강의: JMP®: 수리 불가능한 시스템에 대한 신뢰성 분석
지속: 4 반나절 세션
등록비: 미화 400달러
설명: 이 과정은 객체(신뢰성) 또는 사람(생존)이 허용 가능한 매개변수("사건 발생 시간") 내에서 작동하는 기간에 대해 JMP를 사용하여 데이터를 분석해야 하는 모든 사람을 위한 것입니다. 이 과정은 제조 사례를 사용하여 제시되지만 생존 분석이나 재범을 연구하는 데 관심이 있는 사람들에게도 이 과정이 유용할 것입니다.
개요 : 하는 법을 배우다:
- 생활 데이터의 고유한 특성을 구별합니다.
- 고장 확률의 비모수(Kaplan-Meier 제품 한계) 추정치를 계산합니다.
- 생활 데이터에 특정한 분포 모델을 피팅합니다.
- 신뢰성 또는 생존 조치 및 위험을 추정합니다.
- 경쟁적인 원인이 있는 경우 생존을 추정합니다.
- 매개변수 생존 모델을 사용하여 공변량 또는 실험 요인의 효과를 추정합니다.
- 가속 수명 테스트를 설계합니다.
전제 조건: 이 과정에 참여하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: ANOVA 및 회귀를 사용한 통계적 결정 과정 또는 이와 동등한 경험이 있습니다.
강의 개요:
신뢰성 소개
- 신뢰도의 원리, 신뢰도의 척도, 생명 데이터 및 관측 중도절단의 특성을 이해합니다.
- 실패 확률의 비모수 추정 사용.
- 고장 신뢰성 및 위험의 매개변수 모델 적용.
- 신뢰도 추정치에 대한 불확실성에 대한 설명.
- 신뢰성 결정을 위한 충분한 표본 크기를 결정합니다.
요인에 대한 신뢰성
- 고장 모드 및 경쟁 원인 식별.
- 피팅 혼합 모델.
- 경쟁 위험 혼합 모델 피팅.
- 부족한 데이터를 설명합니다.
- 신뢰도 모델에 공변량의 효과를 포함합니다.
신속한 신뢰성
- 스트레스 요인 및 가속화된 실패 이해.
- 가속 계수 계산.
- 가속 관계를 사용합니다.
- 가속 수명 테스트 설계.
- 반복 측정 및 파괴 테스트에 대한 열화 분석을 수행합니다.
강의: JMP® Pro: 기능 데이터 탐색기를 사용하여 곡선 및 프로파일 분석
지속: 4 반나절 세션
등록비: 미화 400달러
설명: 이 과정은 JMP Pro를 사용하여 기능 데이터를 인식하고 모델링하는 데 도움이 됩니다. 설계된 실험의 결과와 같은 응답으로 데이터를 사용하거나 다변량 분석과 같은 새로운 공변량 또는 기능으로 데이터를 사용하는 방법을 알려줍니다. 기능 데이터는 기능, 프로파일 또는 곡선으로 정의됩니다. 시간 경과에 따른 일련의 관찰 또는 기타 연속 변수입니다. 이러한 데이터는 형태의 변화가 다른 변수의 변화와 연관될 수 있도록 모델링될 수 있습니다.
개요:
하는 법을 배우다:
- 기능 데이터와 그 용도를 인식합니다.
- 기능 데이터 분석에 맞게 데이터를 전처리합니다.
- 기능의 모델을 선택하십시오.
- 함수의 최적 표현을 얻습니다.
- 설계된 실험의 분석에서 새로운 표현을 응답으로 사용합니다.
누가 참석해야 합니까?
제품 또는 프로세스를 설계, 개발, 개선 및 최적화하기 위해 기능 데이터로 작업하는 이사, 관리자, 엔지니어, 과학자, 기술자 및 분석가
전제 조건: 이 과정에 참여하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: ANOVA 및 회귀를 사용한 통계적 결정 과정 또는 이와 동등한 경험이 있습니다.
강의 개요:
기능 데이터 탐색
기능 데이터 전처리
- 다양한 형식의 기능 데이터를 식별합니다.
- 기능 데이터를 정리합니다(기록 작업).
