강의: JMP®: 수리 불가능한 시스템에 대한 신뢰성 분석
지속: 4개의 반나절 세션
등록비: 미국 $400
설명: 이 과정은 JMP를 사용하여 개체(신뢰성) 또는 사람(생존)이 허용 가능한 매개변수("사건까지의 시간") 내에서 얼마나 오랫동안 작동하는지에 대한 데이터를 분석해야 하는 모든 사람을 위한 것입니다. 이 과정은 제조 사례를 사용하여 제시되지만, 생존 분석이나 재범 연구에 관심이 있는 사람들에게도 이 과정이 유용할 것입니다.
개요 : 하는 법을 배우다:
- 생활 데이터의 고유한 특성을 구별합니다.
- 실패 확률의 비모수적(Kaplan-Meier 곱 한계) 추정치를 계산합니다.
- 수명 데이터에 특정한 분포 모델을 적용합니다.
- 신뢰성이나 생존 척도 및 위험을 추정합니다.
- 경쟁 원인이 있을 때 생존을 추정합니다.
- 모수적 생존 모델을 사용하여 공변량 또는 실험 요인의 효과를 추정합니다.
- 가속 수명 테스트를 설계합니다.
전제 조건: 이 과정에 참여하기 전에 다음 과정을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: 분산 분석 및 회귀 분석을 사용한 통계적 결정 과정을 수강했거나 이에 준하는 경험이 있습니다.
강의 개요:
신뢰성 소개
- 신뢰성의 원리, 신뢰성 측정, 생명 데이터 및 검열된 관찰의 특성을 이해합니다.
- 실패 확률의 비모수적 추정을 사용합니다.
- 고장 신뢰성 및 위험에 대한 매개변수 모델을 적용합니다.
- 신뢰성 추정에 대한 불확실성을 설명합니다.
- 신뢰성 결정을 위해 충분한 표본 크기를 결정합니다.
요인에 대한 신뢰성
- 실패 모드와 경쟁 원인을 식별합니다.
- 피팅 혼합 모델.
- 경쟁 위험 혼합 모델을 피팅합니다.
- 부족한 데이터를 설명합니다.
- 신뢰도 모델에 공변량의 효과를 포함합니다.
신속한 신뢰성
- 스트레스 요인과 가속화된 실패를 이해합니다.
- 가속 인자 계산.
- 가속 관계를 사용합니다.
- 가속 수명 테스트 설계.
- 반복 측정 및 파괴 테스트에 대한 열화 분석을 수행합니다.
강의: JMP® Pro: Functional Data Explorer를 사용하여 곡선 및 프로필 분석
지속: 4개의 반나절 세션
등록비: 미국 $400
설명: 이 과정은 JMP Pro를 사용하여 기능적 데이터를 인식하고 모델링하는 데 도움이 됩니다. 데이터를 설계된 실험의 결과와 같은 반응으로 사용하거나 다변량 분석과 같은 새로운 공변량 또는 기능으로 사용하는 방법을 배웁니다. 기능적 데이터는 기능, 프로파일 또는 곡선으로 정의됩니다. 이는 시간에 따른 일련의 관찰 또는 기타 연속 변수입니다. 이러한 데이터는 형태의 변화가 다른 변수의 변화와 연관될 수 있도록 모델링될 수 있습니다.
개요:
하는 법을 배우다:
- 기능적 데이터와 그 용도를 인식합니다.
- 기능적 데이터 분석에 맞게 데이터를 전처리합니다.
- 기능 모델을 선택하십시오.
- 함수의 최적 표현을 얻습니다.
- 설계된 실험 분석에서 새로운 표현을 반응으로 사용합니다.
누가 참석해야 합니까?
제품 또는 프로세스를 설계, 개발, 개선 및 최적화하기 위해 기능적 데이터를 사용하는 이사, 관리자, 엔지니어, 과학자, 기술자 및 분석가
전제 조건: 이 과정에 참여하기 전에 다음 과정을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: 분산 분석 및 회귀 분석을 사용한 통계적 결정 과정을 수강했거나 이에 준하는 경험이 있습니다.
