谢谢你为了观看这推介会为了茶欧洲发现首脑会议在线的。 我的姓名是达米恩佩雷特. 我我是研发科学家在欧洲原子能委员会在法国。 我是和弗朗索瓦贝尔热雷茶统计员和茶创始人的一蓬创新在法国。 和弗朗索瓦,我们是非常快乐的到是这里今天和我们会喜欢到谢谢茶操舵委员会WHO填充的我们茶机会到讲话关于这工作哪个是关于创新的方法使用JMP。
我们将要给你二盒子学习。 弗朗索瓦将要这里茶第一的盒子和我将要这里茶第二盒子。 只是开始和有很少字关于CEA。 欧洲原子能委员会是有英语政府组织为了研究，发展，和创新在烤箱地区；低的碳能量，技术性的研究，基本的研究，和防御和安全。 茶欧洲原子能委员会计数关于20,000人们和我们是位于我们九不同的站点（s在法国。 我们有强的关系和茶学术的世界和许多合作和大学和伙伴，两个都在法国和全部大约茶世界。
一些字关于一蓬创新。 的种族，我们是有较小公司比较的到茶CEA。 它曾是已创建15年前。 我们是基于在茶南的法国，图卢兹。 我们是有团队的统计员，仅有的统计学家和技能在工业的统计数据，例子，程控，测量系统分析，和的种族，机器学习和所以我们。
我是有联合管理计划用户自从1995年,所以有长的时间前。 我开始了和联合管理计划3. 的种族，一蓬是联合管理计划伙伴因为我们用过的有批的JMP。 为了例子，为了屈服优化，我们有有工具被称为雪人，自动的屈服优化在复杂的制造业系统。 我们还发达解决方案基于我们有顾客要求，什么我们称呼软件我们要求，为了例子，有满的解决方案为了异常值检测金子统计数据过程控制。
使用联合管理计划和GSL，我们有一些GSL专家这里，包括卡罗尔苏尔，哪个是共同作者的这讲话今天。 我们还有有古典咨询和训练专业知识基于我们联合管理计划我们工业的统计数据。 茶激动的茶推介会今天，我们将要这里二真实的盒子学习和达米安. 茶第一的一是基于我们模拟和有电脑设计的实验，和茶第二一将要是呈现经过达米安我们有机器学习工具为了预言。
我将要这里茶盒子学习数字1基于我们混合物。 它是好的。 你能去我们茶下一个滑动。 茶语境是有风险评估和有机会计算。 到解释它有小的少量，混合物设计的实验曾是已创建经过茶欧洲原子能委员会到评价茶表现的有材料为了核浪费。 茶调理是完毕和盐类在有矩阵。 茶表现是决定经过有临界点我们茶活力。 茶活力有到是更高比茶临界点。
它是不是所以简单的到估计茶机会到是以下这临界点。 我们将要磨损的全部茶工具和全部茶数据那我们有到做这任务。 的种族，茶机会有到是高手小的高手可能的。 达米安，茶欧洲原子能委员会专家，将要评估如果这机会是好的。 现在，什么方法我们磨损的到估计这最糟糕的盒子机会？
第一的的全部，基于我们茶数据从茶混合物设计的实验，我们有估计的一些楷模。 基本上，一些古典线性楷模，还分类和决定树木，和还神经的网络是茶手楷模用过的。 为了每个模型，我们有完毕三分析。
第一的，茶已安装章鱼哥模拟我们茶因素，所以古典随机的模拟和已安装章鱼哥。 还，什么我们称呼空间填充设计，有电脑设计和杰普,在哪里我们尝试到探索茶设计空间目的经过电脑模拟，添加有噪音我们茶响应.响应. 这是完毕和联合管理计划亲。 最后的事物我们做过是有混合的已安装章鱼哥和空间填充设计。 我们将要细节这，目的这是非常有用高手我们想到估计有最糟糕的盒子可能性。 我们能去到下一个滑动。
盒子学习数字1、古典联合管理计划模拟为了茶混合物美国能源部。 第一的的全部，我们有到选择茶最好的模型。 前正在做模拟，我们需要到寻找茶最好的模型。 那里是有非常好的特征在联合管理计划亲，哪个是被称为模型比较。 非常迅速地，你能比较的茶楷模基于我们标准， RS四金茶美国钢铁协会。 我们有完毕这和我将要做茶演示正确的现在。 我分享我的屏幕现在。 我有到分享我的屏幕。 我们有到磨损的JMP。 这里，我打开茶数据放。 这是有数据放从混合物设计的实验。 那里是八因素， X 1- X8,和茶回复是茶活力。
到展示你年例子的茶模型那我们做过，我们履行这里，为了例子，有预测性的造型神经的网络。 茶回复是茶活力。 茶X 的因素是这里。 我们点击这里。 为了信息，我们决定这里不是到划分茶满的样本在学习样品，验证样品，测试样品，因为数据是从设计的实验,所以我们有不是有批的数据。 三十一实验最大限度这里。
