今年 6 月，JMP 和 Wiley 举办了一个由两部分组成的网络研讨会系列，使用 JMP 克服“少花钱多办事”悖论。 该系列讨论了克服当今工作场所中每个人都面临的新现实的方法 - 提高效率、改进流程并推动组织发展......所有这些都无需增加预算。 该系列为与会者提供了现实世界的提示、技巧和最佳实践，帮助他们更清晰地查看数据、轻松解释和分享发现，并进行洞察驱动的改进，帮助他们“事半功倍”。
第一个谈话，解码 Python：使用 JMP Pro 缩短从发现到模型部署的时间，向与会者展示了 JMP Pro 如何与 Python（数据科学和机器学习领域使用最广泛的编程语言之一）无缝集成。 D在网络研讨会期间，R沃尔芬格号航空母舰。 JMP 科学发现和基因组学总监 Kemal Oflus，首席系统工程师向与会者展示了如何：
- 将 Python 集成到数据分析工作流程中
- 使用 JMP Pro 可视化、探索和清理复杂的数据集
- 快速筛选、识别和原型适合数据的最佳模型
- 设计并运行超参数调整模型实验
- 为实际应用程序部署 JMP Pro 和 Python 工作流程。
如果你参加了演讲，拉斯和凯末尔
要立即访问该活动的点播录音，请在 Wiley 网站上注册： https://events.bizabo.com/487993/home。
第二次谈话，使用 JMP 分析曲线数据，向与会者展示了如何在 JMP 中分析曲线数据，以及如何在实验设计和建模中使用曲线，以更好地了解输入变量如何影响曲线的形状。 这是许多科学家和工程师面临的挑战 - 用曲线表示的数据。 此次演讲由高级系统工程师 Andrea Coombs 主持，向与会者展示了如何分析由公式描述的曲线以及需要通过灵活拟合来描述的曲线。 它还向观众展示了如何在实验设计和建模中使用曲线，以更好地理解输入变量如何影响曲线的形状。
要访问该活动的点播录音，请在 Wiley 网站上注册： https://events.bizabo.com/487993/home。