강의 개요:
기능적 데이터 탐색
기능적 데이터 전처리
- 기능적 데이터의 다양한 형식을 식별합니다.
- 기능적 데이터를 정리합니다(녹화 작업).
- 기능적 데이터 출력을 변환합니다(센터링 및 스케일링, 기타 일반적인 변환).
- 기능적 데이터 입력을 정렬합니다.
기능적 데이터의 피팅 모델
- 연속함수에 대한 모델로서 기초함수 확장을 설명합니다.
- 평활화를 통해 모델 편향과 분산 간의 균형을 최적화합니다.
- 모델에 대한 스플라인 또는 푸리에 기반을 선택합니다.
- 모델에 맞게.
- 최고의 모델을 선택하세요.
- 모델을 진단합니다.
기능성 주성분 추출
- 연속함수의 주성분 분석을 설명합니다.
- 기능적 주성분 점수를 도출하고 사용합니다.
실험의 기능적 분석
- 실험 분석의 목표를 식별합니다.
- 기능적 주성분에 대한 요인 효과를 추정합니다.
캡스톤 사례 연구
- 완전한 기능 데이터 분석을 실행하려면 다양한 산업 분야에서 선택된 여러 가지 새로운 사례 중 하나를 선택하세요.
강의: JMP®: 분산 분석 및 회귀 분석을 사용한 통계적 결정
지속: 4개의 반나절 세션
등록비: 미국 $400
설명: 이 과정에서는 분산 분석 및 회귀 방법을 사용하여 단일 연속 반응 변수로 데이터를 분석하는 방법을 가르치고 통계 모델 구축을 소개합니다. 기본 탐색적 데이터 분석(EDA)을 수행하고 데이터에서 자연스러운 패턴을 발견하는 방법을 배웁니다. 신뢰구간, 가설검정 등 중요한 통계 개념을 소개하고 적용합니다. 또한 이 과정에서는 모델 해석 및 통계적 가정 위반 해결을 포함하여 모델 구축의 원리도 다룹니다. 과정이 끝나면 최종 실습을 통해 학생들은 자신의 지식을 적용할 수 있습니다.
개요:
하는 법을 배우다:
- 신뢰 구간을 해석합니다.
- 가설 검정 수행 및 해석 피 -가치.
- 산점도 및 상관 통계를 사용하여 관계를 탐색합니다.
- 다중 모집단 평균을 일원 분산 분석과 비교합니다.
- 단순 선형 회귀를 사용하여 연속 변수 간의 관계를 분석합니다.
- 일반 선형 모델을 사용하여 연속 반응과 임의 개수의 연속형 또는 범주형 예측 변수 사이에 모델을 구축합니다.
- 요인과 곡률 간의 상호작용을 평가합니다.
- 통계적 가설 검정의 가정을 평가합니다.
전제 조건: 이 과정에 참여하기 전에 다음 과정을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 과정을 수강했거나 이에 준하는 경험이 있습니다.
강의 개요:
통계학개론
- 통계적 개념.
- 기술 통계 및 일부 그래프.
- 추론 통계.
- 가설 테스트.
- 단일표본 티 시험.
범주형 요인을 이용한 분석
- 일원 분산 분석.
- 다중 비교.
- 검정력 및 표본 크기.
연속 요인을 사용한 분석
- 관계를 탐구합니다.
- 단순 선형 회귀.
- 다항식 회귀.
모델 빌딩
- 모델 구축 소개.
- 요인을 결합합니다.
- 모델 해석.
- 일이 잘못될 때.
추가 리소스
- 페어링됨 티 시험.
- 가정이 위반되는 경우 ANOVA의 대안.
- n-way ANOVA의 대조.
- 동등성 테스트.