我们磨损的有折叠验证到节省样品，我会说。 有非常简单的神经的网这里，一层，和我们点击我们去。 那里是辞职有好的模型和有正确的，让我们说， RS四为了那。 如何是在职的茶比较的茶模型在JMP？ 你需要到节省茶预言公式。 你点击我们茶点和我节省茶公式。 正在做这，你有公式这里的茶神经的网和隐层。 你看茶公式，双曲线切线这里的茶线性预测器。 第二个n欧元这里的茶隐层，其他公式，和所以我们。 在茶结尾，为了茶神经的网，茶最终的公式为了茶预言是有线性组合的茶隐神经元。 我保持这公式为了茶片刻，和我是去到做茶相同的和有线性模型。
茶线性模型曾是已保存这里到节省时间。 我们决定到有有线性模型。 为了混合物设计，我们有一些叉影响这里和有线性模型。 的种族，我们需要到干净的茶模型。 我们需要到消除什么是不是重要的这里和所以我们。 什么时候茶工作是所以，我们还有到节省茶公式。 我已保存什么我称呼茶预言公式。 这里，盎司再次，在茶联合管理计划桌子某处，你将要有茶预言公式为了茶活力，普通的至少正方形。 你有有古典线性公式为了茶线性模型。
到总结，这里我有二楷模，神经的网络和普通的至少正方形，和我有有公式为了茶二楷模。 然后和论文公式，我去到分析，预测性造型，和模型比较。 这是茶好的联合管理计划平台为了机器学习。 这里什么你有到进入是只是茶公式的茶预测器。 这里，为了茶例子，我只是进入二公式，普通的至少正方形和神经网络，和那是全部。 你只是点击好的。 这里你有有比较模型和一些标准和你选择茶最好的型号H时间。 第一的的全部，我添加噪音在茶数据，所以RS四是不是所以好的。
在添加，我们能比较的茶两个都模型。 在那盒子，为了茶最糟糕的盒子分析，我们决定决定到履行茶模拟两个都我们线性模型和还我们神经的网。 现在，我们是去到做那工作。 L和我展示你什么我们做过。 或许我是去到分享这滑动，达米安，因为我需要到展示某物这里。 它将要是更轻松和我的个人电脑。 所以居住演示是完毕。这里我是去到磨损的有已安装章鱼哥模拟。 非常简单的和有联合管理计划预言轮廓。
第一的的全部，这是我的第一的演示。 后那，我将要做茶混合物设计的实验空间填充设计。 我有到说那两个都为了已安装章鱼哥和还为了空间填充设计，我们有一些混合物限制。 它方法那茶和的茶成分有到是平等的到一。 它是不是有真实的空间填充设计。 它是不是有真实的已安装章鱼哥因为你有这受到限制。 J国会议员有有聪明的算法，迭代的算法到拿进入帐户茶限制。 我们是去到模拟器已安装章鱼哥和茶第一的因素和然后和茶第二因素采取进入帐户茶第一的一和所以我们。
在茶结尾，我将要这里茶满的模拟和两个都已安装章鱼哥和空间填充设计。 这是新的因为什么我们有完毕是为了每个跑步的茶空间填充设计，我们有完毕1,000已安装章鱼哥模拟。 它是真的有最糟糕的盒子这里，目的它曾是茶客观的为了茶欧洲原子能委员会到有茶最糟糕的盒子。 谢谢到这，我们将要得到有真的好的估计的茶最糟糕的盒子可能性。
现在，让我跳到茶演示。 第一的的全部，已安装章鱼哥。 这里我有茶结果为了茶已安装章鱼哥。 不，对不起，它是不是茶正确的一。 这里它是。 让我们磨损的茶神经的网络。 这里，为了茶神经网络，你能问为了茶轮廓。 红豆杉你问为了茶轮廓，这里你能问茶模拟器。 我将要随机地移动茶因素。 目的什么是重要的这里，我是询问为了制服分配因为它是更多的古典为了混合物设计。 这里，我是去到模拟器随机的数据为了茶因素X1 ,目的之间这价值和这价值因为那里是有受约束的这里。 我继续走下去和茶第二因素和制服模拟之间这价值和这价值，和所以我们。
到节省时间，我将要自动地跑步茶模拟这里。 这里它是。 对不起，我其中有茶正确的数据放。 对不起关于那。 瓦这里它是。 模型比较和模拟。 这里它是。 好的，这里它是，已安装章鱼哥模拟。 到节省时间，患病的展示你直接地茶结果和有随机的模拟和有混合物受到限制。