- 기능 데이터 출력을 변환합니다(센터링 및 스케일링, 기타 일반적인 변환).
- 기능 데이터 입력을 정렬합니다.
기능 데이터의 피팅 모델
- 연속 함수에 대한 모델로 기저 함수 확장을 설명합니다.
- 평활화를 통해 모델 편향과 분산 간의 균형을 최적화합니다.
- 모델에 대해 스플라인 또는 푸리에 기준을 선택합니다.
- 모델을 맞추십시오.
- 최고의 모델을 선택하십시오.
- 모델을 진단합니다.
기능성 주성분 추출
- 연속 함수의 주성분 분석을 설명합니다.
- 기능적 주성분 점수를 도출하고 사용합니다.
실험의 기능적 분석
- 실험 분석의 목표를 식별합니다.
- 기능적 주성분에 대한 요인 효과를 추정합니다.
캡스톤 사례 연구
- 다양한 산업에서 선택한 몇 가지 새로운 사례 중 하나를 선택하여 완전한 기능 데이터 분석을 실행합니다.
강의: JMP®: ANOVA 및 회귀를 사용한 통계적 결정
지속: 4 반나절 세션
등록비: 미화 400달러
설명: 이 과정에서는 단일 연속 응답 변수로 데이터를 분석하기 위해 분산 분석 및 회귀 분석 방법을 사용하고 통계 모델 구축을 소개합니다. 기초 탐색적 데이터 분석(EDA)을 수행하고 데이터에서 자연스러운 패턴을 발견하는 방법을 배웁니다. 신뢰구간과 가설검정과 같은 중요한 통계적 개념을 도입하여 적용한다. 이 과정은 또한 모델 해석 및 통계적 가정의 위반 해결을 포함하여 모델 구축의 원칙을 다룹니다. 코스가 끝나면 캡스톤 실습을 통해 학생들이 지식을 적용할 수 있습니다.
개요:
하는 법을 배우다:
- 신뢰 구간을 해석합니다.
- 가설 검정 수행 및 해석 피 - 가치.
- 산점도 및 상관 관계 통계와의 관계를 탐색합니다.
- 다중 모집단 평균을 일원 분산 분석과 비교합니다.
- 단순 선형 회귀를 사용하여 연속 변수 간의 관계를 분석합니다.
- 일반 선형 모델을 사용하여 연속형 반응과 임의의 수의 연속형 또는 범주형 예측 변수 간에 모델을 구축합니다.
- 요인과 곡률 간의 상호 작용을 평가합니다.
- 통계적 가설 검정의 가정을 평가합니다.
전제 조건: 이 과정에 참여하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 과정 또는 이와 동등한 경험이 있습니다.
강의 개요:
통계 소개
- 통계 개념.
- 기술 통계 및 일부 그래프.
- 추론 통계.
- 가설 테스트.
- 단일 샘플 티 테스트.
범주형 요인을 사용한 분석
- 일원 분산 분석.
- 다중 비교.
- 검정력 및 표본 크기.
연속 요인을 사용한 분석
모델 빌딩
- 모델 구축을 소개합니다.
- 요인을 결합합니다.
- 모델 해석.
- 일이 잘못될 때.
추가 리소스
- 페어링됨 티 테스트.
- 가정이 위반될 때 ANOVA에 대한 대안.
- n-way ANOVA의 대조.
- 동등성 테스트.
강의: JMP® Pro: 예측 모델링
지속: 4 반나절 세션
등록비: 미화 400달러
설명: 이 과정은 JMP Pro 소프트웨어를 사용하여 예측 모델을 개발, 평가, 조정, 비교 및 채점하는 데 필요한 기술을 다룹니다. 이 과정에서는 일반화 회귀 모델, k-최근접 이웃, 나이브 베이즈, 지원 벡터 기계, 의사 결정 트리 및 신경망과 같은 기계 학습 기술을 사용하여 예측 모델을 구축하고 이해하는 방법을 알려줍니다. 또한 교차 검증, 홀드백 검증 및 정보 이론 기준을 사용하여 예측 모델을 검증하는 방법을 배우게 됩니다.
개요:
하는 법을 배우다:
- 복잡한 모델을 개발, 비교 및 설명합니다.