강의: JMP® Pro: 예측 모델링
지속: 4개의 반나절 세션
등록비: 미국 $400
설명: 이 과정에서는 JMP Pro 소프트웨어를 사용하여 예측 모델을 개발, 평가, 조정, 비교 및 점수를 매기는 데 필요한 기술을 다룹니다. 이 과정에서는 일반 회귀 모델, k-최근접 이웃, 나이브 베이즈, 지원 벡터 머신, 의사결정 트리, 신경망과 같은 기계 학습 기술을 사용하여 예측 모델을 구축하고 이해하는 방법을 배웁니다. 또한 교차 검증, 홀드백 검증 및 정보 이론 기준을 사용하여 예측 모델을 검증하는 방법도 알아봅니다.
개요:
하는 법을 배우다:
- 복잡한 모델을 개발, 비교 및 설명합니다.
- 배깅, 부트스트랩 포레스트, 부스팅 트리를 포함한 예측 모델링을 위해 파티션 플랫폼을 사용하세요.
- k-Fold 교차 검증, 다층 신경망 및 부스팅을 포함한 예측 모델링에 신경망을 사용합니다.
- 예측 모델을 조정합니다.
- JMP에서 새로운 데이터의 점수를 매기고 다른 소프트웨어에서 사용할 점수 코드를 생성합니다.
- 예측 모델을 프로덕션에 배포합니다.
전제 조건: 이 과정에 참여하기 전에 다음 과정을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: 분산 분석 및 회귀 분석을 사용한 통계적 결정 과정을 수강했거나 이에 준하는 경험이 있습니다.
강의 개요:
예측 모델링 소개
- 예측 모델링은 어떻게 다릅니까?
- 데이터 가져오기 및 정리.
- 일반화와 정직한 평가.
예측 모델링 플랫폼 개요
파티션 플랫폼을 이용한 예측 모델링
- 재귀적 분할.
- 배깅.
- 부트스트랩 숲.
- 향상된 트리 모델.
- 동조,
신경망을 이용한 예측 모델링
- 신경망 모델을 피팅합니다.
- 신경망 아키텍처.
- k-폴드 교차 검증.
- 강화된 신경망.
- 동조.
예측 모델 선택 및 배포
강의: JMP®: 맞춤형 실험 계획
지속: 4개의 반나절 세션
등록비: 미국 $400
설명: 이 과정에서는 실험 설계의 핵심 원칙에 중점을 두고 이러한 원칙을 이해하고 적용하여 JMP의 맞춤 설계 플랫폼을 사용하여 최적의 설계를 달성할 수 있습니다. 맞춤 디자인은 중요한 효과를 식별하거나 하나 이상의 반응을 최적화하는 등 해결하려는 문제에 대한 최적의 디자인을 생성하는 실험을 디자인하는 접근 방식입니다. JMP의 맞춤형 설계에 대해 배우는 것 외에도 표본 크기와 검정력, 균형, 요인 범위 선택, 차단, 설계 평가 등 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 사용하세요.
- 최적의 설계를 위한 적절한 기준을 선택하십시오.
- 효과적이고 효율적으로 요인 효과를 테스트하거나 반응을 예측합니다.
- 새로운 질문을 해결하기 위해 기존 실험을 강화합니다.
- 변경하기 어려운 요인을 사용하여 실험을 설계하고 분석합니다.
- 원하는 반응 수준을 달성하기 위한 최적의 요인 설정을 찾으십시오.
전제 조건: 이 과정에 참여하기 전에 다음 과정을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: 분산 분석 및 회귀 분석을 사용한 통계적 결정 과정을 수강했거나 이에 준하는 경험이 있습니다.
강의 개요:
소개
- 실험 설계 소개.
- 맞춤형 디자인을 소개합니다.
- 응답에 대해.
단일 요소를 사용한 실험
- 범주형 요인을 테스트합니다.
- 연속 요인을 테스트합니다.
- 모델을 검증합니다.
- 2차 효과를 테스트합니다.
두 가지 요소를 사용한 실험
- 두 가지 범주형 요인을 테스트합니다.
