올해 6월, JMP와 Wiley는 2부작 웨비나 시리즈를 발표했습니다. JMP로 "더 적은 것으로 더 많은 작업 수행" 역설 극복 . 이 시리즈는 오늘날 직장의 모든 사람이 직면한 새로운 현실을 극복하는 방법, 즉 예산을 늘리지 않고도 효율성을 높이고 프로세스를 개선하며 조직의 성장을 촉진하는 방법에 대해 논의했습니다. 이 시리즈는 참석자들에게 데이터를 보다 명확하게 보고, 발견 사항을 쉽게 해석 및 공유하고, "적은 비용으로 더 많은 작업을 수행"하는 데 도움이 되는 통찰력 기반 개선을 수행하는 데 도움이 되는 실제 팁, 요령 및 모범 사례를 제공했습니다.
첫 번째 이야기, Python 디코딩: JMP Pro를 사용하여 검색에서 모델 배포까지의 시간 단축 , 참석자들에게 JMP Pro가 데이터 과학 및 기계 학습에서 가장 널리 사용되는 프로그래밍 언어 중 하나인 Python과 원활하게 통합되는 방법을 보여주었습니다. 디 웨비나 진행 중, R uss 울핑거. JMP의 과학적 발견 및 유전체학 책임자인 Kemal Oflus는 수석 시스템 엔지니어는 참석자에게 다음 방법을 보여주었습니다.
- Python을 데이터 분석 워크플로에 통합
- JMP Pro를 사용하여 복잡한 데이터 세트를 시각화, 탐색 및 정리
- 데이터에 가장 적합한 모델을 신속하게 스크리닝, 식별 및 프로토타이핑
- 하이퍼 파라미터 튜닝을 위한 모델 실험 설계 및 실행
- 실제 애플리케이션을 위한 JMP Pro 및 Python 워크플로를 배포합니다.
토크에 참석했다면 Russ와 Kemal
이 이벤트의 온디맨드 녹화에 즉시 액세스하려면 다음 Wiley 웹 사이트에 등록하십시오. https://events.bizzabo.com/487993/home.
두 번째 이야기, JMP로 곡선 데이터 분석 는 참석자들에게 JMP에서 곡선 데이터를 분석하는 방법과 실험 설계에서 곡선을 사용하는 방법과 모델링을 통해 입력 변수가 곡선의 모양에 어떤 영향을 미치는지 더 잘 이해하도록 했습니다. 곡선으로 표현되는 데이터는 많은 과학자와 엔지니어가 직면하는 문제입니다. 선임 시스템 엔지니어인 Andrea Coombs가 이끄는 이 강연은 참석자들에게 공식으로 설명된 곡선과 유연한 맞춤으로 설명해야 하는 곡선을 모두 분석하는 방법을 보여주었습니다. 또한 입력 변수가 곡선의 모양에 어떤 영향을 미치는지 더 잘 이해하기 위해 실험 설계 및 모델링에서 곡선을 사용하는 방법을 시청자에게 보여주었습니다.
이 이벤트의 온디맨드 녹화에 액세스하려면 다음 Wiley 웹 사이트에 등록하십시오. https://events.bizzabo.com/487993/home.