- 배깅, 부트스트랩 포리스트, 부스트 트리를 포함한 예측 모델링을 위해 파티션 플랫폼을 사용합니다.
- k-Fold 교차 검증, 다층 신경망 및 부스팅을 포함한 예측 모델링에 신경망을 사용합니다.
- 예측 모델을 조정합니다.
- JMP에서 새 데이터에 점수를 매기고 다른 소프트웨어에서 사용할 점수 코드를 생성합니다.
- 예측 모델을 프로덕션에 배포합니다.
전제 조건: 이 과정에 참여하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: ANOVA 및 회귀를 사용한 통계적 결정 과정 또는 이와 동등한 경험이 있습니다.
강의 개요:
예측 모델링 소개
- 예측 모델링은 어떻게 다른가요?
- 데이터 가져오기 및 정리.
- 일반화 및 정직한 평가.
예측 모델링 플랫폼 개요
파티션 플랫폼을 사용한 예측 모델링
- 재귀적 분할.
- 자루에 넣기.
- 부트스트랩 숲.
- 부스트된 트리 모델.
- 동조,
신경망을 사용한 예측 모델링
- 신경망 모델 피팅.
- 신경망 아키텍처.
- k-폴드 교차 검증.
- 부스트된 신경망.
- 동조.
예측 모델 선택 및 배포
강의: JMP®: 맞춤형 실험 설계
지속: 4 반나절 세션
등록비: 미화 400달러
설명: 이 과정은 실험 설계의 핵심 원칙에 중점을 두고 있으며, 이러한 원칙을 이해하고 적용하여 JMP의 Custom Design 플랫폼을 사용하여 최적의 설계를 달성할 수 있도록 합니다. 사용자 지정 설계는 중요한 효과를 식별하거나 하나 이상의 응답을 최적화하려는 경우에 해결하려는 문제에 대한 최적의 설계를 생성하는 실험을 설계하는 접근 방식입니다. JMP의 맞춤형 설계에 대해 배우는 것 외에도 표본 크기 및 검정력, 균형, 요인 범위 선택, 차단 및 설계 평가를 비롯한 주요 설계 개념을 살펴봅니다. 이 과정은 발견, 연구, 개발, 품질 보증 또는 제어 분야에서 일하는 모든 사람을 위한 것입니다.
개요:
하는 법을 배우다:
- 모든 실험에 맞춤형 디자인을 사용하십시오.
- 최적의 설계를 위한 적절한 기준을 선택합니다.
- 효과적이고 효율적으로 요인 효과를 테스트하거나 반응을 예측합니다.
- 새로운 질문을 해결하기 위해 기존 실험을 보강합니다.
- 변경하기 어려운 요소로 실험을 설계하고 분석합니다.
- 원하는 응답 수준을 달성하기 위한 최상의 요인 설정을 찾으십시오.
전제 조건: 이 과정에 참여하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: ANOVA 및 회귀를 사용한 통계적 결정 과정 또는 이와 동등한 경험이 있습니다.
강의 개요:
소개
- 실험계획법 소개.
- 커스텀 디자인을 소개합니다.
- 응답에 대해.
하나의 요인으로 실험
- 범주형 요인을 테스트합니다.
- 연속 요인 테스트.
- 모델 검증.
- 2차 효과를 테스트합니다.
두 가지 요인에 대한 실험
- 두 가지 범주 요소를 테스트합니다.
- 하나의 연속 요인과 하나의 범주형 요인을 테스트합니다.
- 하나의 차단 요소로 테스트합니다.
- 두 개의 연속 요소를 테스트합니다.
여러 요인에 대한 실험
- 다섯 가지 요인에 대한 두 가지 반응.
- 7가지 요인에 대한 3가지 반응.