- 하나의 연속형 요인과 하나의 범주형 요인을 테스트합니다.
- 하나의 차단 요인으로 테스트합니다.
- 두 개의 연속 요인을 테스트합니다.
다중 요인을 사용한 실험
- 5가지 요인에 대한 2가지 반응.
- 7가지 요인에 대한 3가지 반응.
강의: JMP®: JMP® 스크립팅 언어
지속: 반나절 세션 5개
등록비: 미화 500달러
설명: 이 과정은 JSL(JMP 스크립팅 언어)을 사용하여 JMP 소프트웨어 기능을 확장하여 일상적인 작업을 자동화하고, 새로운 절차를 확장 또는 생성하고, 보고서를 사용자 정의하려는 JMP 사용자를 위한 것입니다. 이 과정에서는 JSL을 사용한 스크립팅의 기본 사항을 다룬 다음 데이터 테이블 작업, 행렬을 사용하여 계산을 용이하게 하고 분석 스크립팅 및 결과 캡처를 통해 사용자 정의 보고서 만들기 등을 포함한 고급 주제로 진행합니다. 또한 이 과정에서는 제안된 모범 사례도 제시합니다. 과정 마지막에 있는 자습 수업에서는 대화 상자를 생성 및 사용하여 스크립트 동작을 조정하고 JMP 스크립트를 JMP 추가 기능으로 저장하여 요청 시 스크립트를 사용할 수 있도록 하고 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, 연산자, 문자열, 목록, 행렬 등 JSL의 기본 요소를 사용합니다.
- JMP에서 자동으로 생성된 스크립트를 캡처하고 이를 자체 스크립트에 통합하세요.
- 메시지를 사용하여 JMP의 객체와 통신합니다.
- 반복 및 조건부 함수를 사용합니다.
- Expr( )을 사용한 표현식의 지연 평가.
- 데이터 테이블을 열고 다른 소스에서 파일을 가져옵니다.
- 새로운 데이터 테이블과 열을 만들고 작업하세요.
- 분석을 시작하고 보고서를 캡처하거나 수정합니다.
누가 참석해야합니까?
JMP에 익숙하며 JSL(JMP 스크립팅 언어)을 배우고 싶은 사람
전제 조건: 이 과정에 참여하기 전에 다음 과정을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 과정을 수강했거나 이에 준하는 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 테이블을 엽니다.
- 열과 행 작업.
- 데이터 테이블과 행렬을 사용합니다.
- 메타데이터 사용.
- 데이터 테이블 조작.
스크립팅 플랫폼
- 스크립팅 분석.
- 보고서에 액세스 중입니다.
- 보고서 사용자 정의.
스크립트 적용(자습)
- 대화 상자를 사용합니다.
- 표현으로 대체합니다.
- 메뉴 사용자 정의.
고급 주제
강의: JMP®: 데이터 탐색에 대한 사례 연구 접근 방식
지속: 반나절 세션 2개
등록비: 미국 $200
설명: 이 과정은 JMP를 사용하여 데이터를 탐색, 관리, 분석하려는 사람들을 위한 첫 번째 단계로 설계되었습니다. 이는 다른 많은 코스의 전제 조건으로 권장됩니다. 이 과정은 JMP 인터페이스의 주요 도구와 기능을 소개하는 것으로 시작하고 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 계획 및 품질 관리, JMP 스크립팅 언어를 다루는 고급 과정에서 JMP 사용을 준비하는 데 도움이 됩니다.
개요:
하는 법을 배우다:
- 데이터를 JMP로 가져옵니다.
- 그래프와 표를 사용하여 데이터를 탐색하세요.
- 데이터 문제를 식별하고 수정합니다.
- 수식을 사용하여 새 열을 만듭니다.
- 그래픽 및 수치 보고서를 저장하고 공유하세요.
전제 조건: 이전 JMP 지식이나 통계 지식이 필요하지 않습니다. 이 과정에 참여하기 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 테이블과 열을 만듭니다.
- 결과 생성 및 저장.