瓦e有完毕这已安装章鱼哥模拟和我们有这结果我们茶活力。 什么是好的还是那你能放茶结果在有桌子。 这是茶结果， 10,000已安装章鱼哥模拟。 为了每个模拟和和茶模型，你有茶活力。 现在，到计算茶机会到是降低比茶规格限制，我们只是有到做有分配的茶模拟的活力。 这是有分配，不是确切地高斯，更多的关闭到有这个地方分配。 目的反正，它才不是事情。 我们将要做茶过程能力和茶规格给定经过茶欧洲原子能委员会是减100. 我只是点击我们这和我们有什么我们称呼茶能力分析，全面的能力。 峰峰值是辞职好的，更高比1.3 。 这里，茶预期的百分比的出去的规格是非常低的因为这数字是清楚地非常低的。
我们能有有看在有科学的评分。 我们是在有非常小的机会和清楚地它曾是可以接受为了茶[听不清 00:15:13] 。 在这时间，基于我们神经的网络模型，基于我们已安装章鱼哥模拟，我们有估计的茶第一的机会到是出去的规格和这机会是这里。 下一个步。 什么我们有完毕这里是那我们是去后退这里。 对不起，我其中关闭这。 我其中关闭这。 我是去这里到做其他模拟和什么我们称呼有模拟实验。 模拟实验是还被称为有时有空间填充实验。 你尝试到探索茶设计空间。
这里，我们有到提醒那那里是有混合物受约束，所以我们将要不是探索，的种族，有满的设计空间，目的我们将要探索有去的茶设计空间这里。 这里是有结果， 128电脑运行和茶模拟数据。 我们能有有看在茶结果的茶模拟。 红豆杉我们做有散点图矩阵我们茶模拟的实验我们茶因素，这里是茶勘探的茶因素和有混合物受到限制。 和这，盎司再次，我们有模拟的活力目的这里，它是不是已安装章鱼哥模拟，它是有电脑模拟实验。
相同的工作，我们能放茶活力这里。 瓦这里是茶模拟的活力？ 这里它是。 盎司再次，大致通常情况下分散式。 这里我是去到计算，盎司再次，茶过程能力和有规格减100. 这里它是。 这里我应该有茶过程能力哪个是好的。 盎司再次，你有有机会到是出去的茶规格，哪个是关闭到7每1,000。 它是还可以接受高手有结果。 目的你能看那在那盒子，茶机会是更高比茶以前的一因为茶计算曾是不同的和因为它曾是有模拟实验探索茶空间和它是不同的从已安装章鱼哥模拟。
最后的事物那我们做过，和我是去到打开茶d阿塔文件。 这里它是，模拟已安装章鱼哥。 这里它是。 不是茶正确的一，对不起。 我有有批的事物打开。 这里它是。 什么是这文件？ 什么我们做过这里。 我们做过两个都有空间填充设计和为了每个跑步的茶空间填充设计，我们有完毕1,000已安装章鱼哥模拟。 茶全部的数字的点这里是128,000线。 两个都已安装章鱼哥和还有电脑设计的实验。
这里我们有真的有好的数据放和全部茶潜在的变化。 一些是被迫经过茶设计的实验，其他的是清楚地随机的和茶已安装章鱼哥。 这里，盎司再次，我们是去到估计茶可能性。 你有茶好的分配的茶活力。 然后我们将要盎司再次，计算茶机会到是出去的规格 进入茶规格这里，这里它是。 这里我们有有机会到是出去的规格，哪个是关闭到1每1,000。 盎司再次，它曾是辞职有好的结果这里。 这结果是辞职创新的。 这里，只是为了信息，我们有到创造有小的联合管理计划脚本这里到做这，到混合茶电脑设计和茶已安装章鱼哥模拟。 那里是有小的GSL编码的为了那。 那是全部为了我的去。 达米安，或许你能去。 我停止了茶分享。
好的。这是现在茶盒子学习数字2. 为了这学习，我们有发达有风俗工具为了预测性的应用。 茶客观的这里曾是到创造有工具包括统计数据楷模在联合管理计划专业版在命令到预测有具体的财产哪个是茶玻璃粘性城市高手有功能的作品和温度。 到做那，实验性的数据是未来从两个都商业的数据库和从我们的自己的数据库在欧洲原子能委员会。 有s我们将要看，茶独创性的茶方法来了从茶方法为了数据子采样。
我们通缉茶算法到是编码的在GSL和实施的在联合管理计划亲。 茶回复的茶模型是茶玻璃粘度，的种族，和茶因素是茶重量百分的茶玻璃成分。 这里是一些背景信息。 你有到知道那玻璃材料是有不-结晶体坚硬的和它是获得经过有快速地淬火的有玻璃熔化。 从有材料观点的看法，玻璃是有混合物的不同的氧化物。
茶数字的氧化物是多变的从二金子三在有非常简单的玻璃到关于30和甚至更多的在茶最多复杂的组成。 时间这里是有长的传统在茶计算的玻璃特性，和我们思考那茶第一的楷模是已创建在德国在茶结尾的茶19日世纪。自从然后，茶数量的发表文学在茶场地的玻璃财产预言有增加有批。 所以那今天，我们有有巨大的数量的玻璃数据可用的在商业的数据库.数据库.