강의: JMP®: JMP® 스크립팅 언어
지속: 반나절 세션 5회
등록비: 미화 500달러
설명: 이 과정은 일상적인 작업을 자동화하고, 새 절차를 확장하거나 생성하고, 보고서를 사용자 정의하기 위해 JMP 스크립팅 언어(JSL)를 사용하여 JMP 소프트웨어의 기능을 확장하려는 JMP 사용자를 위한 것입니다. 이 과정은 JSL을 사용한 스크립팅의 기본 사항을 다룬 다음 데이터 테이블 작업, 계산을 용이하게 하는 행렬 사용, 스크립팅 분석, 사용자 정의 보고서를 만들기 위한 결과 캡처 등의 고급 주제로 진행합니다. 이 과정은 또한 전체에 걸쳐 제안된 모범 사례를 제시합니다. 과정 마지막에 있는 자가 학습 단원에서는 대화 상자를 만들고 사용하여 스크립트 동작을 조정하고 JMP 스크립트를 JMP 추가 기능으로 저장하여 요청 시 스크립트를 사용 가능하게 만들고 배포를 용이하게 하는 방법을 보여줍니다. 이 과정은 다음 인증 시험을 준비하는 데 도움이 될 수 있습니다. JMP를 사용한 JMP 스크립팅.
개요:
하는 법을 배우다:
- 변수, 함수 및 연산자, 문자열, 목록 및 행렬을 포함하여 JSL의 기본 요소를 사용합니다.
- JMP에서 자동으로 생성되는 스크립트를 캡처하여 자체 스크립트에 통합합니다.
- 메시지를 사용하여 JMP의 개체와 통신합니다.
- 반복 및 조건부 함수를 사용합니다.
- Expr( )을 사용한 표현식 평가 지연.
- 데이터 테이블을 열고 다른 소스에서 파일을 가져옵니다.
- 새 데이터 테이블 및 열을 만들고 작업합니다.
- 분석을 시작하고 보고서를 캡처하거나 수정합니다.
참석해야 할 사람
JMP 스크립팅 언어(JSL)를 배우고자 하는 JMP에 익숙한 사람
전제 조건: 이 과정에 참여하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 과정 또는 이와 동등한 경험이 있습니다.
강의 개요:
JMP 스크립팅 언어 소개
JSL 빌딩 블록
- 기본 요소.
- 목록과 행렬.
- 스크립트 편집기 및 스타일.
스크립트 제어
데이터 테이블 스크립팅
- 데이터 테이블 열기.
- 열 및 행 작업.
- 데이터 테이블 및 행렬 사용.
- 메타데이터 사용.
- 데이터 테이블 조작.
스크립팅 플랫폼
- 스크립팅 분석.
- 보고서 액세스.
- 보고서 사용자 정의.
스크립트 조정(자습)
- 대화 상자 사용.
- 식으로 대체합니다.
- 메뉴 커스터마이징.
고급 주제
강의: JMP®: 데이터 탐색에 대한 사례 연구 접근 방식
지속: 반나절 세션 2회
등록비: 미화 200달러
설명: 이 과정은 JMP를 사용하여 데이터를 탐색, 관리 및 분석하려는 사람들을 위한 첫 번째 단계로 설계되었습니다. 다른 많은 과정의 전제 조건으로 권장됩니다. 이 과정은 주요 도구와 기능이 포함된 JMP 인터페이스에 대한 소개로 시작하여 학생들이 직면하는 일반적인 데이터 문제를 제시하는 두 가지 사례 연구로 이어집니다. 각 사례 연구는 데이터 탐색을 위한 일반적인 워크플로의 요소를 보여줍니다. 이 과정은 통계 분석 및 모델링, 실험 설계 및 품질 관리 또는 JMP 스크립팅 언어를 다루는 고급 과정에서 JMP 사용을 준비하는 데 도움이 됩니다.
개요:
하는 법을 배우다:
- 데이터를 JMP로 가져옵니다.
- 그래프와 표로 데이터를 탐색합니다.
- 데이터 문제를 식별하고 수정합니다.
- 수식을 사용하여 새 열을 만듭니다.
- 그래픽 및 수치 보고서를 저장하고 공유합니다.
전제 조건: 이전 JMP 지식이나 통계 지식이 필요하지 않습니다. 이 과정에 참석하기 전에 macOS 또는 Microsoft Windows 운영 체제에 익숙해야 합니다.
강의 개요:
소개
프로세스 변경 사례 연구
- 데이터를 가져오는 중입니다.
- 새 열을 만드는 중입니다.
- 결과를 발표하고 공유합니다.
프로세스 모니터링 사례 연구
- 데이터를 가져오는 중입니다.