강의: JMP®: 통계적 공정 관리
지속: 4개의 반나절 세션
등록비: 미국 $400
설명: 이 과정에서는 JMP 소프트웨어를 사용하여 통계적 공정 제어 시스템을 설정하고 유지 관리하는 방법을 배웁니다.
개요:
하는 법을 배우다:
- 변형을 설명합니다.
- 기본 품질 차트를 생성하고 해석합니다.
- 측정 데이터에 대한 관리 차트를 생성하고 해석합니다.
- 관리도 성능을 향상합니다.
- 공정 능력 지수를 계산하고 해석합니다.
- 여러 변수를 한 번에 모니터링하세요.
- 일괄 처리, 상관 데이터, 속성 데이터, 다변량 데이터 등 가정을 충족하지 않는 데이터를 처리합니다.
전제 조건: 이 과정에 참여하기 전에 다음 과정을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 과정을 수강했거나 이에 준하는 경험이 있습니다.
강의 개요:
소개
- 통계적 프로세스 제어의 역사적 관점.
- 변화.
- 데이터 형식.
- 기본 품질 도구(선택 사항) .
측정 데이터에 대한 관리 차트
- 관리도 작성기.
- X-MR 차트.
- XBar-R 및 XBar-S 차트.
- 추가 테스트.
- 단계.
공정 능력
- 공정 능력.
- 프로세스 역량 플랫폼.
- 주의 사항.
- 특정 한도를 관리합니다.
특수 상황
- 속성 차트.
- 다양한 변형 소스.
- CUSUM 및 EWMA 관리도.
- 다변량 관리도.
- 프로세스 스크리닝 플랫폼.
강의: JMP®를 사용한 QbD(품질 중심 설계)
지속: 반나절 세션 5개
등록비: 미국 $500
설명: 비즈니스 지식 시리즈 강의. Adsurgo LLC의 공동 창립자이자 수석 컨설턴트인 Heath Rushing이 발표했습니다. 본 과정에서는 실험 계획(DOE)을 사용하여 QbD(품질별 설계) 원칙에 따라 정의된 의약품 개발에 대한 체계적인 접근 방식을 확립하는 방법에 중점을 둡니다. 또한 이 과정에서는 사양 설정, 측정 시스템 평가(분석), 위험 관리 전략의 일부로 제어 계획 개발 및 프로세스 제어/능력 보장을 위한 통계 적용을 가르칩니다. 모든 개념은 규제 지침 문서의 요구사항에 정의된 제품 품질 시스템 프레임워크 내에서 교육됩니다. 이 과정의 분석에서는 JMP 소프트웨어의 포인트 앤 클릭 인터페이스를 사용합니다.
개요:
하는 법을 배우다:
- 발견부터 제품 중단까지 QbD 원칙을 구현합니다.
- 사양을 설정하고 측정 시스템(분석)을 검증하기 위해 통계를 적용합니다.
- 위험 관리 도구를 사용하여 잠재적인 중요 프로세스 매개변수를 식별하고 우선순위를 지정합니다.
- 중요한 프로세스 매개변수를 식별하고 이러한 프로세스 매개변수와 품질에 중요한 속성(CQA) 간의 기능적 관계를 개발합니다.
- 디자인 공간을 구축하세요.
- 위험 관리 전략의 일부로 제어 계획을 개발합니다.
- 프로세스가 (통계적으로) 관리되고 능력이 있는지 확인하십시오.
전제 조건: 이 과정에 참여하기 전에 다음 과정을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: 분산 분석 및 회귀 분석을 사용한 통계적 결정 과정을 수강했거나 이에 준하는 경험이 있습니다.
강의 개요:
품질 중심 설계(QbD) 소개
- QbD(품질 중심 설계) 원칙.
- 제품 품질 시스템 프레임워크.
통계분석 입문서
- 기본 통계.
- 가설 검증.
- 분산 분석 및 회귀.
- 블로킹.
QbD 연구를 위한 기본 요구 사항
- 사양 설정.
