| Interpretation fällt durch die |
| 00 | 51.900 |
| 360 |