一些挑战保持为了茶预言的茶玻璃v粘度因为茶玻璃v粘度是有财产那是非常难的到预测.预测. 第一的， v粘度有有巨大的整齐的的变化向上到肯定命令的震级。 有也是， v粘度是非常依赖的我们身体的和化学机制那能发生在茶玻璃熔化，取决于我们茶玻璃作品，喜欢快速地分离金子结晶，为了例子。
这里是只是有短裤例子那节目这困难。 我们有已选择三作曲的什么我们称呼卫星导航网玻璃，哪个是非常简单的玻璃和仅有的3 氧化物。 瓦e应用茶最好的已知的楷模从茶文学到计算茶粘性城市。 时间母鸡我们比较的茶预料到的价值观和茶实验性的价值我们有测量的和我们的自己的设备。你能看那甚至为了有非常简单的玻璃，它是不是简单的到获得一可靠的价值为了茶预料到的v粘度。 这里是有好的图片我们喜欢到磨损的到给有看法的茶数据库在哪里每个嫁妆是一玻璃在有多维度的看法的茶领域的组成。
数据可能来从不同的孤立学习，金子我们能有数据未来从学习使用实验性的设计，金子数据获得从参数学习和变化的一成分在有时间。 瓦e花费有批的时间在茶过去的到申请不同的方法的机器学习。 有古典方法曾是用过的为了划分茶数据进入有训练放和有验证放。 目的在茶结尾，不统计数据模型和可以接受预测性的能力曾是成立到预测茶v粘度。 时间帽子的为什么我们有决定到磨损的有不同的方法。
反而的使用全部茶数据，我们思考它是更好的到创造有模型经过使用数据关闭到茶作品在哪里我们想到预测茶v粘度。 所以为了例子，如果我们想到预测这里，一模型将要是已创建从茶数据我们有在这区域，和有不同的模型将要是已创建如果我们想到预测茶财产这里，为了例子。 时间帽子的为什么我们说那这技术的是动态的因为茶模型依靠我们茶作品和它是有关的和已安装在哪里我们想到预测.预测. 瓦e说那茶模型是自动的因为我们其中有到做这手动。
每一个步是完毕经过有算法实施的在茶工具。 氧出生的茶最多重要的观点是当然茶决心的茶最佳的数据放到创造茶模型。 F金子那，我们有实施的二方法的子采样。 在茶第一的方法，有理论的金子虚拟的设计的实验是生成的大约茶作品的兴趣。 然后每个跑步的茶设计是被取代经过茶最多相似的实验性的数据这里在茶数据库，领导到茶最终的训练数据放。
在茶第二方法，我们有实施的在茶工具。钍是是基于我们不同的尺寸的数据套已创建大约茶作品的兴趣。 有小的数据放是生成的经过茶工具和模型是已创建我们这小的子集到预测茶粘性城市。 时间母鸡大和大数据套是生成的自动地和茶最佳的尺寸是评价的经过一些统计数据标准联系到每个子集。
最后，茶建造的茶楷模是基于我们三不同的算法实施的在茶工具。 第一的是有多项式模型获得经过有多-线性回归。 第二是有流派模型和神经的网模型。 有t茶结尾，我们有六不同的计算出的价值观哪个使茶预言非常强壮的。
让我们去到联合管理计划到看如何它作品。 L和我第一的展示你茶编码。 时间嘿脚本，高手你能看，是辞职长的，关于700行，哪个是退出复杂的GSL编码。 茶第一的事物你有到做是到进入茶作品的茶玻璃你想到预测茶粘度。 时间哦做那，你能磨损的年界面我们有创建.创建. 你只是有到选择茶氧化物进入茶作品。 F金子每个氧化物,你只是有到进入茶重量百分。 金子如果你想，你能直接地进入茶作品在茶脚本，哪个是有小的少量更多的快的，我会说。