- 분석을 위한 측정 시스템 분석(MSA).
실험계획법(DOE) 소개
- DOE 단계.
- CQA(품질에 중요한 속성) 정의
- 잠재적인 프로세스 매개변수를 식별하고 우선순위를 지정합니다.
스크리닝 디자인
- 요인 설계.
- 부분 요인 설계.
- D-최적 설계.
반응 표면 설계
- 중심점 추가.
- 면 중심 CCD.
- 박스-벤켄 디자인.
- 나는 최적의 디자인입니다.
전문화된 디자인
QbD 연구의 체계적인 이해 활용
- 결과를 발표합니다.
- 위험 관리 전략의 일부로 통제 계획을 개발합니다.
- 프로세스 제어 및 기능.
고급 DOE 방법론(선택 사항)
- 분할구 설계.
- 견고한 매개변수 설계.
- 과포화 디자인.
- 제한된 디자인.
- 혼합물 디자인.
강의: JMP®: 측정 시스템 분석
지속: 반나절 세션 3개
등록비: 미화 300달러
설명: 이 과정에서는 JMP 소프트웨어를 사용하여 측정 시스템 변동성과 편향을 모두 포함하여 공정과 관련된 측정 오류를 확인하는 방법을 배웁니다.
개요:
하는 법을 배우다:
- 측정 변화를 설명합니다.
- 측정 시스템의 편향과 변동성을 모두 추정하기 위한 설계 연구입니다.
- 반복성과 재현성을 추정합니다.
- 그래픽 분석을 사용하여 측정 오류를 이해합니다.
- 편향과 선형성을 추정합니다.
- 속성 게이지 연구를 수행합니다.
전제 조건: 이 과정에 참여하기 전에 다음 과정을 완료하는 것이 좋습니다. JMP® 소프트웨어: 데이터 탐색에 대한 사례 연구 접근 방식 그리고 JMP®: 분산 분석 및 회귀 분석을 사용한 통계적 결정 과정을 수강했거나 이에 준하는 경험이 있습니다.
강의: JMP® 및 JMP Pro: 중요한 예측 변수 찾기
지속: 4개의 반나절 세션
등록비: 미국 $400
설명: 이 과정에서는 중요한 변수를 식별하기 위해 통계 모델을 피팅하는 기술을 가르칩니다. 고급 모델링 방법과 함께 수동, 그래픽 및 자동 변수 선택 기술이 제시됩니다. 데모에는 설계된 데이터와 설계되지 않은 데이터 모델링이 모두 포함됩니다. JMP 소프트웨어와 JMP Pro 소프트웨어를 모두 사용하여 기술을 설명합니다. 이 과정의 후반부에서 다루는 고급 기술을 사용하려면 JMP Pro 소프트웨어가 필요합니다.
개요:
하는 법을 배우다:
- 통계 모델을 사용하여 중요한 예측 변수의 하위 집합을 식별합니다.
- 교차 검증, 홀드백 검증, 정보 이론 기준을 사용하여 통계 모델을 검증합니다.
- 단계적 및 모든 하위 집합 회귀를 수행합니다.
- 그래픽 방법과 의사결정 트리를 사용하여 중요한 예측변수를 선택합니다.
- 가우스 및 비가우스 응답에 대해 페널티 회귀를 수행합니다.
- 일반화 회귀 플랫폼을 사용하여 중요한 예측 변수를 식별합니다.
누가 참석해야합니까?
대규모 세트에서 어떤 예측 변수가 반응 예측에 중요한지 확인하려는 분석가, 연구원, 기술자 또는 유사한 역할을 수행하는 사람
전제 조건: 이 과정에 참여하기 전에 다음을 완료해야 합니다. JMP®: 분산 분석 및 회귀 분석을 사용한 통계적 결정 강의.
강의 개요:
변수 선택 소개
- 모델 소개.
- 모델 검증 방법.
- 가변적 중요성.
- 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/능선/탄성 그물.
- 적응형 올가미/적응형 탄성망.