- 새 열을 만드는 중입니다.
- 결과 생성 및 저장.
제조 사례 연구(자습)
- 데이터를 가져오는 중입니다.
- 새 테이블 및 열 생성.
- 결과 생성 및 저장.
강의: JMP®: 통계적 프로세스 제어
지속: 4 반나절 세션
등록비: 미화 400달러
설명: 이 과정은 JMP 소프트웨어를 사용하여 통계 프로세스 제어 시스템을 설정하고 유지 관리하는 방법을 알려줍니다.
개요:
하는 법을 배우다:
- 변형을 설명합니다.
- 기본 품질 차트를 생성하고 해석합니다.
- 측정 데이터에 대한 관리도를 생성하고 해석합니다.
- 관리도 성능을 개선합니다.
- 공정 능력 지수를 계산하고 해석합니다.
- 한 번에 많은 변수를 모니터링합니다.
- 일괄 처리, 상관 데이터, 속성 데이터 또는 다변수 데이터와 같이 가정을 충족하지 않는 데이터를 처리합니다.
전제 조건: 이 과정에 참여하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 과정 또는 이와 동등한 경험이 있습니다.
강의 개요:
소개
- 통계적 프로세스 제어의 역사적 관점.
- 변화.
- 데이터 형식.
- 기본 품질 도구(선택 사항) .
측정 데이터에 대한 관리도
- 컨트롤 차트 빌더.
- X-MR 차트.
- XBar-R 및 XBar-S 차트.
- 추가 테스트.
- 단계.
공정 능력
- 공정 능력.
- 프로세스 기능 플랫폼.
- 주의사항.
- 특정 제한을 관리합니다.
특별한 상황
- 속성 차트.
- 다양한 변형 소스.
- CUSUM 및 EWMA 관리도.
- 다변수 관리도.
- 프로세스 스크리닝 플랫폼.
강의: JMP®를 사용한 QbD(Quality by Design)
지속: 반나절 세션 5회
등록비: 미화 500달러
설명: 비즈니스 지식 시리즈 강의. Adsurgo LLC의 공동 설립자이자 수석 컨설턴트인 Heath Rushing이 발표했습니다. 이 과정은 실험 설계(DOE)를 사용하여 품질 중심 설계(QbD) 원칙으로 정의된 의약품 개발에 대한 체계적인 접근 방식을 수립하는 방법에 중점을 둡니다. 또한, 이 과정은 사양 설정, 측정 시스템(어세이) 평가, 위험 관리 전략의 일부로 제어 계획 개발, 프로세스 제어/능력 보장을 위한 통계 적용을 가르칩니다. 모든 개념은 규제 지침 문서의 요구 사항에 의해 정의된 제품 품질 시스템 프레임워크 내에서 학습됩니다. 이 과정의 분석은 JMP 소프트웨어의 포인트 앤 클릭 인터페이스를 사용합니다.
개요:
하는 법을 배우다:
- 발견에서 제품 중단까지 QbD 원칙을 구현합니다.
- 통계를 적용하여 사양을 설정하고 측정 시스템(어세이)을 검증합니다.
- 위험 관리 도구를 사용하여 잠재적인 중요 프로세스 매개변수를 식별하고 우선 순위를 지정합니다.
- 중요한 프로세스 매개변수를 식별하고 해당 프로세스 매개변수와 CQA(Critical-to-Quality 속성) 간의 기능적 관계를 개발하십시오.
- 디자인 공간을 구축하십시오.
- 위험 관리 전략의 일부로 통제 계획을 개발하십시오.
- 프로세스가 (통계) 제어되고 능력이 있는지 확인하십시오.
전제 조건: 이 과정에 참여하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: ANOVA 및 회귀를 사용한 통계적 결정 과정 또는 이와 동등한 경험이 있습니다.
강의 개요:
QbD(Quality by Design) 소개
- 디자인에 의한 품질(QbD) 원칙.
- 제품 품질 시스템 프레임워크.
통계 분석 입문서
- 기본 통계.
- 가설 검증.
- ANOVA 및 회귀.
- 블로킹.
QbD 연구를 위한 기본 요구 사항
- 사양 설정.
- 분석을 위한 측정 시스템 분석(MSA).