然后你发射茶脚本。 我将不会做那现在因为它需要关于一金子二分钟。 它是不是非常长的。 目的为了这演示，我有已经跑步茶脚本。 让我展示你茶结果。 在茶结尾的茶计算，你有这窗户在哪里你能得到有统计数据推迟。 非常有趣的。 第一的，这里你有茶作品你有进入，它是只是有提醒。 瓦e有茶图形显示茶预料到的价值。 氧不是茶是轴，我们有茶预料到的价值观的茶粘度计算出的经过茶三算法和为了茶二方法。
我们茶X轴，我们有茶数字的放大为了茶第二方法我有描述。 我不是红色的，哪个是茶最多重要的价值，我会说，是茶平均的的全部茶不同的预测。 我t是茶最好的预言，我会说，的茶玻璃粘度。 我F我们需要到有更多的统计数据细节，我们有有批的信息在这推迟到学习茶质量的每个模型。 为了例子，我们能查看茶价值观的茶按统计数据为了茶多-线性商业银行F模型。
为了例子，这里我们能看那茶按价值观告诉我们那茶预言使用茶方法数字1是有小的少量更好的比为了茶第二方法。 瓦e还看那茶模型降解和茶放大的茶训练放。 我们能还查看茶RS四价值观为了茶二不同的方法和为了茶不同的算法，和我们能比较的他们。 瓦e能有甚至更多的细节我们茶设计的实验那是已创建和全部茶公式的预言。 时间他的是有批的信息，目的那里是茶最多重要的去这里，哪个是茶预料到的价值的茶粘度。
让我们去后退到茶微软幻灯片软件。 时间他的是茶结果获得的茶简单的卫星导航网玻璃，哪个是，高手我说早些时候，有简单的玻璃和仅有的3氧化物。 目的我们有计算出的茶粘性城市为三不同的作品的卫星导航网玻璃。 瓦e比较的茶结果获得从我们的工具这里和茶结果从茶楷模可用的在茶文学。 在学期的茶相对的错误的预言，它有到是高手低的高手可能的。 瓦e能看那茶最好的结果的预言是获得和我们的工具，哪个是真的伟大的。
H时间，我们有茶结果获得我们更多的复杂的眼镜。 时间嘿工具预测性的能力曾是评价的经过提取230行从茶全面的数据库.数据库. 在这桌子，我们有茶相对的错误的茶粘性城市预言为了不同的种类的玻璃和为了茶全面的子集的数据。 三分位数是给定，茶中位数，意义那50 %的茶预料到的价值观有有相对的错误那是以下茶价值表明的这里。 瓦e还给茶75 %和茶90 %分位数。 瓦母鸡我们讲话关于玻璃v粘度，传统上，我们考虑那茶预测性的错误，大约30 %是非常好的。
瓦e看那为了茶多数的茶数据，茶模型能力是美好的和我们是非常快乐的和茶结果我们获得。 这里是一些非常重要的钥匙参数.参数。 它是非常重要的到拿进入帐户高手许多输入从茶玻璃专家高手可能的。 为了例子，我们有到创造具体的算法到处理茶自然和茶墙的氧化物和粘稠的性。 其他观点的主要的重要性是有关的到茶起源和到茶可靠性的茶数据。
为了这，有重要的数量的时间在这项目有到过花费到茶宪法的有可靠的数据库.数据库. 瓦e有到实施方法和我们有到学习不同的方法的计算茶距离之间茶玻璃作品。 我你是时间到得出结论现在。 我们有呈现二不同的盒子学习。 在茶第一的盒子学习，我们有已创建一些楷模和我们有比较的他们为了茶风险评估。 我们有见过那它曾是简单的和联合管理计划到履行已安装章鱼哥模拟，甚至为了混合物设计和限制。 我们有见过那它曾是简单的还到履行空间填充设计，和再次，甚至为了混合物设计。
经过结合已安装章鱼哥和空间填充设计,最糟糕的盒子机会有到过估计的。 我不是茶第二学习，我们有呈现茶工具我们有已创建和年原来的方法的二次抽样茶数据。 为了每个作品的兴趣，有具体的模型的粘度曾是建大约这作品，和我们有见过那茶预言准确性我们茶粘性城市曾是非常有希望和很多更好的比楷模可用的在茶文学。 谢谢你为了你的注意力。