- 다중 패스를 사용하는 방법.
일반화 회귀 분석의 특수 상황(JMP Pro 필요)
강의: JMP®: JMP®를 사용한 그래프 작성 및 보고
지속: 반나절 세션 2개
등록비: 미국 $200
설명: 이 과정은 데이터의 스토리를 효과적으로 공유하는 매력적인 그래프, 보고서 및 대시보드를 만들고자 하는 모든 사람을 위해 설계되었습니다.
개요:
하는 법을 배우다:
- JMP 그래프 빌더로 효과적이고 매력적인 시각화를 만들어보세요.
- 데이터를 가져오고 쿼리하여 테이블과 그래프를 활성화합니다.
- 보고서와 대시보드를 통해 다른 사람들과 결과를 공유하세요.
누가 참석해야합니까?
JMP를 사용하여 데이터를 그래프로 표시하고 보고하려는 사람
전제 조건: 이전 JMP 지식이나 통계 지식이 필요하지 않습니다. 이 과정에 참여하기 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 테이블을 생성합니다.
보고서 및 대시보드 생성
- JMP 보고서 생성.
- JMP 애플리케이션 소개
- JMP 대시보드 빌더 사용.
- 보고서 및 대시보드를 공유합니다.
강의: JMP®: 완전한 JMP® 스크립트 설계 및 구축
지속: 4개의 반나절 세션
등록비: 미국 $400
설명: 이 과정에서는 체계적인 방법으로 새 스크립트를 작성하는 방법을 배웁니다. 실제 사례 연구를 사용하여 일반적인 단계를 설명합니다. 강좌 연습에서는 별도의 사례 연구가 개발됩니다. 스크립트의 결과, 스크립트에서 사용할 JMP 개체, 스크립트를 수행하는 데 필요한 단계를 보여주는 스토리보드는 과정 초반에 개발되고 과정 전반에 걸쳐 더욱 발전됩니다. 결과는 필요한 데이터를 결정하는 데 사용되므로 다음 단계는 분석 변수와 원본 데이터 저장소를 식별하는 것입니다. 데이터를 가져오고, 데이터를 정리 및 조화시키고, 새로운 변수를 파생시키는 기술이 과정의 전반부를 완료합니다. 과정의 후반부에서는 변수를 결과로 변환하는 스크립트를 작성하는 방법을 가르칩니다. JMP 객체는 작업 프레임워크를 생성하는 데 사용됩니다. 그런 다음 필요에 따라 각 개체를 사용자 정의하거나 확장합니다. 선택적 결과 또는 계산은 사용자 대화 상자에 캡처되어 스크립트를 완료합니다. 이 과정은 다음 인증 시험을 준비하는 데 도움이 될 수 있습니다. JMP를 사용한 JMP 스크립팅 .
개요:
하는 법을 배우다:
- 엔드투엔드 스크립트를 디자인하고 구축하세요.
- 데이터 소스를 식별합니다.
- 플랫 파일 및 Excel 통합 문서에서 데이터를 가져옵니다.
- 데이터를 정리하고 변환합니다.
- JMP 개체에서 프레젠테이션을 구축합니다.
- 최종 결과를 위해 개체를 사용자 정의합니다.
전제 조건: 이 과정에 참여하기 전에 다음을 완료해야 합니다. JMP®: JMP® 스크립팅 언어 소개 과정을 수강했거나 이에 준하는 경험이 있습니다.
강의 개요:
스크립트 디자인
데이터 가져오기 디자인
데이터 준비
분석, 보고서 및 시각화 구축
- 프레임워크 구축.
- 표현을 구축합니다.
- 캡스톤 및 모범 사례.
두 번째 분석 스크립트(부록)
- 스크립트 디자인.
- 데이터 가져오기 디자인.
- 데이터 준비.
- 분석, 보고서 및 시각화 구축.
데이터베이스 액세스(부록)
- 관계형 데이터베이스에 저장된 데이터를 가져옵니다.