실험계획법(DOE) 소개
- DOE 단계.
- CQA(Critical-to-Quality 속성) 정의.
- 잠재적인 프로세스 매개변수 식별 및 우선순위 지정.
스크리닝 디자인
- 팩토리얼 디자인.
- 부분 요인 설계.
- D-최적 설계.
반응 표면 설계
- 중심점 추가.
- 얼굴 중심 CCD.
- 박스-벤켄 디자인.
- I-최적의 디자인.
전문화된 디자인
QbD 연구의 체계적인 이해 사용
- 결과를 발표합니다.
- 위험 관리 전략의 일부로 통제 계획을 개발합니다.
- 프로세스 제어 및 기능.
고급 DOE 방법론(선택 사항)
- 분할구 설계.
- 강력한 매개변수 설계.
- 과포화 디자인.
- 제한된 디자인.
- 혼합물 디자인.
강의: JMP®: 측정 시스템 분석
지속: 반나절 세션 3회
등록비: 미화 300달러
설명: 이 과정에서는 JMP 소프트웨어를 사용하여 측정 시스템 변동성과 편향을 포함하여 프로세스와 관련된 측정 오류를 결정하는 방법을 알려줍니다.
개요:
하는 법을 배우다:
- 측정 변동을 설명합니다.
- 측정 시스템의 편향과 변동성을 모두 추정하기 위한 연구를 설계합니다.
- 반복성과 재현성을 추정합니다.
- 그래픽 분석을 사용하여 측정 오류를 이해합니다.
- 편향과 선형성을 추정합니다.
- 속성 게이지 연구를 수행합니다.
전제 조건: 이 과정에 참여하기 전에 다음을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: ANOVA 및 회귀를 사용한 통계적 결정 과정 또는 이와 동등한 경험이 있습니다.
강의: JMP® 및 JMP Pro: 중요한 예측 변수 찾기
지속: 4 반나절 세션
등록비: 미화 400달러
설명: 이 과정은 중요한 변수를 식별하기 위해 통계 모델을 피팅하는 기술을 가르칩니다. 고급 모델링 방법과 함께 수동, 그래픽 및 자동 변수 선택 기술이 제공됩니다. 데모에는 설계된 데이터와 설계되지 않은 데이터 모두 모델링이 포함됩니다. 기술은 JMP 소프트웨어와 JMP Pro 소프트웨어를 모두 사용하여 설명됩니다. 이 과정의 후반부에서 다루는 고급 기술에는 JMP Pro 소프트웨어가 필요합니다.
개요:
하는 법을 배우다:
- 통계 모델을 사용하여 예측 변수의 하위 집합을 중요한 것으로 식별합니다.
- 교차 검증, 홀드백 검증 및 정보 이론 기준을 사용하여 통계 모델을 검증합니다.
- 단계적 및 모든 하위 집합 회귀를 수행합니다.
- 그래픽 방법과 의사 결정 트리를 사용하여 중요한 예측 변수를 선택합니다.
- 가우스 및 비가우스 응답에 대해 벌점 회귀를 수행합니다.
- 일반화 회귀 플랫폼을 사용하여 중요한 예측 변수를 식별합니다.
참석해야 할 사람
분석가, 연구원, 기술자 또는 이와 유사한 역할을 하는 모든 사람이 대규모 집합에서 응답을 예측하는 데 중요한 예측 변수를 결정하려는 경우
전제 조건: 이 과정에 참석하기 전에 다음을 완료해야 합니다. JMP®: ANOVA 및 회귀를 사용한 통계적 결정 강의.
강의 개요:
변수 선택 소개
- 모델 소개.
- 모델 검증 방법.
- 변수 중요도.
- OLS 회귀 및 역방향 선택.
변수 선택의 고전적인 방법
- 그래프 기반 방법.
- 단계적 회귀.
- 모든 하위 집합 회귀.
일반화 회귀(JMP Pro 필요)
- 소개.
- 올가미/리지/탄력 그물.
- 적응형 올가미/적응형 탄성 그물.
- 다중 패스가 있는 방법.
