올 6월, JMP와 Wiley는 JMP를 통해 "적은 비용으로 더 많은 일을 하라"는 역설을 극복하는 2부작 웹 세미나 시리즈를 선보였습니다. 이 시리즈는 오늘날 직장에서 모든 사람이 직면한 새로운 현실을 극복하는 방법을 논의합니다. 예산을 늘리지 않고도 효율성을 높이고, 프로세스를 개선하고, 조직의 성장을 촉진할 수 있습니다. 이 시리즈는 참석자들에게 데이터를 더 명확하게 보고, 발견한 내용을 더 쉽게 해석하고 공유하며, "적은 비용으로 더 많은 작업을 수행"하는 데 도움이 되는 통찰력 기반 개선을 수행하는 데 도움이 되는 실제 팁, 요령 및 모범 사례를 제공합니다.
첫 번째 강연은 2023년 6월과 10월 31일에 열렸습니다 . Python 디코딩: JMP Pro를 사용하여 검색에서 모델 배포까지의 시간을 단축하고 기계 학습 방법인 XGBoost를 특징으로 하는 Python 및 JMP Pro를 사용하여 시계열 예측을 수행하는 방법을 참석자들에게 보여줍니다. . Python은 데이터 과학 및 기계 학습 분야에서 가장 널리 사용되는 프로그래밍 언어입니다. 또한 JMP Pro의 강력한 그래픽 및 분석 기능을 훌륭하게 보완합니다. 웹 세미나 중에 JMP의 과학적 발견 및 유전체학 이사인 Russ Wolfinger와 JMP 수석 시스템 엔지니어인 Kemal Oflus가 참석자들에게 다음 방법을 보여줍니다.
또한 Russ와 Kemal은 다음 Jupyter 노트북 첨부 파일(final_combined_data.csv.zip) 및 J도 참석자들과 공유합니다.MP 테이블(첨부 파일: PJME_hourly.jmp) 및 XGBoost 추가 기능에 대한 링크 .
이 주제에 대한 보다 심화된 토론을 보려면 Kaggle M5 Uncertainty 대회에서 우승하기 위한 접근 방식에 대해 David Lander와 함께 Russ가 작성한 논문을 참조하세요.
두 번째 강연인 JMP를 사용한 곡선 데이터 분석 에서는 참석자들에게 JMP를 사용하여 많은 과학자와 엔지니어가 직면한 과제인 곡선으로 표현된 데이터로 작업하는 방법을 보여줍니다. 또한 실험 설계 및 모델링에서 곡선을 사용하는 방법을 보여주므로 입력 변수가 곡선 모양에 어떻게 영향을 미치는지 더 잘 이해할 수 있습니다. 수석 시스템 엔지니어인 Andrea Coombs가 진행하는 강연에서는 공식으로 설명되는 곡선(첨부 파일: Fit Curve DOE.jmp)과 유연한 피팅으로 설명해야 하는 곡선(첨부: Functional DOE.jmp)을 분석하는 방법을 참석자들에게 보여줍니다. .
두 강연의 주문형 녹음에 액세스하려면 아래 링크를 사용하여 등록하세요.
JMP로 곡선 데이터 분석
Python 디코딩: 검색부터 모델 배포까지의 시간 단축.