일반화 회귀에 대한 특수 상황(JMP Pro 필요)
강의: JMP®: JMP®를 사용한 그래프 작성 및 보고
지속: 반나절 세션 2회
등록비: 미화 200달러
설명: 이 과정은 데이터의 스토리를 효과적으로 공유하는 매력적인 그래프, 보고서 및 대시보드를 만들고자 하는 모든 사람을 위해 설계되었습니다.
개요:
하는 법을 배우다:
- JMP Graph Builder로 효과적이고 매력적인 시각화를 만드십시오.
- 데이터를 가져오고 쿼리하여 테이블과 그래프를 활성화합니다.
- 보고서 및 대시보드를 통해 다른 사람들과 결과를 공유하세요.
참석해야 할 사람
JMP를 사용하여 데이터를 그래프로 표시하고 보고하려는 사람
전제 조건: 이전 JMP 지식이나 통계 지식이 필요하지 않습니다. 이 과정에 참석하기 전에 macOS 또는 Microsoft Windows 운영 체제에 익숙해야 합니다.
강의 개요:
시작하기 및 그래프 작성
- JMP 시작하기.
- 그래프 빌더에서 데이터를 그래프로 표시합니다.
- JMP의 지리적 매핑.
- 필터 및 열 전환기.
- 효과적인 시각화.
데이터 가져오기 및 쿼리
- 데이터 가져오기 및 정리.
- JMP 쿼리 빌더 사용.
- 상세 및 요약 테이블 생성.
보고서 및 대시보드 만들기
- JMP 보고서 생성.
- JMP 애플리케이션 소개.
- JMP 대시보드 빌더 사용.
- 보고서 및 대시보드 공유.
강의: JMP®: 완전한 JMP® 스크립트 설계 및 구축
지속: 4 반나절 세션
등록비: 미화 400달러
설명: 이 과정은 새로운 스크립트를 체계적으로 작성하는 방법을 알려줍니다. 실제 사례 연구는 일반적인 단계를 설명하는 데 사용됩니다. 코스 연습에서 별도의 사례 연구가 개발됩니다. 스크립트의 결과, 스크립트에서 사용할 JMP 개체 및 스크립트가 수행하는 데 필요한 단계를 보여주는 스토리보드는 과정의 시작 부분에서 개발되고 과정을 통해 더 개발됩니다. 결과는 필요한 데이터를 결정하는 데 사용되므로 다음 단계는 분석 변수와 원래 데이터 저장소를 식별하는 것입니다. 데이터를 가져오고, 데이터를 정리 및 조화시키고, 새로운 변수를 도출하는 기술은 과정의 전반부를 완료합니다. 과정의 후반부에서는 변수를 결과로 변환하는 스크립트를 작성하는 방법을 설명합니다. JMP 개체는 작업 프레임워크를 만드는 데 사용됩니다. 그런 다음 필요에 따라 각 개체를 사용자 지정하거나 확장합니다. 선택적 결과 또는 계산은 스크립트를 완료하기 위해 사용자 대화 상자에 캡처됩니다. 이 과정은 다음 인증 시험을 준비하는 데 도움이 될 수 있습니다. JMP를 사용한 JMP 스크립팅 .
개요:
하는 법을 배우다:
- 스크립트를 처음부터 끝까지 설계하고 구축합니다.
- 데이터 소스를 식별합니다.
- 플랫 파일 및 Excel 통합 문서에서 데이터를 가져옵니다.
- 데이터를 정리하고 변환합니다.
- JMP 개체에서 프레젠테이션을 작성합니다.
- 최종 결과를 위해 개체를 사용자 지정합니다.
전제 조건: 이 과정에 참여하기 전에 다음을 완료해야 합니다. JMP®: JMP® 스크립팅 언어 소개 과정 또는 이와 동등한 경험이 있습니다.
강의 개요:
스크립트 디자인
데이터 가져오기 디자인
데이터 준비
분석, 보고서 및 시각화 구축
- 프레임워크 구축.
- 표현 만들기.
- 캡스톤 및 모범 사례.
두 번째 분석 스크립팅(부록)
- 스크립트 디자인.
- 데이터 가져오기 디자인.
- 데이터 준비.
- 분석, 보고서 및 시각화를 구축합니다.
데이터베이스 액세스(부록)
- 관계형 데이터베이스에 저장된 데이터 가져오기.
